صدا و موسیقی

تبدیل متن به گفتار

متن را به فایل صوتی تبدیل می‌کند. پاسخ خودِ فایل صوتی است، نه JSON، و هزینه‌اش بر اساس تعداد نویسه‌های متن حساب می‌شود.

POST/v1/audio/speech

یک مدل گفتار (tts) و متن را بفرستید؛ پاسخ مستقیماً بایت‌های فایل صوتی است و Content-Type همان نوع فایل را نشان می‌دهد. برای ذخیره‌ی فایل، خروجی را در یک فایل بنویسید (در curl با -o). هزینه به تعداد نویسه‌های input بستگی دارد و پیش از اجرا رزرو می‌شود. قیمت هر مدل در صفحه‌ی /models است. این درخواست همزمان اجرا می‌شود و job نیست. فهرست صداها را با GET /v1/audio/voices بگیرید.

نمونه‌ها

curl https://1ai.ir/v1/audio/speech \
  -H "Authorization: Bearer $ONEAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "openai/tts-1",
  "input": "Welcome to 1ai. Your order has shipped.",
  "voice": "alloy"
}' \
  --output speech.mp3

200پاسخ

بایت‌های فایل MP3؛ Content-Type برابر audio/mpeg است.

بدنه‌ی درخواست

modelstringالزامی
$شناسه‌ی مدل گفتار، برای نمونه openai/tts-1 . مدلی از نوع دیگر خطای model_kind_mismatch می‌دهد.$
inputstringالزامی
$متنی که باید خوانده شود؛ حداکثر ۱۰٬۰۰۰ نویسه.$
voicestring | objectالزامی
$نام صدا، یا شیئی به شکل { "id": "..." } . نام صداها را از /v1/audio/voices بگیرید.$
response_formatstring
$قالب فایل خروجی.$
مقادیر مجاز:mp3opusaacflacwavpcm
speednumber
$سرعت خواندن، بین ۰٫۲۵ و ۴.$
instructionsstring
$راهنمای لحن و سبک خواندن، حداکثر ۴٬۰۰۰ نویسه. اثرش به مدل بستگی دارد.$

خطاها

invalid_request400
بدنه نامعتبر است، برای نمونه input خالی یا speed بیرون از بازه. فیلد مشکل‌دار در param است.
model_kind_mismatch400
مدل داده‌شده مدل گفتار نیست.
insufficient_credits402
اعتبار برای رزرو هزینه کافی نیست.
model_not_found404
مدل وجود ندارد یا کلید شما به آن دسترسی ندارد.
no_routable_target400
مدل فعلاً مسیر قابل استفاده ندارد؛ کمی بعد دوباره امتحان کنید.