快速启动
5分钟内开始使用 Speech to Speech AI API。
基点 URL
https://api.speechtospeechai.com/v1
1. 启动任务
每个工具都是带有 API 密钥的 POST 请求。返回的是任务 ID,而不是音频。
cURL
curl -X POST https://api.speechtospeechai.com/v1/tts/ \
-H "Authorization: Bearer YOUR_API_KEY" \
-F "text=Hello! Welcome to Speech to Speech AI." \
-F "model=kokoro" \
-F "voice_id=af_heart" \
-F "format=mp3"
{"uuid": "3f2c...", "job_id": "...", "status": "queued"}
2. 轮询结果
每隔几秒查询一次任务,直到 status 为 completed,然后下载 result_url。
cURL
curl "https://api.speechtospeechai.com/v1/speech/results/?uuid=3f2c..." \
-H "Authorization: Bearer YOUR_API_KEY"
{"status": "completed", "result_url": "https://.../output.mp3"}
验证
所有API申请均要求通过该申请中的API键进行认证 Authorization 头
标题
Authorization: Bearer YOUR_API_KEY
从您的 API 密钥 账户仪表板.
语音克隆
POST
/v1/voice-clone/
用一段简短参考录音中的声音朗读文本。
请求机构(多部分/表格数据)
| 参数 | 类型 | 需要 | 说明 |
|---|---|---|---|
reference_audio |
file | 是 | 要克隆的声音录音(建议 10-30 秒,最长 60 秒) |
text |
string | 是 | 用该声音朗读的文本 |
model |
string | 无 | chatterbox、openvoice、tortoise 或 gpt-sovits |
language |
string | 无 | 语言代码(默认:en) |
答复回应
任务 ID(uuid)。轮询 GET /v1/speech/results/?uuid= 直到 status 为 completed,然后下载 result_url。
文本到语音
POST
/v1/tts/
将文本转换为语音音频 。
请求机构(多部分/表格数据)
| 参数 | 类型 | 需要 | 说明 |
|---|---|---|---|
text |
string | 是 | 要转换的文本(最多 5000 个字符) |
model |
string | 无 | kokoro(默认)、piper、vits 或 bark |
voice_id |
string | 无 | 来自 GET /v1/speech/voices/?model= 的声音 ID |
language |
string | 无 | 语言代码(默认:en) |
speed |
float | 无 | 速度乘数(0.5-2.0,默认1.0) |
format |
string | 无 | wav(默认)、mp3、ogg 或 flac。合成前会移除 SSML 标签。 |
答复回应
任务 ID(uuid)。轮询 GET /v1/speech/results/?uuid= 直到 status 为 completed,然后下载 result_url。
对文本的语音
POST
/v1/transcribe/
将音频记录为带有时间戳的文字 。
请求机构(多部分/表格数据)
| 参数 | 类型 | 需要 | 说明 |
|---|---|---|---|
file |
file | 是 | 用于抄录的音频/视频文件 |
model |
string | 无 | large-v3(默认)或 turbo |
language |
string | 无 | 语言代码,或 auto 自动检测(默认) |
enable_word_timestamps |
bool | 无 | 为每个词添加开始和结束时间 |
callback_url |
string | 无 | 任务完成时通过 POST 接收结果的 URL |
答复回应
任务 ID(uuid)。轮询 GET /v1/transcribe/results/?uuid= 直到 status 为 completed;此时响应中包含 text、language 和 segments。
可用模型
文字转语音模型
| 型号 ID 模型 | 说明 | 最适合 |
|---|---|---|
kokoro |
Fast multilingual TTS | 通用,低潜潜潜 |
piper |
轻量级多语言TTS(仅经商业许可的声音) | 11种语言的快速翻译 |
vits |
LJSPEECH+108 VCTK英语 | 英语口音 |
bark |
产生TTS,130个预设,13种语言 | 变式、快递(慢) |
openvoice |
声音克隆和可选的声音转换 | Chatterbox 的替代方案 |
chatterbox |
支持 23 种语言的零样本声音克隆,默认的声音转换模型 | 短抽样克隆 |
语音转文字模型
| 型号 ID 模型 | 说明 | 最适合 |
|---|---|---|
whisper-large-v3 |
OpenAI Whisper Large v3 | 最高精度、多语言 |
whisper-turbo |
速度优化的低语速 | 快速转录 |
错误代码
| 守则法典 | 状况 | 说明 |
|---|---|---|
invalid_api_key |
401 | 无效或丢失 API 密钥 |
insufficient_credits |
402 | Not enough credits for this operation |
rate_limit_exceeded |
429 | 请求过多 |
invalid_request |
400 | 请求机构格式错误 |
model_not_found |
404 | 请求模式不存在 |
voice_not_found |
404 | 不存在请求语音 |
file_too_large |
413 | 已上传文件超过大小限制 |
server_error |
500 | 内部服务器错误 |