Tổng hợp giọng nói — BazaarLink API

Tài liệu Tham chiếu API Tham chiếu SDK Sử dụng Agent Kỹ năng AI

Tổng hợp giọng nói

Chuyển văn bản thành âm thanh bằng mã mô hình từ /v1/models?output_modalities=speech. Tính phí theo giá mỗi triệu ký tự trên trang mô hình. Toàn bộ âm thanh được đệm xong rồi mới trả về dạng nhị phân; chưa hỗ trợ truyền theo từng đoạn. Các trường điều khiển định tuyến như provider, transforms, route, service_tier và preset sẽ bị bỏ qua.

POST/v1/audio/speech

Xác thực

Authorizationbắt buộc

string · header

API key dưới dạng bearer token trong header Authorization.

Body

modelbắt buộc

string

Mã hoặc bí danh mô hình từ /v1/models.

inputbắt buộc

string

Văn bản cần tổng hợp.

1–4096 characters (10,000 for elevenlabs/eleven-v4 and eleven-v4-turbo)

voice

string

Giọng được mô hình hỗ trợ. Mô hình ElevenLabs (elevenlabs/*) nhận một tên giọng (george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will), hoặc bỏ trống (mặc định george); giá trị khác trả 400 invalid_voice (OpenAI: alloy). Các mô hình khác bắt buộc có voice. Giọng nói tùy chỉnh của chính bạn (voice_…, xem Giọng nói tùy chỉnh) cũng dùng được khi đã bật cho tài khoản.

response_format

string

Định dạng âm thanh đầu ra; mức hỗ trợ tùy theo mô hình. Tuyến WAV gốc hiện chỉ tạo WAV và không chuyển mã; dù yêu cầu mp3 hay opus, phản hồi vẫn là audio/wav. Hãy lưu tệp theo Content-Type của phản hồi.

mp3opusaacflacwavpcm

speed

number

Tốc độ nói từ 0,25 đến 4,0; có hiệu lực hay không tùy theo mô hình.

0.25–4.0

instructions

string

Hướng dẫn tạo giọng nói; có hiệu lực hay không tùy theo mô hình.

stability

number

Độ ổn định của giọng, 0–1 (mặc định 0,5). Thấp hơn giàu cảm xúc hơn, cao hơn đều hơn. Có hiệu lực với mô hình elevenlabs/* khi yêu cầu được phục vụ qua tuyến giọng nói trực tiếp của chúng tôi; header phản hồi X-Voice-Settings cho biết applied hoặc ignored.

0–1 (0.5)

similarity_boost

number

Độ giống giọng gốc, 0–1 (mặc định 0,75). Eleven v3 không dùng.

0–1 (0.75)

style

number

Mức nhấn phong cách, 0–1 (mặc định 0). Lớn hơn 0 làm tăng độ trễ. Eleven v4 không dùng.

0–1 (0)

use_speaker_boost

boolean

Tăng độ giống người nói gốc (mặc định true); tăng nhẹ độ trễ.

true / false (true)

clone_strength

number

Cường độ nhân bản, 0–1 (khuyến nghị 0 cho hầu hết giọng). Chỉ dùng cho giọng nhân bản chuyên nghiệp của riêng bạn (voice_…) được huấn luyện cho Eleven v4.

0–1

language_code

string

Mã ngôn ngữ hai chữ cái viết thường (ISO 639-1) như ar, ja, en để cố định ngôn ngữ đọc. Mô hình multilingual-v2 không dùng.

ISO 639-1, e.g. ar, ja, en

audio_effects

object

Đối tượng hiệu ứng âm thanh tùy chọn: filter_preset_id (bộ lọc, ví dụ phone, old_radio), environment_id (không gian vang, ví dụ small_room, hall), background_noise_id (âm nền, ví dụ cafe), distance (0–1), send_level (lượng vang, 0–1) và pan (−1…1). ID gồm chữ thường, chữ số và dấu gạch dưới; không tính thêm phí. Vang hoặc pan khác 0 tạo âm thanh stereo và không dùng được với đầu ra pcm.

filter_preset_id, environment_id, background_noise_id, distance 0–1, send_level 0–1, pan −1…1

Hướng dẫn chi tiết →

POST /v1/audio/speech

1
2
3
4
5
6
7
8
9
10
11
12
curl https://api.bazaarlink.ai/v1/audio/speech \
  -H "$BAZAARLINK_AUTH_HEADER" \
  -H "Content-Type: application/json" \
  -d '{"model":"<speech-model-id>","input":"Hello","voice":"alloy","response_format":"mp3"}' \
  --output speech.mp3

# Voice settings (elevenlabs/* models; the X-Voice-Settings response header says applied or ignored)
curl -D - https://api.bazaarlink.ai/v1/audio/speech \
  -H "$BAZAARLINK_AUTH_HEADER" \
  -H "Content-Type: application/json" \
  -d '{"model":"elevenlabs/eleven-v4","input":"Hello","voice":"george","stability":0.4,"similarity_boost":0.8,"style":0.2,"use_speaker_boost":true,"language_code":"en","audio_effects":{"distance":0.3}}' \
  --output speech.mp3

Ví dụ phản hồi

Thành công.

1
<binary audio>