文本到语音 AI 代理商 音乐音乐 对文本的语音 语音克隆 语音设计 市场地点 更多
报告错误/功能要求

API 文件

将 TTS.ai 整合到您的应用程序中, 加入我们的 REST API。 OpenAI- 兼容格式, 方便移民 。

STEST APP 减税 OpenAI 兼容性 JSON 回应 串流支持

概览概览概览概览概览概览概览概览

TTS.ai API提供所有平台功能的方案准入:语音合成、语音对文本转录、语音克隆、音频增强等。 API与JSON请求/回应机构使用标准REST公约。

APIP API 键键

获取您的 API 密钥 账户设置. 载于Pro和Energoprojekt 计划。

基础 URL URL

https://api.tts.ai/v1/

认证

传经的贝尔传记牌 Authorization 标题标题标题

验证

自由级——不需要钥匙。 匿名 PST 致 /v1/tts/ 使用任何免费模式,每个IP最多每天5,000个字符/日 (piper, vits, melotts, kokoro). 注册一个免费账户 获得15000个奖金人物 和获得溢价模型。

对于溢价模型和较高利率限值的溢价模型和较高利率限值,请在 Authorization 标题标题标题.

HTTP 页眉 
Authorization: Bearer sk-tts-your-api-key-here
保守你的API密钥秘密 不在客户端代码、 公共仓库或日志中共享它。 经常从您的账户设置中旋转键 。

SDKs( SDKs )

官方 SDK 使得您可以很容易地将 TTS.ai 整合到您的应用程序中。 两者都是开放源码, 可在 GitHub 上查阅 。

Python

pip install ttsai
from tts_ai import TTSClient

client = TTSClient(api_key="sk-tts-...")
audio = client.generate(
    text="Hello world!",
    model="kokoro"
)
client.save(audio, "output.wav")
GitHub

JavaScript / Node.js

npm install @ttsainpm/ttsai
const { TTSClient } = require('@ttsainpm/ttsai');

const client = new TTSClient({
  apiKey: 'sk-tts-...'
});
const audio = await client.generate({
  input: 'Hello world!',
  model: 'kokoro'
});
await client.saveToFile(audio, 'output.wav');
GitHub

基础 URL URL

基础 URL URL: https://api.tts.ai/v1/

所有端点都与此基准 URL 相对。 例如, TTS 端点是 :

POST https://api.tts.ai/v1/tts/

限制利率

API利率限额因计划而异:

计划计划计划 请求/分钟 同时 最大文本长度
自由 10 2 500 查查数
启动启动器 30 3 1 000 000 000 查查
职业 60 5 1 000 000 000 查查
企业企业企业企业企业企业企业 300 20 50 000 查尔

在每个答复中都包括了利率上限标头: X-RateLimit-Limit, X-RateLimit-Remaining, X-RateLimit-Reset.

信贷成本

服务处 成本成本成本成本成本 股股股股
TTS(免费型号:管道、VITS、MelotTS) 1 000个字符 每千个字符数
TTS(标准模型:Kokoro、CosyVoice 2等) 2 000个字符 每千个字符数
TTS( 高级模型: 乌龟、 聊天盒等) 4 000个字符 每千个字符数
对文本的语音 2 000个字符 每音频分钟
语音克隆 4 000个字符 每千个字符数
语音变音器 3 000个字符 每音频分钟
音频增强 2 000个字符 每音频分钟
vocal 清除/ Stem 拆分 3 000-4 000个字符 每音频分钟
语音翻译 5 000个字符 每音频分钟
语音聊天 3 000个字符 转一转
密钥 & BPM 查找器 自由 --
音频转换器 自由 --

