跳转到主要内容
POST
/
v1
/
audio
/
speech
Python (OpenAI SDK)
import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ["COMETAPI_KEY"],
    base_url="https://api.cometapi.com/v1"
)

response = client.audio.speech.create(
    model="tts-1",
    voice="alloy",
    input="The quick brown fox jumped over the lazy dog."
)

response.stream_to_file("output.mp3")
"<string>"
使用此端点可通过兼容 OpenAI 的音频 API 将文本转换为音频文件。它适用于旁白、简短语音提示、朗读功能，以及其他应用已具备文本并需要语音输出的工作流。

​
首次请求

从三个字段开始：model、input 和 voice。首次请求应尽量简短，这样你可以在调整速度或输出格式之前，先验证身份验证、音频格式和文件处理是否正常。

​
读取响应

响应是二进制音频，而不是 JSON。在 SDK 示例中，将响应写入文件，例如 output.mp3。在直接使用 HTTP 客户端时，保存响应体，并将文件扩展名设置为与请求的 response_format 一致。

​
后续步骤

  • 当你需要将语音转回文本时，请使用 创建转录。
  • 当你需要从非英语音频中获取英文文本时，请使用 创建翻译。

授权

​
Authorization
string
header
必填

Bearer token authentication. Use your CometAPI key.

请求体

application/json
​
model
string
默认值:tts-1
必填

The TTS model to use. Choose a current speech model from the Models page.

​
input
string
必填

The text to generate audio for. Maximum length is 4096 characters.

Maximum string length: 4096
​
voice
enum<string>
默认值:alloy
必填

The voice to use for speech synthesis.

可用选项:
alloy,
ash,
ballad,
coral,
echo,
fable,
onyx,
nova,
sage,
shimmer
​
response_format
enum<string>
默认值:mp3

The audio output format.

可用选项:
mp3,
opus,
aac,
flac,
wav,
pcm
​
speed
number
默认值:1

The speed of the generated audio. Select a value between 0.25 and 4.0.

必填范围: 0.25 <= x <= 4

响应

200 - audio/mpeg

The audio file content.

The response is of type file.