文本转语音

POST

https://api.aicombo.com/v1/audio/speech

将文本转换为音频

请求参数

Header 参数

Body 参数application/json必填

示例

Gemini 模型（裸 PCM 输出）OpenAI 模型（mp3 输出）

{
    "model": "gemini-2.5-pro-preview-tts",
    "input": "艾伦·麦席森·图灵于1935年当选为剑桥大学国王学院研究员；1936年提出被称为图灵机的逻辑机通用模型；1938年获普林斯顿大学博士学位；1939年开始在英国军方工作，期间破解德国密码系统恩尼格玛密码机和金枪鱼密码机，加速了盟军取得了二战的胜利；1946年获大英帝国勋章；1945年—1948年在伦敦泰丁顿国家物理实验室负责自动计算引擎（ACE）的研究工作；1948年任曼彻斯特大学高级讲师、自动数字计算机（Madam）项目的负责人助理；1949年任曼彻斯特大学计算机实验室副主任 ；1950年提出机器具备思维的可能性和“图灵测试”的概念；1951年当选为英国皇家学会院士；1954年服用含氰化物的苹果去世，享年41岁。",
    "voice": "Puck"
}

请求示例代码

Shell

JavaScript

Java

Swift

PHP

Python

HTTP

Objective-C

Ruby

OCaml

Dart

cURL

Gemini 模型（裸 PCM 输出）OpenAI 模型（mp3 输出）

curl --location 'https://api.aicombo.com/v1/audio/speech' \
--header 'Authorization: Bearer ' \
--header 'Content-Type: application/json' \
--data '{
    "model": "gemini-2.5-pro-preview-tts",
    "input": "艾伦·麦席森·图灵于1935年当选为剑桥大学国王学院研究员；1936年提出被称为图灵机的逻辑机通用模型；1938年获普林斯顿大学博士学位；1939年开始在英国军方工作，期间破解德国密码系统恩尼格玛密码机和金枪鱼密码机，加速了盟军取得了二战的胜利；1946年获大英帝国勋章；1945年—1948年在伦敦泰丁顿国家物理实验室负责自动计算引擎（ACE）的研究工作；1948年任曼彻斯特大学高级讲师、自动数字计算机（Madam）项目的负责人助理；1949年任曼彻斯特大学计算机实验室副主任 ；1950年提出机器具备思维的可能性和“图灵测试”的概念；1951年当选为英国皇家学会院士；1954年服用含氰化物的苹果去世，享年41岁。",
    "voice": "Puck"
}'

返回响应

🟢200成功

application/octet-stream

音频流。两类模型返回行为不同：

【OpenAI 模型 tts-1 / tts-1-hd / gpt-4o-mini-tts】
按 response_format 返回对应格式，Content-Type 由上游透传（以实际响应头为准）：
mp3 → audio/mpeg
opus → audio/opus
aac → audio/aac
flac → audio/flac
wav → audio/wav
pcm → audio/pcm（24000Hz, 16-bit, 单声道）
stream_format=sse 时以 SSE 事件流分块返回。

【Gemini 语音模型 gemini-2.5-flash-preview-tts / gemini-2.5-pro-preview-tts】
忽略 response_format，恒定返回 24kHz / 单声道 / 16-bit 裸 PCM（无文件头），Content-Type 为上游的 audio/L16;rate=24000。
客户端需自行加 WAV 头或按裸 PCM 播放，不能直接当 mp3 保存播放。不支持 SSE 流式。

使用手册

Gemini原生