文本到语音

POST /v1/tts/

将文本转换为语音音频。 以请求的格式返回音频文件 。

请求机构

参数类型类型类型所需说明说明
model string 否 无 模型ID(例如, kokoro , chatterbox , piper , /piper>/code>),如果省略,我们自动选择一个模型,支持所要求的以下语言 语言 - - , en/ja/zh/ko/fr/de/it/pt/ept/es/hi/ru, >/piper ,其他辅助语言(ar/pl/nl/cs/cs/da/fi/el/hu/tr/uk/vi/etc)。
text string 是 是 文本转换为语音。 请求上限 : 500 个字符( 匿名 ), 5000 个( 自由账户 ), 1 000 000 个( 付费计划 ) 。 长输入是自动灌注的服务器边 。
voice string 是 是 语音代号(使用 /v1/voices/ 列出可用声音)
format string 否 无 输出格式: mp3 (默认)、 wav 、 flac 、 ogg
speed float 否 无 语音速度乘数。 默认值 : < code> 1.0 . 范围 : < code> 0. 0.5 至 < code> 2. 0
language string 否 无 语言代码(例如, en , es )。 如果省略, 自动检测 。
instructions string 否 无 代理/ 发送提示( 500 字符) 。 例如 < code\ {} 。
pronunciations object | array 否 无 Per-request pronunciation overrides. Either {"GIF": "jiff", "Anthropic": "ann THROP ick"} or [{"word": "GIF", "replacement": "jiff", "case_sensitive": false}]. Stacks on top of saved entries from /api/v1/pronunciations/. Applied as a pre-tokenizer pass — every TTS model honors them.
stream boolean 否 无 启用流响应 。 默认 : false

请求请求的示例

cURL 
curl -X POST https://api.tts.ai/v1/tts/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kokoro",
    "text": "Hello from TTS.ai! This is a test.",
    "voice": "af_bella",
    "format": "mp3"
  }' \
  --output output.mp3

SSML 标签

缩略语

解释为投入投入投入投入投入口音为
cardinal1234one thousand two hundred thirty-four
ordinal21twenty-first
date1999-12-31December thirty-first, nineteen ninety-nine
time14:30two thirty PM
telephone+1-555-867-5309plus one five five five eight six seven…
currency$1,234.56one thousand two hundred thirty-four dollars and fifty-six cents
spell-outNASAN A S A

日期格式默认为英语 mdy 和其他地方的 dmy ; 以 format@ 覆盖

示例示例示例示例 
{
  "model": "kokoro",
  "voice": "af_bella",
  "text": "Your appointment is on <say-as interpret-as=\"date\">2026-04-26</say-as> at <say-as interpret-as=\"time\">14:30</say-as>. Please call <say-as interpret-as=\"telephone\">+1-555-867-5309</say-as> if you need to reschedule."
}

Response

The TTS endpoint queues your request and returns a JSON response with a job UUID. You then poll for the result.

Step 1: Submit request

Response (JSON) 
{
  "uuid": "77b71db532874ce98e84a69a2d740d4c",
  "job_id": "f21316bb-aefa-480d-8523-701d1e3184ce",
  "status": "queued",
  "credits_used": 11,
  "credits_remaining": 15000
}

Step 2: Poll for result

GET /v1/speech/results/?uuid=<job_uuid>

Poll this endpoint every 1-2 seconds until status is completed or failed.

Polling response (completed) 
{
  "status": "completed",
  "result_url": "https://api.tts.ai/static/downloads/77b71db5.../output.mp3"
}
Polling response (still processing) 
{
  "status": "processing"
}

Step 3: Download audio

Fetch the result_url from the completed response to download the audio file.

Full example

Python 
import requests, time

API_KEY = "sk-tts-your-key"
BASE = "https://api.tts.ai"

# 1. Submit TTS request
resp = requests.post(f"{BASE}/v1/tts/", json={
    "model": "kokoro",
    "text": "Hello from TTS.ai!",
    "voice": "af_bella"
}, headers={"Authorization": f"Bearer {API_KEY}"})
data = resp.json()
uuid = data["uuid"]

# 2. Poll for result
while True:
    result = requests.get(f"{BASE}/v1/speech/results/",
        params={"uuid": uuid}).json()
    if result["status"] == "completed":
        # 3. Download audio
        audio = requests.get(result["result_url"])
        with open("output.mp3", "wb") as f:
            f.write(audio.content)
        break
    elif result["status"] == "failed":
        raise Exception(result.get("error", "Generation failed"))
    time.sleep(1.5)

Streaming alternative: For supported models (Kokoro, MeloTTS), use POST /v1/tts/stream/ for real-time Server-Sent Events (SSE) streaming — no polling needed.

