语音合成
Speech：把文本合成为音频，直接返回音频字节流。
语音合成（Speech）
把文本合成为音频，直接返回音频字节（不是 JSON）。response_format 决定输出格式，
与响应头 Content-Type 对应；把返回体直接写成文件即可。
音色（voice）取值随厂商不同：例如百炼用 longanyang、智谱用 tongtong、
OpenAI 用 alloy / echo / nova / shimmer。平台会把业务参数翻译成各厂商的字段。
POST
/audio/speech语音合成返回音频字节流；response_format 支持 mp3 / wav / pcm / opus / aac / flac。
请求参数
| 参数 | 类型 | 必填 | 说明 | 默认值 |
|---|---|---|---|---|
model | string | 是 | 语音合成模型标识 | — |
input | string | 是 | 待合成的文本 | — |
voice | string | 否 | 音色标识，随厂商不同 | — |
response_format | string | 否 | 输出格式：mp3 / wav / pcm / opus / aac / flac | mp3 |
speed | number | 否 | 语速，1 为常速（部分厂商支持） | — |
请求示例
curl https://api.chenra.com/api/relay/v1/audio/speech \
-H "Authorization: Bearer sk-你的密钥" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen3-tts-flash",
"input": "欢迎使用模型网关",
"voice": "longanyang"
}' \
--output speech.mp3响应示例
(二进制音频流，Content-Type: audio/mpeg；直接写入 speech.mp3)错误码
| 错误码 | 说明 |
|---|---|
400 | 缺少 input 参数 |
502 | 上游未返回音频数据 |
分享这篇文档