Transmisión de texto a voz
Convierte texto a voz con entrega de audio en streaming en tiempo real.
Características clave:
- Transmisión de audio de baja latencia: la reproducción puede comenzar inmediatamente a medida que llegan los fragmentos
- Detección automática de idioma
- Compatibilidad con múltiples formatos: MP3 o PCM/WAV
- Audio de alta calidad: frecuencia de muestreo de 24 kHz, mono de 16 bits
Cuerpo de la solicitud:
text: texto de entrada para convertir a voz - obligatoriolanguage: código de idioma (predeterminado: “auto”) - “auto” para detección automática, o códigos ISO 639-1: en, zh, hi, es, ar, bn, pt, ru, ja, pa, de, ko, fr, tr, it, th, pl, nl, id, vi, urformat: formato de audio (predeterminado: “mp3”) - “mp3” para audio MPEG comprimido (96 kbps) o “pcm” para WAV sin compresiónmodel: identificador del modelo TTS (predeterminado: “auto”) - “auto” selecciona el proveedor predeterminado; un id resoluble en el registro se envía al proveedor coincidente (nota: no todos los proveedores admitenformat: "mp3")
Respuesta:
- Transmite fragmentos de audio en tiempo real
- Devuelve la cabecera
X-Language-Codecon el idioma detectado/utilizado Content-Type:audio/mpeg(MP3) oaudio/wav(PCM)- Cuando
storeestrue, devuelve la cabeceraX-Tts-Idcon el id bajo el que se almacenará el registro del historial; la persistencia se realiza mejor esfuerzo y se completa poco después de que finalice la transmisión
Casos de uso:
- Aplicaciones en tiempo real que requieren reproducción de audio inmediata
- Respuestas de voz interactivas
- Escenarios de texto a voz de baja latencia
Autorizaciones
Gateway auth: send Authorization: Bearer <mka1-api-key>. For multi-user server-side integrations, you can also send X-On-Behalf-Of: <external-user-id>.
Encabezados
Optional external end-user identifier forwarded by the API gateway.
Cuerpo
Parámetros de solicitud para la conversión de texto a voz en streaming con selección de idioma y opciones de formato.
Texto de entrada para convertir a voz
1Código de idioma: 'auto' para detección automática, o códigos de idioma ISO 639-1.
auto, en, zh, hi, es, ar, bn, pt, ru, ja, pa, de, ko, fr, tr, it, th, pl, nl, id, vi, ur Identificador del modelo TTS. Por defecto es 'auto', que selecciona el proveedor predeterminado. Los IDs resolubles en el registro envían al proveedor correspondiente.
"auto"
Cuando es verdadero, persiste esta generación (texto de entrada, parámetros y el audio generado) en el historial de texto a voz. Por defecto es falso.
Formato de salida de audio: 'mp3' para audio MPEG (predeterminado), o 'pcm' para PCM/WAV sin comprimir (24 kHz, 16 bits, mono)
mp3, pcm Respuesta
Transmisión de audio en formato MP3 o PCM/WAV con encabezado de código de idioma
MP3 audio stream (when format=mp3): 24kHz sample rate, 96 kbps bitrate, 16-bit, mono