Audio Speech API

Wandelt Text in Sprache um. Kompatibel mit POST /v1/audio/speech von OpenAI; der Response-Body ist direkt die Audiodatei (binär), kein JSON.

Reihe	Modell	Hinweis
ElevenLabs	`elevenlabs/eleven_v4`	Siehe ElevenLabs
Gemini TTS	`google/gemini-3.8-flash-tts` u. a.	Siehe Gemini TTS

Die zulässigen Werte für Parameter wie voice und response_format hängen vom Modell ab; maßgeblich ist die Seite der jeweiligen Reihe.

Schnellstart

base_urlhttps://api.ofox.ai/v1

Endpunkthttps://api.ofox.ai/v1/audio/speech

Modell-IDgoogle/gemini-3.8-flash-tts

Python

speech.py


import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.ai/v1", api_key=os.environ["OFOX_API_KEY"])
 
with client.audio.speech.with_streaming_response.create(
    model="google/gemini-3.8-flash-tts",
    voice="Kore",
    input="Hallo und willkommen bei der Sprachsynthese von OfoxAI.",
    response_format="wav",
) as resp:
    resp.stream_to_file("speech.wav")

Anfrageparameter

modelerforderlichstring

Modell-ID; siehe Tabelle oben.

inputerforderlichstring

Der zu synthetisierende Text. Ein leerer Wert liefert 400.

voicestring

Stimme. Bei Gemini TTS erforderlich; der Wert ist ein Stimmenname von Google (z. B. Kore). Bei ElevenLabs ist der Wert eine Voice-ID (z. B. 21m00Tcm4TlvDq8ikWAM). Die Stimmennamen von OpenAI (z. B. alloy) gelten für keine der beiden Reihen.

response_formatstring

Audioformat. Die zulässigen Werte hängen vom Modell ab: Gemini TTS unterstützt wav und pcm, ElevenLabs unterstützt mp3, opus, wav und pcm. Ein nicht unterstütztes Format liefert 400.

instructionsstring

Anweisungen zu Tonfall und Stil, z. B. „In fröhlichem Ton vorlesen“. Gilt für Gemini TTS.

language_codestring

Sprachcode, z. B. cmn-CN (Gemini TTS) oder zh (ElevenLabs). Ohne Angabe erkennt das Modell die Sprache anhand des Textes.

stream_formatstring· Wertesse

Mit sse werden die Audiofragmente per Server-Sent Events gestreamt. Gilt für Gemini TTS.

provider_optionsobject

Anbieterspezifische Parameter, die unverändert an den jeweiligen Anbieter weitergereicht werden, z. B. für ElevenLabs {"elevenlabs": {"voice_settings": {...}}}. Siehe die Seite der jeweiligen Reihe.

Antwort

Bei Erfolg HTTP 200; der Response-Body ist die Audiodatei, Content-Type entspricht dem Format:

response_format	Content-Type
`mp3`	`audio/mpeg`
`wav`	`audio/wav`
`opus`	`audio/ogg`
`pcm`	`audio/L16;rate=<Abtastrate>;channels=1`, 16-Bit-PCM ohne Dateiheader

Schreiben Sie den Response-Body direkt in eine Datei. Im Fehlerfall ist die Antwort JSON mit Content-Type application/json; prüfen Sie daher zuerst den Statuscode, damit Sie keine Fehlermeldung als Audiodatei speichern.

Häufige Fehler

HTTP	Fehlermeldung	Ursache	Lösung
400	`model and input are required.`	`model` fehlt oder `input` ist leer	Parameter ergänzen
400	`voice is required for speech completion`	Bei Gemini TTS wurde kein `voice` gesendet	Einen Stimmennamen senden, z. B. `Kore`
400	`unsupported Gemini response_format: mp3`	Das Modell unterstützt das gewählte Format nicht	Ein auf der Seite der Reihe aufgeführtes Format verwenden
400	`Request contains an invalid argument.`	Der Stimmenname für Gemini TTS existiert nicht	Einen gültigen Stimmennamen verwenden
404	`A voice with voice_id 'alloy' was not found.`	Die Voice-ID für ElevenLabs existiert nicht	Eine gültige Voice-ID verwenden
400 `endpoint_not_supported`	`Model 'openai/gpt-5.4' does not support the /v1/audio/speech endpoint on this platform.`	Das gewählte Modell ist kein Sprachsynthesemodell	Ein Modell aus der Tabelle oben verwenden

Eine vollständige Beschreibung der Fehlercodes finden Sie unter Fehlerbehandlung.