Audio Speech API

Convertit du texte en parole. Compatible avec POST /v1/audio/speech d’OpenAI ; le corps de la réponse est directement le fichier audio (binaire), et non du JSON.

Famille	Modèle	Remarques
ElevenLabs	`elevenlabs/eleven_v4`	Voir ElevenLabs
Gemini TTS	`google/gemini-3.8-flash-tts`, etc.	Voir Gemini TTS

Les valeurs possibles de voice, response_format et d’autres paramètres varient selon le modèle ; référez-vous à la page de chaque famille.

Démarrage rapide

base_urlhttps://api.ofox.ai/v1

Adresse de l'endpointhttps://api.ofox.ai/v1/audio/speech

ID du modèlegoogle/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="Bonjour, bienvenue dans la synthèse vocale OfoxAI.",
    response_format="wav",
) as resp:
    resp.stream_to_file("speech.wav")

Paramètres de la requête

modelobligatoirestring

ID du modèle ; voir le tableau ci-dessus.

inputobligatoirestring

Texte à synthétiser. Vide, il renvoie 400.

voicestring

Voix. Obligatoire pour Gemini TTS, avec un nom de voix Google (p. ex. Kore) ; pour ElevenLabs, la valeur est un ID de voix (p. ex. 21m00Tcm4TlvDq8ikWAM). Les noms de voix d’OpenAI (p. ex. alloy) ne fonctionnent avec aucune de ces deux familles.

response_formatstring

Format audio. Les valeurs possibles varient selon le modèle : Gemini TTS prend en charge wav et pcm ; ElevenLabs prend en charge mp3, opus, wav et pcm. Un format non pris en charge renvoie 400.

instructionsstring

Indications de ton et de style, par exemple « Lis ce texte sur un ton enjoué ». S’applique à Gemini TTS.

language_codestring

Code de langue, par exemple cmn-CN (Gemini TTS) ou zh (ElevenLabs). S’il est omis, le modèle déduit la langue du texte.

stream_formatstring· valeurssse

Avec sse, l’audio est renvoyé par fragments en streaming via Server-Sent Events. S’applique à Gemini TTS.

provider_optionsobject

Paramètres propres au fournisseur, transmis tels quels à celui-ci, par exemple {"elevenlabs": {"voice_settings": {...}}} pour ElevenLabs. Voir la page de chaque famille.

Réponse

En cas de succès, HTTP 200 ; le corps de la réponse est le fichier audio, avec un Content-Type correspondant au format :

response_format	Content-Type
`mp3`	`audio/mpeg`
`wav`	`audio/wav`
`opus`	`audio/ogg`
`pcm`	`audio/L16;rate=<fréquence d'échantillonnage>;channels=1`, PCM 16 bits sans en-tête de fichier

Écrivez directement le corps de la réponse dans un fichier. En cas d’erreur, la réponse est du JSON avec un Content-Type application/json : vérifiez d’abord le code de statut pour éviter d’enregistrer le message d’erreur comme fichier audio.

Erreurs courantes

HTTP	Message d’erreur	Cause	Solution
400	`model and input are required.`	`model` manquant, ou `input` vide	Complétez les paramètres
400	`voice is required for speech completion`	`voice` non fourni pour Gemini TTS	Indiquez un nom de voix, p. ex. `Kore`
400	`unsupported Gemini response_format: mp3`	Le modèle ne prend pas en charge le format choisi	Utilisez un format listé sur la page de la famille
400	`Request contains an invalid argument.`	Le nom de voix Gemini TTS n’existe pas	Utilisez un nom de voix valide
404	`A voice with voice_id 'alloy' was not found.`	L’ID de voix ElevenLabs n’existe pas	Utilisez un ID de voix valide
400 `endpoint_not_supported`	`Model 'openai/gpt-5.4' does not support the /v1/audio/speech endpoint on this platform.`	Le modèle choisi n’est pas un modèle de synthèse vocale	Utilisez un modèle du tableau ci-dessus

Description complète des codes d’erreur : Gestion des erreurs.