对文本的语音

POST /v1/stt/

将音频发送到文本中。 支持99种语言的自动检测 。

请求机构 (multipart/form-data)

参数类型类型类型所需说明说明
file file 是 是 音频文件(MP3、WAV、FLAC、OGG、M4A、MP4、WebM),最大100MB。
model string 否 无 STT 模型: < code> whisper (默认)、 faster-whiseper 、 sensevoice
language string 否 无 用于自动检测(默认)的 auto 语言代码。
timestamps boolean 否 无 包含单词级时间戳。 默认 : false
diarize boolean 否 无 启用扬声器 Diarization 。 默认 : false

Response

JSON回应 
{
  "text": "Hello, this is a transcription test.",
  "language": "en",
  "duration": 3.5,
  "segments": [
    {
      "start": 0.0,
      "end": 1.8,
      "text": "Hello, this is",
      "speaker": "SPEAKER_00"
    },
    {
      "start": 1.8,
      "end": 3.5,
      "text": "a transcription test.",
      "speaker": "SPEAKER_00"
    }
  ]
}

语音克隆

POST /v1/tts/clone/

以克隆声音生成语音。 上传引用音频和文本 。

请求机构 (multipart/form-data)

参数类型类型类型所需说明说明
reference_audio file 是 是 参考语音音频(建议10至30秒),Max 20MB。
text string 是 是 用克隆声音说话的文本。
model string 否 无 克隆模型: chatterbox (默认)、 cosysyvoice2 、 gpt-sovits
format string 否 无 输出格式: mp3 (默认)、 wav 、 flac
language string 否 无 目标语言代码。 必须得到所选模式的支持 。

Response

返回音频文件作为二进制数据,与 TTS 端点相同。

语音变音器

POST /v1/voice-convert/

将音频转换为不同的声音。 上传源音频并选择目标声音 。

请求机构 (multipart/form-data)

参数类型类型类型所需说明说明
file file 是 是 源音频文件(MP3、WAV、FLAC),最大500MB。
target_voice string 是 是 转换为目标语音 ID (使用 < code>/ v1/voices/ 列出可用声音)
model string 否 无 语音转换模式: openvoice (默认), knn-vc
format string 否 无 输出格式: wav (默认)、 mp3 、 flac

请求请求的示例

cURL 
curl -X POST https://api.tts.ai/v1/voice-convert/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -F "file=@source_audio.mp3" \
  -F "target_voice=af_bella" \
  -F "model=openvoice" \
  -o converted.wav

Response

返回转换的音频文件为二进制数据。

语音翻译

POST /v1/speech-translate/

将语音音频从一种语言翻译到另一种语言。 将语音对文本、 翻译和文本对语音合并到一个电话中 。

请求机构 (multipart/form-data)

参数类型类型类型所需说明说明
file file 是 是 原始语言的源音频文件。 最大 100MB 。
target_language string 是 是 目标语言代码(例如, < code>es , fr , < code>de , ja )
voice string 否 无 翻译输出的声音。 如果省略, 自动选择 。
preserve_voice boolean 否 无 试图保存原扬声器的语音特性。 默认 : false

Response

JSON回应
{
  "original_text": "Hello, how are you?",
  "translated_text": "Hola, como estas?",
  "source_language": "en",
  "target_language": "es",
  "audio_url": "https://api.tts.ai/v1/results/translate_abc123.mp3",
  "credits_used": 5
}

发 言发言

POST /v1/speech-to-speech/

变换语言风格、情感或投递,同时保留内容。 可用于调整音调、节奏和表达性。

请求机构 (multipart/form-data)

参数类型类型类型所需说明说明
file file 是 是 源言音频文件。 最大 50MB 。
voice string 是 是 输出演讲的目标声音代号
model string 否 无 型号: openvoice (默认), chatterbox
emotion string 否 无 目标情感: 中立 , happy , sad, angry , excited
speed float 否 无 速度调整。 默认值 : 1.0 . 范围 : 0.5 到 2. 0

