语音合成 API
POST /v1/audio/speech 参考，涵盖 TTS 模型、音色、音频响应格式、请求示例、定价和身份认证。
把文本合成为语音音频。支持预设音色和自定义声音克隆。
POST https://api.leaper.one/v1/audio/speech
| 模型 | 价格 | 说明 |
|---|
moss-tts-nano | 0.005 点数 / 1K 字符 | 支持声音克隆的多语言 TTS |
| 参数 | 类型 | 必填 | 说明 |
|---|
| model | string | 否 | 使用的模型。默认："moss-tts-nano" |
| input | string | 是 | 要合成的文本，最多 4096 个字符 |
| voice | string | 否 | 预设音色名称。默认："nova"（中文）。参阅可用音色 |
| response_format | string | 否 | 输出格式："wav" 或 "pcm"。默认："wav" |
| 参数 | 类型 | 必填 | 说明 |
|---|
| model | string | 否 | 使用的模型。默认："moss-tts-nano" |
| input | string | 是 | 要合成的文本，最多 4096 个字符 |
| voice | string | 否 | 预设音色名称，作为克隆的基础音色 |
| prompt_audio | file | 否 | 声音克隆参考音频，最大 1MB。支持 mp3、wav、flac、m4a、ogg |
| response_format | string | 否 | 输出格式："wav" 或 "pcm"。默认："wav" |
curl -X POST https://api.leaper.one/v1/audio/speech \
-H "Authorization: Bearer sk-your-api-key" \
-H "Content-Type: application/json" \
-d '{
"model": "moss-tts-nano",
"input": "Hello, welcome to LEAPERone.",
"voice": "alloy"
}' \
--output speech.wav
curl -X POST https://api.leaper.one/v1/audio/speech \
-H "Authorization: Bearer sk-your-api-key" \
-F model=moss-tts-nano \
-F input="This text will be spoken in the cloned voice." \
-F voice=alloy \
-F [email protected] \
--output cloned.wav
from openai import OpenAI
client = OpenAI(
base_url="https://api.leaper.one/v1",
api_key="sk-your-api-key"
)
response = client.audio.speech.create(
model="moss-tts-nano",
input="Hello, welcome to LEAPERone.",
voice="alloy"
)
response.stream_to_file("speech.wav")
声音克隆必须使用 multipart/form-data 上传参考音频。OpenAI SDK 不支持这种请求，请使用 curl 或自定义 HTTP 请求。
接口直接返回音频字节。Content-Type 响应头表示音频格式：
| 格式 | Content-Type |
|---|
wav | audio/wav |
pcm | application/octet-stream |
PCM 是 48kHz、16-bit、双声道的原始音频。
| 音色 | 语言 | 风格 |
|---|
alloy | 英语 | 欢迎 / 中性 |
echo | 英语 | 新闻播报 |
fable | 英语 | 温和提醒 |
onyx | 英语 | 学术 / 讲座 |
nova | 中文 | 欢迎 / 中性 |
shimmer | 中文 | 轻柔 / 温和 |
| 音色 | 风格 |
|---|
zh-welcome | 中性欢迎 |
zh-gentle | 深夜轻柔 |
zh-taiwan | 台湾口音 |
zh-beijing | 北京方言 |
zh-culture | 正式 / 文化 |
zh-yangmi | 名人音色 |
| 音色 | 风格 |
|---|
en-welcome | 中性欢迎 |
en-lesson | 学术讲座 |
en-news | 新闻播报 |
en-gentle | 温和提醒 |
en-taylor | 名人音色 |
en-quiet | 平静 / 沉思 |
| 音色 | 语言 |
|---|
ja-news | 日语 |
ko-news | 韩语 |
es-news | 西班牙语 |
fr-news | 法语 |
de-news | 德语 |
it-news | 意大利语 |
ru-news | 俄语 |
还可以直接传入 demo-1 到 demo-29，使用全部 MOSS 预设音色。
- 按字符数计费，每 1,000 个字符 0.005 点数。
- 声音克隆使用 CPU 推理，速度明显慢于预设音色。短文本通常需要 20-60 秒。
prompt_audio 应使用清晰的人声样本，建议时长为 5-15 秒。- 输入最多 4,096 个字符。