APP API 文件

通过简单的 REST API 将 Speech to Speech AI 集成到你的应用中。

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