Response

返回已转换的音频文件作为二进制数据。

音频工具

音频处理端点用于增强、声带清除、干分解等等。

POST /v1/audio/enhance/

提高音频质量:电子音质、清晰度、超分辨率。

file file要增强的音频文件
denoise boolean启用除空( 默认值: 真实值)
enhance_clarity boolean提高语音清晰度(默认:真实)
super_resolution boolean升级音频质量( 默认值: 假)
strength integer1-3 (光, 中, 强) 默认值: 2
POST /v1/audio/separate/

或分裂成裂缝。

file file要分离的音频文件
model stringdemucs (默认缺缺默认) 或 spleeter
stems integer源数: 2, 4, 5 或 6 (默认值: 2)
format string输出格式: wav , mp3 , flac
POST /v1/audio/dereverb/

从音频录音中删除回声和反响。

file file要处理的音频文件
type stringecho or reverb (default: both)
intensity integer1-5 (default: 3)
POST /v1/audio/analyze/ 自由

分析音频以检测密钥、 BPM 和时间签名 。

file file要分析的音频文件
Response
{
  "key": "C",
  "scale": "Major",
  "bpm": 120.0,
  "time_signature": "4/4",
  "camelot": "8B",
  "compatible_keys": ["C Major", "G Major", "F Major", "A Minor"]
}
POST /v1/audio/convert/ 自由

在格式之间转换音频 。

file file要转换的音频文件
format string目标格式: mp3 , >wav , flac , >ogg , m4a , aaaa , aaaac
bitrate integerkbps 输出比特率: 64, 128, 192, 256, 320
sample_rate integer抽样率:22050、44100、48000
channels stringmono 或 stereo

语音聊天

POST /v1/voice-chat/

发送音频或文字,并用合成语音接收AI答复。

请求机构 (multipart/form-data 或 JSON)

参数类型类型类型所需说明说明
audio file 否 无* 音频输入(需要 audio 或 text )
text string 否 无* 文本输入( 需要 < code> audio 或 text )
voice string 否 无 AI 响应的声音。 默认: < code>af_ bella
tts_model string 否 无 TTS 响应模式。 默认: kokoro
system_prompt string 否 无 自定义系统提示 AI
conversation_id string 否 无 继续现有对话

Response

JSON回应
{
  "conversation_id": "conv_abc123",
  "user_text": "What is the capital of France?",
  "ai_text": "The capital of France is Paris.",
  "audio_url": "https://api.tts.ai/v1/audio/tmp/resp_xyz.mp3",
  "credits_used": 3
}

批批批 TTTS

POST /v1/tts/batch/

提交平行 TTS 生成的多文本 。 在所有任务完成后, 可选择收到一个 Webhook 回调 。

参数参数

参数类型类型类型说明说明
textsarrayArray of objects: {text, model, voice}. Max 50 items.
webhook_urlstringOptional URL to POST results when batch completes.

Response

JSON回应
{
  "batch_id": "abc123",
  "total": 3,
  "completed": 0,
  "status": "processing"
}

Get/v1/tts/batch/ 结果/? batch_id=abc123 的预测进展

语音嵌入

POST /v1/voice-embed/

预选从参考音频嵌入的声音 。 在随后的语音克隆请求中, 使用返回的嵌入符, 用于近瞬一代的语音克隆请求 。

参数参数

参数类型类型类型说明说明
filefileReference audio file (WAV, MP3, FLAC).
modelstringCloning model (default: chatterbox). Supported: chatterbox, cosyvoice2, openvoice, gpt-sovits, spark, indextts2, qwen3-tts.

Response

JSON回应
{
  "embed_id": "emb_abc123",
  "model": "chatterbox",
  "duration_ms": 450
}

健康检查

GET /v1/health/

检查 GPU 服务器状态、 已装入的模型和队列大小。 不需要认证 。 缓存30 秒 。

Response

JSON回应
{
  "status": "online",
  "latency_ms": 45,
  "queue_size": 3,
  "models_loaded": ["kokoro", "chatterbox", "cosyvoice2"]
}

样 样 样 样 样 样 样

GET /v1/models/

返回所有具备能力的现有模型清单。

Response

JSON回应
{
  "models": [
    {
      "id": "kokoro",
      "name": "Kokoro",
      "type": "tts",
      "tier": "standard",
      "languages": ["en", "ja", "ko", "zh", "fr"],
      "supports_cloning": false,
      "supports_streaming": true,
      "credits_per_1k_chars": 2
    },
    {
      "id": "chatterbox",
      "name": "Chatterbox",
      "type": "tts",
      "tier": "premium",
      "languages": ["en"],
      "supports_cloning": true,
      "supports_streaming": true,
      "credits_per_1k_chars": 4
    }
  ]
}

