Синтез речи

Преобразование текста в аудио

Метод

POST https://api.getapi.ru/v1/audio/speech

Метод используется с моделью синтеза речи, поддерживающей Speech API

Поле	Тип	Обязательное	Описание
`model`	string	Да	ID модели синтеза речи
`input`	string	Да	Текст для озвучивания
`voice`	string	Да	Голос, поддерживаемый моделью
`response_format`	string	Нет	Формат аудио, например `mp3`
`speed`	number	Нет	Скорость, если поддерживается
`instructions`	string	Нет	Стиль произношения для совместимых моделей

Набор голосов, форматов и ограничение длины зависят от модели

Пример

Проверьте доступность gpt-4o-mini-tts и голоса nova. Установите пакет openai и задайте GETAPI_API_KEY

python

import os
from pathlib import Path
from openai import OpenAI

client = OpenAI(
    base_url="https://api.getapi.ru/v1",
    api_key=os.environ["GETAPI_API_KEY"],
    max_retries=0,
)

response = client.audio.speech.create(
    model="gpt-4o-mini-tts",
    voice="nova",
    input="Здравствуйте, ваша заявка принята",
    response_format="mp3",
)
Path("speech.mp3").write_bytes(response.read())

Ответ

Успешный ответ содержит аудиоданные, а не JSON с текстом. При прямом HTTP-вызове сначала проверьте статус и Content-Type, затем сохраняйте тело

При ошибке API может вернуть JSON. Не сохраняйте его как аудиофайл только из-за расширения .mp3

Потоковая загрузка

Побайтовое чтение HTTP-ответа позволяет начать передачу файла до полного скачивания. Это не SSE и не двусторонний голосовой сеанс

Поддержка Realtime не следует из поддержки Speech API

Стоимость

Единица тарификации зависит от модели и может учитывать текстовые или аудиотокены, символы либо другие параметры. Актуальные условия смотрите в стоимости и учёте

Распознавание существующего аудио описано в Speech to Text

← Генерация и редактирование изображений

Распознавание речи →