TTS (texto a voz) - Phaseo Docs

Envía texto a POST /v1/audio/speech y recibe el audio hablado en el formato que pidas. Los ejemplos usan un client creado como en Instalación.

import { writeFile } from "node:fs/promises";

const audio = await client.generateSpeech({
  model: "openai/gpt-4o-mini-tts",
  input: "Hello world",
  voice: "alloy",
  format: "mp3",
});

await writeFile("hello.mp3", Buffer.from(await audio.arrayBuffer()));

audio = client.generate_speech({
    "model": "openai/gpt-4o-mini-tts",
    "input": "Hello world",
    "voice": "alloy",
    "format": "mp3",
})

with open("hello.mp3", "wb") as file:
    file.write(audio)

audio, err := client.CreateSpeech(context.Background(), map[string]interface{}{
  "model":  "openai/gpt-4o-mini-tts",
  "input":  "Hello world",
  "voice":  "alloy",
  "format": "mp3",
})
if err != nil {
  panic(err)
}
fmt.Printf("%T\n", audio) // comprueba el tipo concreto antes de escribirlo en un archivo

var audio = await client.CreateSpeech(new Dictionary<string, object>
{
    ["model"] = "openai/gpt-4o-mini-tts",
    ["input"] = "Hello world",
    ["voice"] = "alloy",
    ["format"] = "mp3",
});

$audio = $client->createSpeech([
    'model' => 'openai/gpt-4o-mini-tts',
    'input' => 'Hello world',
    'voice' => 'alloy',
    'format' => 'mp3',
]);

audio = client.generate_speech(
  model: 'openai/gpt-4o-mini-tts',
  input: 'Hello world',
  voice: 'alloy',
  format: 'mp3'
)

String body = """
{
  "model": "openai/gpt-4o-mini-tts",
  "input": "Hello world",
  "voice": "alloy",
  "format": "mp3"
}
""";

byte[] audio = client.rawClient().requestBytes("POST", "/audio/speech", null, null, body);
java.nio.file.Files.write(java.nio.file.Path.of("hello.mp3"), audio);

Método por lenguaje

Lenguaje	Método	Devuelve
TypeScript	`client.generateSpeech(request)`	Un `Blob`
Python	`client.generate_speech(request)` o `client.audio.speech.create(request)`	`bytes`
Go	`client.CreateSpeech(ctx, req)`	`interface{}`; comprueba el tipo concreto antes de escribirlo en un archivo
C#	`client.CreateSpeech(request)`	`object?`; comprueba el tipo concreto antes de escribirlo en un archivo
PHP	`$client->createSpeech($request)`	El audio; comprueba el tipo del valor antes de escribirlo en un archivo
Ruby	`client.generate_speech(...)`, alias `create_speech`	El audio; comprueba la clase del valor antes de escribirlo en un archivo
Java	No hay método de voz. `client.rawClient().requestBytes("POST", "/audio/speech", ...)` envía el cuerpo JSON	`byte[]`

Rust no tiene método de voz, y su helper post() analiza las respuestas como JSON, así que no puede devolver audio.

Parámetros

Los nombres de los campos son los del cuerpo JSON en todos los SDK. Usa format: la API también acepta response_format, pero el tipo de solicitud de TypeScript lo rechaza.

Campo	Notas
`model`	Obligatorio. Un ID de modelo de voz.
`input`	Obligatorio. El texto que se va a leer. La mayoría de los proveedores aceptan hasta 4.096 caracteres; los modelos de ElevenLabs permiten entre 5.000 y 40.000 según el modelo.
`voice`	Un alias de voz normalizado por el proveedor (recomendado), el valor de voz propio del proveedor, o un objeto con `id` o `name`. Si la voz no es válida para el proveedor al que se enruta, la API devuelve `400` con `param: "voice"`.
`format`	`mp3`, `wav`, `ogg`, `aac`, `flac`, `opus` o `pcm`.
`speed`	Velocidad de reproducción, de `0.25` a `4`.
`instructions`	Indicaciones de estilo, si el modelo las admite.
`config`	Ajustes específicos del proveedor; consulta más abajo.
`provider`	Preferencias de enrutamiento de proveedores.

El esquema completo está en la referencia de la API de voz.

Define la voz propia de un proveedor

Pasa la voz exacta del proveedor dentro de config. El mismo objeto anidado funciona en el map de solicitud de cualquier SDK.

// ElevenLabs: elige un ID de voz exacto
await client.generateSpeech({
  model: "eleven-labs/eleven-v3",
  input: "Hello from ElevenLabs",
  voice: "rachel",
  config: {
    elevenlabs: {
      voice_id: "21m00Tcm4TlvDq8ikWAM",
    },
  },
});

// Google: elige un nombre de voz exacto
await client.generateSpeech({
  model: "google/gemini-3.1-flash-tts-preview",
  input: "Hello from Gemini",
  voice: "kore",
  config: {
    google: {
      voice_name: "Kore",
    },
  },
});

# ElevenLabs: elige un ID de voz exacto
client.generate_speech({
    "model": "eleven-labs/eleven-v3",
    "input": "Hello from ElevenLabs",
    "voice": "rachel",
    "config": {"elevenlabs": {"voice_id": "21m00Tcm4TlvDq8ikWAM"}},
})

# Google: elige un nombre de voz exacto
client.generate_speech({
    "model": "google/gemini-3.1-flash-tts-preview",
    "input": "Hello from Gemini",
    "voice": "kore",
    "config": {"google": {"voice_name": "Kore"}},
})

Última modificación el 5 de noviembre de 2026