列表声音

GET /v1/voices/

返回所有可用声音的列表, 由模式或语言选择过滤 。

查询参数

参数类型类型类型说明说明
model string 通过型号 ID (例如 kokoro ) 过滤器过滤
language string 通过语言代码过滤(例如 en )
gender string 按性别划分的过滤器: male , 女性 , 中性

Response

JSON回应
{
  "voices": [
    {
      "id": "af_bella",
      "name": "Bella",
      "model": "kokoro",
      "language": "en",
      "gender": "female",
      "preview_url": "https://api.tts.ai/v1/voices/preview/af_bella.mp3"
    }
  ],
  "total": 142
}

字幕(SRT/VTT) 新建新

GET /v1/speech/subtitles/?uuid=<job_uuid>&format=srt|vtt&download=1

生成任何已完成的 TTS 任务的同步字幕。 运行音频上的低语对齐并返回 SRT 或 WebVTT 。 结果会隐藏在磁盘上, 所以同一 uid 的第二个调用是读取磁盘 。

查询参数

参数所需说明说明
uuid是 是/v1/tts/ 或/v1/ voice-clone/ 返回的工作 UUUID 。
format否 无srt (默认) 或 vtt 。
download否 无1 发送 Content-Disposition: attack 因此浏览器保存而不是显示 。
language否 无对齐模式的提示( 如果省略, 自动检测) 。
cURL
curl "https://api.tts.ai/v1/speech/subtitles/?uuid=$UUID&format=srt&download=1" -o subtitles.srt

发音字典 新建新

GET POST DELETE /api/v1/pronunciations/

告诉 TTS 引擎如何读出具体单词。 保存的条目自动应用到您要求的每个 TTS 。 200 输入的每个账户限制 。

请求机构 (POST)

参数类型类型类型说明说明
wordstring要覆盖的单词( 如 GIF , Anthropic ) 。
replacementstring如何拼写模型( 如 jiff , ann THROP ick ) 。
languagestring可选的 ISO 代码。 空 = 适用于所有语言 。
case_sensitiveboolean默认 false 。 当 true 时, 恰好匹配大小写 。
cURL
# Save an entry
curl -X POST https://tts.ai/api/v1/pronunciations/ \
  -H "Authorization: Bearer sk-tts-..." \
  -H "Content-Type: application/json" \
  -d '{"word": "GIF", "replacement": "jiff"}'

# List your entries
curl https://tts.ai/api/v1/pronunciations/ -H "Authorization: Bearer sk-tts-..."

# Delete entry by id
curl -X DELETE "https://tts.ai/api/v1/pronunciations/?id=42" -H "Authorization: Bearer sk-tts-..."

您也可以在不保存它们的情况下通过每个请求的超文本, 包括任何 /v1/ tts/ 调用中的 < code> pronunciation , 作为对象或数组( 见 TTS 端点参数 ) 。

文章叙述器 新建新

在任何文章页面上丢下一个 标签, 访问者会得到一个固定的阅读栏, 用点击来对页面进行讲解。 自动检测文章正文, 支持自定义声音/ 模式/ 位置/ 口音的颜色 。

HTML
<script src="https://tts.ai/narrator.js"
    data-pk="pk-tts-your-publishable-key"
    data-voice="af_bella"
    data-model="kokoro"
    data-extract="auto"
    data-position="bottom"
    data-color="#e60000"
    data-locale="en"></script>

选项选项选项

参数说明说明
data-pk可发布密钥 (pk- tts-...) 。 通过密钥 < code> allewed_ domains 字段执行域限制 。
data-voice语音代号。默认 af_bella 。
data-modelTTS 模型ID. 默认 kokoro 。
data-extractauto (默认)-尝试文章/主/.confent/.connent-content选择器,返回到最稠密的段落组。或者通过任何 CSS 选择器瞄准特定元素。
data-position bottom (默认) 或 top 。
data-color亮度颜色( 任何 CSS 颜色) 。 默认 < code\\ e60000 。
data-min-chars / data-max-chars如果文章短于分钟字符( 默认值为 200), 跳过栏。 最大字符的 Cap 输入值( 默认值为 50,000) 。

