API: 文本转语音 (Audio Speech)

Create a Speech

Generate audio from input text. The data generated by the interface is the binary data of the audio, which requires the user to handle it themselves.

端点:POST /v1/audio/speech

支持的模型

接口支持两个 TTS 模型:

• MOSS-TTSD-v0.5:支持双角色对话脚本合成、声音克隆、长单会话语音生成,适合 AI 播客制作。
• CosyVoice2-0.5B:支持自然语言指令(如情感、语速、角色扮演、方言)、笑声/呼吸声标记。

Request Body

model (string, required)

用于语音合成的模型。

input (string, required)

待转换为音频的文本内容,长度 1 ≤ length ≤ 128000。

MOSS-TTSD-v0.5:对话脚本使用说话人标签指示轮次:[S1] 表示说话人 1、[S2] 表示说话人 2。

示例:"[S1]Hello, how are you today?[S2]I'm doing great, thanks for asking!"

CosyVoice2-0.5B:可在自然语言指令前添加 <|endofprompt|> 标记;支持 [laughter]、[breath] 等特殊标记。

示例:"Can you say it with a happy emotion? <|endofprompt|>I'm so happy, Spring Festival is coming!"

voice (string, optional)

参考音色,仅支持单一音色。如需使用脚本对话,请使用 references 字段传递两个音色。

示例:"fnlp/MOSS-TTSD-v0.5:alex"

references (array<object>, optional)

音色引用列表。voice 字段和 references 字段互斥。如需使用脚本对话,需通过 references 字段传递两个音色。仅 moss 模型支持脚本对话。

response_format (string)

音频输出格式。可选值:mp3 | opus | wav | pcm。默认 mp3。

sample_rate (number)

控制输出采样率,默认值和范围因输出格式而异:

• opus:仅支持 48000 Hz
• wav、pcm:支持 8000、16000、24000、32000、44100 Hz,默认 44100 Hz
• mp3:支持 32000、44100 Hz,默认 44100 Hz

speed (number)

生成音频的速度,范围 0.25 ~ 4.0,默认 1.0。

gain (number)

音频增益(dB),范围 -10 ~ 10,默认 0.0。

stream (boolean)

是否流式输出。

代码示例

cURL

curl --location 'https://khb.net.cn/v1/audio/speech' \
  --header 'Authorization: Bearer YOUR_API_KEY' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "fnlp/MOSS-TTSD-v0.5",
    "input": "[S1]你好,欢迎使用 KHB 算力平台。[S2]很高兴为你服务!",
    "voice": "fnlp/MOSS-TTSD-v0.5:alex",
    "response_format": "mp3",
    "stream": false
  }' \
  --output output.mp3

Python

import requests

url = "https://khb.net.cn/v1/audio/speech"

payload = {
    "model": "fnlp/MOSS-TTSD-v0.5",
    "input": "[S1]你好,欢迎使用 KHB 算力平台。[S2]很高兴为你服务!",
    "voice": "fnlp/MOSS-TTSD-v0.5:alex",
    "response_format": "mp3",
    "stream": True
}

headers = {
    "Authorization": "Bearer YOUR_API_KEY",
    "Content-Type": "application/json"
}

response = requests.post(url, json=payload, headers=headers, stream=True)

if response.status_code == 200:
    with open("output.mp3", "wb") as f:
        for chunk in response.iter_content(chunk_size=1024):
            if chunk:
                f.write(chunk)
    print("音频已成功保存为 output.mp3")
else:
    print(f"请求失败,状态码: {response.status_code}")
    print(f"错误信息: {response.text}")

Response Body

音频的二进制数据,需用户自行处理。响应头中包含 x-khb-trace-id 字段,用于追踪请求。

错误码