TTS (टेक्स्ट से स्पीच) - Phaseo Docs

टेक्स्ट को POST /v1/audio/speech पर भेजें और बोला गया ऑडियो उस फ़ॉर्मेट में वापस पाएँ जो आप माँगते हैं। उदाहरण एक client इस्तेमाल करते हैं, जो इंस्टॉलेशन में बताए तरीक़े से बनाया गया है।

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) // फ़ाइल में लिखने से पहले असली टाइप जाँचें

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);

हर भाषा का मेथड

भाषा	मेथड	क्या लौटाता है
TypeScript	`client.generateSpeech(request)`	एक `Blob`
Python	`client.generate_speech(request)` या `client.audio.speech.create(request)`	`bytes`
Go	`client.CreateSpeech(ctx, req)`	`interface{}`; फ़ाइल में लिखने से पहले असली टाइप जाँचें
C#	`client.CreateSpeech(request)`	`object?`; फ़ाइल में लिखने से पहले असली टाइप जाँचें
PHP	`$client->createSpeech($request)`	ऑडियो; फ़ाइल में लिखने से पहले वैल्यू का टाइप जाँचें
Ruby	`client.generate_speech(...)`, उपनाम `create_speech`	ऑडियो; फ़ाइल में लिखने से पहले वैल्यू की क्लास जाँचें
Java	कोई speech मेथड नहीं। `client.rawClient().requestBytes("POST", "/audio/speech", ...)` JSON बॉडी पोस्ट करता है	`byte[]`

Rust में कोई speech मेथड नहीं है, और उसका post() हेल्पर प्रतिक्रियाओं को JSON के रूप में पार्स करता है, इसलिए वह ऑडियो नहीं लौटा सकता।

पैरामीटर

हर SDK में फ़ील्ड के नाम JSON बॉडी के फ़ील्ड ही हैं। format इस्तेमाल करें: API response_format भी स्वीकार करता है, लेकिन TypeScript का अनुरोध टाइप उसे अस्वीकार करता है।

फ़ील्ड	नोट
`model`	ज़रूरी। एक speech मॉडल ID।
`input`	ज़रूरी। बोला जाने वाला टेक्स्ट। ज़्यादातर प्रदाता 4,096 अक्षरों तक स्वीकार करते हैं; ElevenLabs मॉडल, मॉडल के हिसाब से 5,000 से 40,000 तक की अनुमति देते हैं।
`voice`	प्रदाता के हिसाब से सामान्य किया गया वॉइस उपनाम (सुझाया गया), प्रदाता की अपनी वॉइस वैल्यू, या `id` या `name` वाला एक ऑब्जेक्ट। अगर वॉइस रूट किए गए प्रदाता के लिए मान्य नहीं है, तो API `param: "voice"` के साथ `400` लौटाता है।
`format`	`mp3`, `wav`, `ogg`, `aac`, `flac`, `opus` या `pcm`।
`speed`	प्लेबैक स्पीड, `0.25` से `4`।
`instructions`	शैली के निर्देश, जहाँ मॉडल इन्हें सपोर्ट करता है।
`config`	प्रदाता-विशिष्ट सेटिंग; नीचे देखें।
`provider`	प्रदाता रूटिंग की प्राथमिकताएँ।

पूरा स्कीमा Speech API संदर्भ में है।

प्रदाता की अपनी वॉइस सेट करें

प्रदाता की सटीक वॉइस config के अंदर दें। वही नेस्टेड ऑब्जेक्ट हर SDK के अनुरोध मैप में काम करता है।

// ElevenLabs: सटीक वॉइस ID चुनें
await client.generateSpeech({
  model: "eleven-labs/eleven-v3",
  input: "Hello from ElevenLabs",
  voice: "rachel",
  config: {
    elevenlabs: {
      voice_id: "21m00Tcm4TlvDq8ikWAM",
    },
  },
});

// Google: सटीक वॉइस नाम चुनें
await client.generateSpeech({
  model: "google/gemini-3.1-flash-tts-preview",
  input: "Hello from Gemini",
  voice: "kore",
  config: {
    google: {
      voice_name: "Kore",
    },
  },
});

# ElevenLabs: सटीक वॉइस ID चुनें
client.generate_speech({
    "model": "eleven-labs/eleven-v3",
    "input": "Hello from ElevenLabs",
    "voice": "rachel",
    "config": {"elevenlabs": {"voice_id": "21m00Tcm4TlvDq8ikWAM"}},
})

# Google: सटीक वॉइस नाम चुनें
client.generate_speech({
    "model": "google/gemini-3.1-flash-tts-preview",
    "input": "Hello from Gemini",
    "voice": "kore",
    "config": {"google": {"voice_name": "Kore"}},
})

अंतिम संशोधन 5 नवंबर 2026