资料来源:。

监听按钮部件

内嵌纽扣式嵌入 。 在它的 < code\\ stription\\\ / code> 标签旁边的调试器, 并播放一个按键触发的短片段。 与上面的文章旁白( 该旁白自动输入一个横跨栏的页面, 并在整个文章中叙事) 的不同形状 。

HTML
<script src="https://tts.ai/widget.js"
    data-voice="af_bella"
    data-model="kokoro"
    data-style="full"
    data-theme="light"></script>

拯救之声 (Peristent Clones)

上传一个引用音频一次, 获得一个持续的声音代号, 然后引用 TTS 中的 id 请求, 而不是重新加载每个电话的音频。 高容量集成的首选项 。

定价 : 存储是免费的( 没有每日租金, 没有空位上限 ) 。 上传费 : 500 个字符, 每个声音一次性。 使用附加费 : + 50 字符, 添加到每一代 TTS 中, 在正常生成成本中引用已保存的语音。 归档声音您现在不需要让他们休眠; 随时重新启动。 两者都是免费 API 电话 。

上传声音

POST https://tts.ai/api/v1/user-voices/ 要求的鉴定人

多部分形式。 字段: 文件( 需要的, 5- 30 秒音频)、 名称( 需要的)、 语言( 可选的, 默认的 en) 、 模型( 可供选择的, 用于zh/ ja/ ko 其它开放音频的自选的- 自动选择的 Cosyvoice 2) 、 同意_ 确认( 需要的, 任何真伪值 ) 。

curl -X POST https://tts.ai/api/v1/user-voices/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -F "file=@reference.wav" \
  -F "name=My Narrator" \
  -F "language=en" \
  -F "consent_confirmed=true"

# Response:
{
  "public_id": "uv_a1b2c3d4e5f6",
  "id": 42,
  "name": "My Narrator",
  "model_name": "openvoice",
  "language": "en",
  "reference_audio_url": "https://tts.ai/media/user-voices/....wav",
  "storage_status": "active",
  "created_at": "2026-04-17T03:45:00+00:00"
}

使用 TTS 中保存的语音

POST 到 / api/ v1/ tts/ (NOTE: Web VPS 主机, 不是 api. tts.ai) 用用户_voice_id 。 我们装入您存储的音频和通往克隆管道的路径 。

curl -X POST https://tts.ai/api/v1/tts/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -H "Content-Type: application/json" \
  -d '{"text":"Hello from my saved voice","user_voice_id":"uv_a1b2c3d4e5f6"}'

# Returns a queued job — poll /v1/speech/results/?uuid=... for the audio URL.

列表/ 删除

GET    https://tts.ai/api/v1/user-voices/           # list your saved voices + quota info
DELETE https://tts.ai/api/v1/user-voices/?public_id=uv_a1b2c3d4e5f6

存档/重新启动(免费)

存档的声音留在您的账户中, 但无法在 TTS 中使用 。 对休眠的终端用户有用, 以便您的列表保持干净 。

POST https://tts.ai/api/v1/user-voices/uv_a1b2c3d4e5f6/archive/
POST https://tts.ai/api/v1/user-voices/uv_a1b2c3d4e5f6/reactivate/

守则示例

文本到语音

Python - requests 
import requests

API_KEY = "sk-tts-your-key"

# Text to Speech
response = requests.post(
    "https://api.tts.ai/v1/tts/",
    headers={"Authorization": f"Bearer {API_KEY}"},
    json={
        "model": "kokoro",
        "text": "Hello from TTS.ai!",
        "voice": "af_bella",
        "format": "mp3"
    }
)

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

print(f"Credits used: {response.headers.get('X-Credits-Used')}")

对文本的语音

Python - requests 
# Speech to Text
with open("recording.mp3", "rb") as f:
    response = requests.post(
        "https://api.tts.ai/v1/stt/",
        headers={"Authorization": f"Bearer {API_KEY}"},
        files={"file": f},
        data={"model": "faster-whisper", "timestamps": "true"}
    )

result = response.json()
print(result["text"])

