语音合成（TTS）指南

语音合成（TTS）指南

POST /v1/audio/speech 与 OpenAI-compatible 接口兼容：发送 JSON，返回二进制音频文件。语音模型包括 ElevenLabs 系列（elevenlabs/eleven-v4、eleven-v4-turbo、eleven-v3、eleven-v3-conversational、eleven-multilingual-v2、eleven-flash-v2.5、eleven-flash-v2、eleven-turbo-v2.5、eleven-turbo-v2）。最新列表见 GET /v1/models?output_modalities=speech。 GET /v1/models 默认只返回文本模型，请加上 ?output_modalities=speech（或 all）才会列出语音模型。

参数

上方七个声音设置都是可选的，不带就完全不变；数值超出范围会直接返回 400，不会发送也不会收费。响应头 X-Voice-Settings 说明这次是否用到了您的设置：applied＝已应用；ignored＝这次由备用线路应答，您的设置没有被使用（声音仍会正常生成）；没有这个响应头＝您没有带任何声音设置。例如 stability 设为 0 会读得更有起伏，设为 1 则更平稳。

声音规则

ElevenLabs 模型（elevenlabs/…）的 voice 可填下列声音名称（不区分大小写）：george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will。ElevenLabs 模型可省略 voice（默认 george）。其他值返回 400 invalid_voice。您自己的自定义声音（voice_…）请见下方“自定义声音”章节。

alloy、echo、nova 等 OpenAI-style 声音名称仅适用于列出这些声音的模型。请在模型页查看。

自定义声音（克隆）正在分阶段开放：请见下方“自定义声音”章节（POST /v1/voices）。在您的账号开通之前，请使用上列 21 个预设名称或公开的声音 ID。

内置声音一览

voice 字段可填下表的声音名称（英文小写）。每个声音都附一段我们自己的试听，也可以用 GET /api/v1/audio/voices 获取完整清单（性别、年龄层、口音、风格与试听网址）。

?lang=（en、zh-TW、zh-CN，默认依 Accept-Language）只决定 description 的语言；试听网址不随参数改变：preview_urls.en（同 preview_url）是英文试听、preview_urls.zh（同 preview_url_zh）是中文试听。

情绪与动作标签（audio tags）

直接把标签用方括号写在 input 里，例如 [laughs]、[whispers]、[excited]、[sighs]、[crying]、[curious]、[softly]。标签会原样发给模型，用来决定后面那段话的语气与演绎。即使文字是中文，标签也请保持英文。

curl https://api.bazaarlink.ai/v1/audio/speech \
  -H "Authorization: Bearer $BAZAARLINK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"elevenlabs/eleven-v3","input":"[laughs] That was actually funny. [whispers] Do not tell anyone.","voice":"george","response_format":"mp3"}' \
  --output audio-tags.mp3

elevenlabs/eleven-v3 与 elevenlabs/eleven-v4 系列支持。其他语音模型不会解读标签，可能把括号内文字直接念出来，建议先用一小句测试。

标签也计入 input 字符数，与其余文字一样计费。

输出格式

不传 response_format 时默认为 mp3（Content-Type 为 audio/mpeg）；pcm（audio/pcm，原始 16-bit PCM）也可用。API 虽接受 opus、aac、flac、wav，但 ElevenLabs 模型目前会以 400 拒绝。请按响应头 Content-Type 保存文件。

计费

语音合成按输入字符数计费。每字符价格见 /models 中的模型页，以及 GET /v1/models 中的 pricing.character。模型页按每百万字符展示。

示例

curl https://api.bazaarlink.ai/v1/audio/speech \
  -H "Authorization: Bearer $BAZAARLINK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"elevenlabs/eleven-flash-v2.5","input":"Hello from BazaarLink.","voice":"george","response_format":"mp3"}' \
  --output speech.mp3

常见错误

完整参数参考: 语音合成

语音合成

使用 /v1/models?output_modalities=speech 的模型标识码将文字转为音频。按模型页每百万字符价格计费；完整缓冲音频后才返回二进制数据，暂不支持分段流式输出。provider、transforms、route、service_tier、preset 等路由控制字段会被忽略。

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