Skip to Content

文本转语音 (TTS)

AcceleAI 提供文本转语音服务，支持 OpenAI 和 Gemini 系列语音模型，可用于生成自然流畅的语音内容，支持多种音色、多语言及多说话人场景。

可用模型

OpenAI 系列

模型特点
tts-1标准模型，响应快、性能均衡
tts-1-hd高保真音频，音质更佳
gpt-4o-audio-preview对话式语音生成
gpt-4o-mini-tts支持通过 prompt 精细控制语音风格

Gemini 系列

模型特点
gemini-2.5-flash-preview-tts快速生成，支持单/多说话人
gemini-2.5-pro-preview-tts专业级音质，支持单/多说话人

API 端点

POST https://api.acceleai.cn/v1/audio/speech

请求头：

Authorization: Bearer <ACCELE_AI_API_KEY>
Content-Type: application/json

请求参数

参数类型必填说明
modelstring是模型标识符
inputstring是待转换文本，最长 4096 字符
voicestring是音色标识符
response_formatstring否输出格式：mp3、opus、aac、flac、wav、pcm（Gemini 仅支持 wav/pcm）
speednumber否语速倍率 0.25-4.0（Gemini 和 gpt-4o-mini-tts 不支持）
instructionsstring否语音风格指令（仅 Gemini 和 gpt-4o-mini-tts 支持）

音色列表

OpenAI 音色

alloy、ash、ballad、coral、echo、fable、onyx、nova、sage、shimmer、verse、marin、cedar

Gemini 音色

Gemini 提供 30 种预设音色，每种具有独特的声线风格：

音色风格音色风格
Zephyr明亮Puck活泼
Kore稳重Charon低沉
Fenrir激昂Leda温柔
Orus坚定Aoede柔和

提示： 使用 OpenAI 音色名称调用 Gemini 模型时，系统会自动映射到对应的 Gemini 音色。

使用示例

标准 TTS（OpenAI）

from openai import OpenAI
from pathlib import Path
 
client = OpenAI(
    api_key="<ACCELE_AI_API_KEY>",
    base_url="https://api.acceleai.cn/v1"
)
 
response = client.audio.speech.create(
    model="tts-1-hd",
    voice="nova",
    input="欢迎使用 AcceleAI 文本转语音服务，这是一段演示音频。"
)
 
speech_file = Path("output.mp3")
response.stream_to_file(speech_file)
print("音频已保存")

带风格控制的 TTS（gpt-4o-mini-tts）

response = client.audio.speech.create(
    model="gpt-4o-mini-tts",
    voice="coral",
    input="今天的天气非常好，适合出门散步。",
    instructions="用温暖友好的语气朗读，语速适中，像一位亲切的邻居在聊天。"
)
 
response.stream_to_file("styled_output.mp3")

Gemini 多说话人

Gemini 模型支持在单次请求中生成多个说话人的对话音频，只需在文本中标注说话人名称：

import requests
 
headers = {
    "Authorization": "Bearer <ACCELE_AI_API_KEY>",
    "Content-Type": "application/json"
}
 
payload = {
    "model": "gemini-2.5-flash-preview-tts",
    "input": "小明：你好，今天的项目进展怎么样？\n小红：挺顺利的，核心功能已经开发完成了。\n小明：太好了，我们下午开个评审会吧。",
    "voice": "Kore",
    "instructions": "小明的语气专业自信，小红的语气活泼轻快",
    "response_format": "wav"
}
 
response = requests.post(
    "https://api.acceleai.cn/v1/audio/speech",
    headers=headers,
    json=payload
)
 
with open("dialogue.wav", "wb") as f:
    f.write(response.content)

cURL 示例

curl -X POST https://api.acceleai.cn/v1/audio/speech \
  -H "Authorization: Bearer <ACCELE_AI_API_KEY>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "voice": "alloy",
    "input": "AcceleAI 让 AI 开发更简单。"
  }' \
  --output speech.mp3

支持的语言

支持 24 种语言，包括中文（普通话）、英语（美式/印度）、日语、韩语、法语、德语、西班牙语、阿拉伯语、葡萄牙语、俄语等，语言代码遵循 BCP-47 标准。

计费说明

  • 按输入文本的字符数计费
  • 单次请求最大输入 4096 字符
  • Gemini 模型上下文窗口为 32k tokens
图像理解语音转文本 (STT)