文本转语音指南

了解如何通过 LEAPERone 将文本转换为语音、选择 TTS 模型和音色，并处理二进制音频响应。

文本转语音端点可以根据输入文本生成语音音频。你可以从多语言预设音色中选择，也可以通过一段简短的音频样本克隆任意音色。

模型

模型	价格	适用场景
`moss-tts-nano`	0.005 credits / 1K chars	支持音色克隆的多语言语音生成

快速开始

POST /v1/audio/speech

curl -X POST https://api.leaper.one/v1/audio/speech \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{"input": "Hello world!", "voice": "alloy"}' \
  --output hello.wav

响应是一个可以直接播放的 WAV 音频文件。

使用 OpenAI SDK

该端点兼容 OpenAI，因此可以使用官方 SDK：

Python

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="Welcome to LEAPERone. This is a text to speech demo.",
    voice="alloy"
)
response.stream_to_file("welcome.wav")

Node.js

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api.leaper.one/v1",
  apiKey: "sk-your-api-key",
});

const response = await client.audio.speech.create({
  model: "moss-tts-nano",
  input: "Welcome to LEAPERone.",
  voice: "alloy",
});

const buffer = Buffer.from(await response.arrayBuffer());
await fs.promises.writeFile("welcome.wav", buffer);

选择音色

OpenAI 兼容音色

如果你正在从 OpenAI 迁移，可以继续使用熟悉的音色名称：

音色	对应风格
`alloy`	英语，中性
`echo`	英语，新闻主播
`fable`	英语，温和
`onyx`	英语，学术风格
`nova`	中文，中性
`shimmer`	中文，柔和

特定语言音色

音色按语言和风格命名，例如 zh-gentle、en-news、ja-news。

中文温和音色

curl -X POST https://api.leaper.one/v1/audio/speech \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{"input": "晚安，祝你做个好梦。", "voice": "zh-gentle"}' \
  --output goodnight.wav

日语新闻音色

curl -X POST https://api.leaper.one/v1/audio/speech \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{"input": "本日のニュースをお伝えします。", "voice": "ja-news"}' \
  --output news_ja.wav

完整音色列表请参阅 API 参考。

音色克隆

上传一段简短的音频样本，即可克隆任意音色。该功能需要使用 multipart/form-data，不能使用 JSON。

克隆音色

curl -X POST https://api.leaper.one/v1/audio/speech \
  -H "Authorization: Bearer sk-your-api-key" \
  -F input="This sentence will be spoken in the cloned voice." \
  -F [email protected] \
  --output cloned.wav

获得良好音色克隆效果的建议：

使用 5 到 15 秒的清晰人声录音
尽量减少背景噪声
音频文件必须小于 1MB，支持 mp3、wav、flac、m4a、ogg
音色克隆在 CPU 上运行，需要 20 到 60 秒

OpenAI SDK 不支持音色克隆，因为该功能需要同时上传文件和文本参数。请使用 curl 或直接发送 HTTP 请求。

输出格式

格式	使用场景
`wav`（默认）	可以直接播放的音频文件
`pcm`	用于后续处理的原始音频（48kHz、16-bit、stereo）

获取 PCM 输出

curl -X POST https://api.leaper.one/v1/audio/speech \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{"input": "Raw PCM output.", "voice": "alloy", "response_format": "pcm"}' \
  --output raw.pcm

费用按照字符数计算。价格详情请参阅 API 参考。

目录