TTS（文本转语音） - Phaseo Docs

把文本发送到 POST /v1/audio/speech，即可按你要求的格式拿回朗读音频。示例中的 client 按安装中的方式创建。

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) // 写入文件前先检查具体类型

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);

各语言的方法

语言	方法	返回值
TypeScript	`client.generateSpeech(request)`	`Blob`
Python	`client.generate_speech(request)` 或 `client.audio.speech.create(request)`	`bytes`
Go	`client.CreateSpeech(ctx, req)`	`interface{}`；写入文件前先检查具体类型
C#	`client.CreateSpeech(request)`	`object?`；写入文件前先检查具体类型
PHP	`$client->createSpeech($request)`	音频；写入文件前先检查值的类型
Ruby	`client.generate_speech(...)`，别名 `create_speech`	音频；写入文件前先检查值的类
Java	没有语音方法。`client.rawClient().requestBytes("POST", "/audio/speech", ...)` 提交 JSON 正文	`byte[]`

Rust 没有语音方法，而且它的 post() 辅助方法会把响应解析为 JSON，因此无法返回音频。

参数

在每个 SDK 中，字段名都是 JSON 正文字段。请使用 format：API 也接受 response_format，但 TypeScript 请求类型会拒绝它。

字段	说明
`model`	必填。语音模型 ID。
`input`	必填。要朗读的文本。大多数提供商最多接受 4,096 个字符；ElevenLabs 模型根据模型不同允许 5,000 到 40,000 个字符。
`voice`	经提供商标准化的音色别名（推荐）、提供商自己的音色值，或带有 `id` 或 `name` 的对象。如果该音色对路由到的提供商无效，API 返回 `400`，并带有 `param: "voice"`。
`format`	`mp3`、`wav`、`ogg`、`aac`、`flac`、`opus` 或 `pcm`。
`speed`	播放速度，`0.25` 到 `4`。
`instructions`	风格指引，仅在模型支持时生效。
`config`	提供商特定设置；见下文。
`provider`	提供商路由偏好。

完整的 schema 见 Speech API 参考。

设置提供商自己的音色

在 config 下传入提供商的确切音色。同样的嵌套对象在每个 SDK 的请求映射中都适用。

// ElevenLabs：指定确切的音色 ID
await client.generateSpeech({
  model: "eleven-labs/eleven-v3",
  input: "Hello from ElevenLabs",
  voice: "rachel",
  config: {
    elevenlabs: {
      voice_id: "21m00Tcm4TlvDq8ikWAM",
    },
  },
});

// Google：指定确切的音色名称
await client.generateSpeech({
  model: "google/gemini-3.1-flash-tts-preview",
  input: "Hello from Gemini",
  voice: "kore",
  config: {
    google: {
      voice_name: "Kore",
    },
  },
});

# ElevenLabs：指定确切的音色 ID
client.generate_speech({
    "model": "eleven-labs/eleven-v3",
    "input": "Hello from ElevenLabs",
    "voice": "rachel",
    "config": {"elevenlabs": {"voice_id": "21m00Tcm4TlvDq8ikWAM"}},
})

# Google：指定确切的音色名称
client.generate_speech({
    "model": "google/gemini-3.1-flash-tts-preview",
    "input": "Hello from Gemini",
    "voice": "kore",
    "config": {"google": {"voice_name": "Kore"}},
})

最后修改于 2026年11月5日