文本转语音 (TTS)

将文本转换为听起来自然的语音

发布 /api/v1/tts/generate/

使用 AI 语音合成技术将文本转换为语音，并返回 MP3 音频文件。

身份验证

在 Authorization 标头中包含您的 API 密钥。

请求体

参数	必填	类型	描述
text	必需的	字符串	待转换文本（最多 1500 字符）
output_format	可选的	字符串	所需的音频输出格式。格式为 codec_sampleRate_bitrate（例如 mp3_22050_32）。默认值为 mp3_44100_128。完整列表请参阅下方的“输出格式”部分。
voice_id	必需的	整数	来自……的语音识别语音列表.
prerecording	可选的	整数	1（基础增强）或 2（AI 增强）
voice_settings	可选的	字符串 (JSON)	语音自定义选项

支持的输出格式

output_format 参数可以是以下任一值：

MP3： mp3_22050_32, mp3_24000_48, mp3_44100_32, mp3_44100_64, mp3_44100_96, mp3_44100_128, mp3_44100_192
PCM： pcm_8000, pcm_16000, pcm_22050, pcm_24000, pcm_32000, pcm_44100, pcm_48000
作品： opus_48000_32, opus_48000_64, opus_48000_96, opus_48000_128, opus_48000_192

本部分仅供参考，方便用户选择合适的格式，同时避免使主请求表格显得杂乱。

语音设置对象

参数	类型	范围	默认	描述
temperature	整数	0 – 100	25	控制语音的变异性与表现力。较低的数值会生成更稳定、可预测的语音，而较高的数值则会增加变化、自发性以及富有创意的表达。
voice_similarity	整数	0 – 100	100	决定生成的语音与所选语音特征的匹配程度。数值越高，越能保留原始语音的特质；数值越低，则允许在音色和发音上出现更多偏差。
speed	漂浮	0.7 – 1.2	1.0	调节语速。低于 1.0 的数值会放慢语速以提高清晰度，而高于 1.0 的数值则会加快语速。
enable_emotions	布尔	false / true	false	支持生成富有情感表现力的语音。启用后，模型会根据情感语境动态控制语速、语调和重音。
fast_mode	整数	0, 1, or 2	0	以牺牲音频质量为代价，降低合成延迟。 0: 已禁用（最高画质，正常延迟） 1: 中等程度的延迟降低 2: 最大程度降低延迟（最低画质）

语音设置规则与限制

当 enable_emotions 设置为 true 时，voice_settings 中不得包含以下字段：
- voice_similarity
- speed
- fast_mode
如果在启用情感功能的情况下，请求中包含这些字段中的任何一个，该请求将被拒绝，并返回 400 INVALID_REQUEST 错误。

示例

curl -X POST "https://moknah.io/api/v1/tts/generate/" \
  -H "Authorization: "Bearer your_api_key"
  -d '{
    "text": "مرحبا بك في منصة مكنة",
    "voice_id": 1,
    "prerecording": 1,
    "voice_settings": {
        "speed": 1.0,
        "temperature": 25
    }
  }' \
  --output speech.mp3

import requests

response = requests.post(
    "https://moknah.io/api/v1/tts/generate/",
    headers={
        "Authorization": "Bearer your_api_key",
        "Content-Type": "application/json"
    },
    json={
        "text": "مرحبا بك في منصة مكنة",
        "voice_id": 1,
        "prerecording": 1,
        "voice_settings": {
            "speed": 1.0,
            "temperature": 25
        }
    }
)

with open("speech.mp3", "wb") as f:
    f.write(response.content)

const response = await fetch(
    'https://moknah.io/api/v1/tts/generate/',
    {
        method: 'POST',
        headers: {
            'Authorization': 'Bearer your_api_key',
            'Content-Type': 'application/json'
        },
        body: JSON.stringify({
            text: 'مرحبا بك في منصة مكنة',
            voice_id: 1,
            prerecording: 1,
            voice_settings: {
                speed: 1.0,
                temperature: 25
            }
        })
    }
);

const blob = await response.blob();
// Save or play the audio

响应

返回包含以下标头的二进制 MP3 音频数据：

页眉	描述
`Content-Type`	audio/mpeg

错误

状态	代码	描述
`400`	INVALID_REQUEST	无效参数
`401`	UNAUTHORIZED	无效的 API 密钥
`402`	INSUFFICIENT_CREDITS	积分不足
`429`	RATE_LIMIT_EXCEEDED	请求过多

API 支持

如有关于 API 的问题或疑问，请联系我们： api@moknah.io.