语音合成

生成音频，此 API 可以使用 TTS 模型生成音频。

请求地址

POST https://api.stepfun.com/v1/audio/speech

请求参数

model string required
需要使用的模型名称，当前支持 step-tts-2 、 step-tts-mini 和 step-tts-vivid。
input string required
要生成的文本，最大长度为 1000 个字符
voice string required
生成时使用的音色信息，支持官方音色和开发者自生成音色。
response_format string optional
返回的音频格式，支持 wav,mp3,flac,opus,pcm. 默认为 mp3 格式
speed float optional
语速，取值范围为 0.5~2，默认值 1.0。0.5 表示 0.5 倍速。
volume float optional
音频，取值范围为 0.1~2.0，默认值 1.0。0.1 表示缩小至 10% 音量；2.0 表示扩大至 200% 音量。
voice_label object optional
音色标签，使用自定义音色时需要传入。language、emotion 和 style 三个自动同时只能有一个字段有值，暂不支持多个组合。
- language string optional
  语言，支持粤语、四川话、日语 三个选项。
- emotion string optional
  情绪，支持 高兴、生气等最多 11 个选项，不同模型的支持情况可参考音色标签
- style string optional
  支持最多17种语速或演绎风格，不同模型的支持情况可参考音色标签
sample_rate integer optional
采样率，支持 8000、16000、22050、24000 四个选项。默认值为 24000。采样率越高，音质越好，但文件体积也会更大。
pronunciation_map object array optional
定义某个文字或符号注音或发音替换规则，在中文文本中，声调用数字表示：一声为1，二声为2，三声为3，四声为4，轻声为5。注：step-tts-vivid 模型暂不支持该字段。
- tone string required
  具体发音映射规则，以“/”隔开，示例：["绯闻/fei1闻","扁舟/偏舟","嫉妒/ji2妒"]

请求响应

音频文件

示例


from pathlib import Path
from openai import OpenAI
 
speech_file_path = Path(**file**).parent / "step-tts.mp3"
 
client = OpenAI(
api_key="STEP_API_KEY",
base_url="https://api.stepfun.com/v1"
)
response = client.audio.speech.create(
model="step-tts-mini",
voice="cixingnansheng",
input="智能阶跃，十倍每个人的可能.",
extra_body={
  "volume":1.0 ,# volume 在拓展参数里
  "voice_label":{
    "language": "粤语", # 可选：语言
    "emotion": "高兴", # 可选：情感
    "style": "慢速" # 可选：说话语速
  },
  "pronunciation_map":{
    "tone":[
      "阿胶/e1胶",
      "扁舟/偏舟",
      "LOL/laugh out loudly"
      ]
  }
}
)
response.stream_to_file(speech_file_path)


import OpenAI from "openai";
import fs from "fs";
import path from "path";
 
const STEP_API_KEY =
"STEP_API_KEY";
const STEP_API_MODEL = "step-tts-mini";
 
const openai = new OpenAI({
apiKey: STEP_API_KEY,
baseURL: "https://api.stepfun.com/v1",
});
 
async function main() {
const speechFile = path.resolve("./speech.mp3");
const mp3 = await openai.audio.speech.create({
  model: STEP_API_MODEL,
  voice: "cixingnansheng",
  input: "智能阶跃，十倍每个人的可能.",
  extra_body:{
    "volume":2.0, // volume 在拓展参数里
    "voice_label": {
      "language": "粤语",  // 可选：语言
      "emotion": "高兴",   // 可选：情感
      "style": "慢速"      // 可选：说话语速
    },
    "pronunciation_map":{
      "tone":[
          "阿胶/e1胶",
          "扁舟/偏舟",
          "LOL/laugh out loudly"
      ]
    }
  }
});
console.log(speechFile);
const buffer = Buffer.from(await mp3.arrayBuffer());
await fs.promises.writeFile(speechFile, buffer);
}
 
main();


curl --location 'https://api.stepfun.com/v1/audio/speech' \
--header 'Content-Type: application/json' \
--header "Authorization: Bearer $STEP_API_KEY" \
--data '{
   "model":"step-tts-mini",
   "input":"智能阶跃，十倍每一个人的可能",
   "voice":"cixingnansheng"
}'\
--output "step.mp3"