Перейти к основному содержанию
POST
Синтез речи
Эндпоинт превращает текст в речь и возвращает готовый аудиопоток. Работает с моделями из каталога GET /api/v1/models, у которых в capabilities есть значение "speech".

Минимальный запрос

Сначала получите идентификатор модели из каталога, отфильтровав его по capabilities:
cURL
Идентификатор модели берите из GET /api/v1/models и подставляйте как есть. Состав моделей меняется, поэтому в рабочем коде не зашивайте его литералом. Если передать идентификатор обычной текстовой модели или неизвестное значение, придёт 404 с кодом model_not_found.

Поля запроса

Ответ

Ответ — бинарный аудиопоток, а не JSON. Тело ответа пишите в файл или передавайте дальше в плеер напрямую; разбирать его как JSON не нужно. Поля usage в ответе нет. Формат потока определяется полем response_format запроса: pcm — сырые сэмплы без заголовков, mp3 — готовый аудиофайл.
Не проверяйте ответ через response.json() или аналогичный парсер — он упадёт на бинарных данных. Признак ошибки не в теле: при неудаче API вместо аудиопотока отвечает JSON с конвертом ошибки и соответствующим кодом состояния HTTP.

Стоимость

Списание идёт за символы входного текста; для моделей с токенной тарификацией — по оценке входных токенов. Поля usage в ответе нет — списанную сумму проверяйте после вызова через GET /api/v1/balance.

Проверки перед вызовом

Часть ошибок возвращается до обращения к модели: Ошибки приходят в конверте OpenAI — объект error с полями message, type, param и code. Полная таблица кодов — на странице Ошибки.

Что дальше

Распознавание речи

Текст из аудиозаписи

Каталог моделей

Фильтр по capabilities и цены моделей

Баланс

Остаток кошелька по валютам

Ошибки

Полная таблица кодов

Авторизации

Authorization
string
header
обязательно

API-ключ в формате sk-.... Альтернативно — заголовок X-Api-Key: sk-... (совместимо с Anthropic SDK).

Тело

application/json
model
string
обязательно

Идентификатор модели из GET /api/v1/models: у неё в capabilities есть значение "speech". Передаётся как есть.

input
any
обязательно

Текст для озвучки: строка или массив реплик.

voice
string

Голос озвучки.

response_format
enum<string>

Формат ответа: pcm — сырые сэмплы, mp3 — готовый файл.

Доступные опции:
pcm,
mp3
speed
number

Скорость речи. Необязательно.

instructions
string

Указание, как читать текст: темп, тон, акценты. Необязательно.

input_references
array

Референсы голоса для моделей с клонированием голоса. Необязательно.

Ответ

Бинарный аудиопоток формата response_format; тело не является JSON.

The response is of type file.