语音克隆

Python - requests 
# Voice Cloning
with open("reference.wav", "rb") as ref:
    response = requests.post(
        "https://api.tts.ai/v1/tts/clone/",
        headers={"Authorization": f"Bearer {API_KEY}"},
        files={"reference_audio": ref},
        data={
            "text": "This speech uses a cloned voice.",
            "model": "chatterbox"
        }
    )

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

文本到语音

JavaScript - fetch 
const API_KEY = 'sk-tts-your-key';

// Text to Speech
const response = await fetch('https://api.tts.ai/v1/tts/', {
  method: 'POST',
  headers: {
    'Authorization': `Bearer ${API_KEY}`,
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    model: 'kokoro',
    text: 'Hello from TTS.ai!',
    voice: 'af_bella',
    format: 'mp3'
  })
});

const audioBlob = await response.blob();
const audioUrl = URL.createObjectURL(audioBlob);
const audio = new Audio(audioUrl);
audio.play();

对文本的语音

JavaScript - fetch 
// Speech to Text
const formData = new FormData();
formData.append('file', audioFile);
formData.append('model', 'faster-whisper');

const response = await fetch('https://api.tts.ai/v1/stt/', {
  method: 'POST',
  headers: { 'Authorization': `Bearer ${API_KEY}` },
  body: formData
});

const result = await response.json();
console.log(result.text);

文本到语音

cURL 
# Text to Speech
curl -X POST https://api.tts.ai/v1/tts/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -H "Content-Type: application/json" \
  -d '{"model":"kokoro","text":"Hello!","voice":"af_bella","format":"mp3"}' \
  -o output.mp3

对文本的语音

cURL 
# Speech to Text
curl -X POST https://api.tts.ai/v1/stt/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -F "file=@recording.mp3" \
  -F "model=faster-whisper" \
  -F "timestamps=true"

语音克隆

cURL 
# Voice Cloning
curl -X POST https://api.tts.ai/v1/tts/clone/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -F "reference_audio=@reference.wav" \
  -F "text=This uses a cloned voice." \
  -F "model=chatterbox" \
  -o cloned.mp3

音频增强

cURL 
# Audio Enhancement
curl -X POST https://api.tts.ai/v1/audio/enhance/ \
  -H "Authorization: Bearer sk-tts-your-key" \
  -F "file=@noisy_audio.mp3" \
  -F "denoise=true" \
  -F "enhance_clarity=true" \
  -o enhanced.mp3

错误代码

所有错误都返回 JSON 响应 error 字段。

错误反应格式
{
  "error": {
    "code": "insufficient_credits",
    "message": "You do not have enough characters for this request.",
    "characters_required": 4000,
    "characters_available": 2000
  }
}
HTTP 状态错误代码说明说明
400 bad_request 无效的请求参数。 请检查错误信息的细节 。
401 unauthorized 遗失或无效 API 密钥 。
402 insufficient_credits 没有足够的字符,在/定价/购买更多。
403 forbidden 您没有权限访问此资源( 例如, 调查另一个用户的工作) 。 API 访问本身包含在每一个计划中 。
404 not_found 找不到模型或声音 。
413 file_too_large 已上传文件超过大小限制 。
429 rate_limited 太多的要求了 支票率限制标头
500 internal_error 服务器错误。 稍后再试 。
503 model_loading 模型正在装入。 几秒钟后重试 。

Webhoooks 网络图

对于长期任务( 平整、 批量 TTS), 您可以提供一个 < code> webhook_ url 参数。 当任务完成后, 我们将会将结果寄到您的 URL 中 。

Webhook 有效载荷
{
  "event": "task.completed",
  "task_id": "task_abc123",
  "status": "success",
  "result_url": "https://api.tts.ai/v1/results/task_abc123",
  "credits_used": 12,
  "created_at": "2025-01-15T10:30:00Z",
  "completed_at": "2025-01-15T10:30:45Z"
}
Webhook 结果可在完成后24小时内下载。 务必及时下载 。

准备开始吗?

获取您的 API 密钥, 并开始将 TTS.ai 整合到您的应用程序中 。

签署自由 查看计划