Audio Speech API
将文字转为语音。兼容 OpenAI 的 POST /v1/audio/speech，响应体直接是音频文件（二进制），不是 JSON。
voice、response_format 等参数的可选值因模型而异，请以系列页为准。
快速开始
base_url
https://api.ofox.ai/v1接口地址
https://api.ofox.ai/v1/audio/speech模型 ID
google/gemini-3.8-flash-ttsPython
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="你好，欢迎使用 OfoxAI 语音合成。",
response_format="wav",
) as resp:
resp.stream_to_file("speech.wav")请求参数
模型 ID，见上表。
要合成的文字。为空时返回 400。
voicestring
音色。Gemini TTS 必填，取值为 Google 的音色名（如 Kore）；ElevenLabs 取值为音色 ID（如 21m00Tcm4TlvDq8ikWAM）。OpenAI 的音色名（如 alloy）不适用于这两个系列。
response_formatstring
音频格式。可选值因模型而异：Gemini TTS 支持 wav、pcm；ElevenLabs 支持 mp3、opus、wav、pcm。传入不支持的格式返回 400。
instructionsstring
语气与风格说明，如「用欢快的语气朗读」。适用于 Gemini TTS。
language_codestring
语言代码，如 cmn-CN（Gemini TTS）、zh（ElevenLabs）。不传时由模型根据文字判断。
传 sse 时以 Server-Sent Events 流式返回音频分片，适用于 Gemini TTS。
provider_optionsobject
供应商专有参数，透传给对应供应商，例如 ElevenLabs 的 {"elevenlabs": {"voice_settings": {...}}}。见各系列页。
响应
成功时 HTTP 200，响应体为音频文件，Content-Type 与格式对应：
请将响应体直接写入文件。出错时响应为 JSON，Content-Type 为 application/json，请先检查状态码，避免把错误信息写成音频文件。
常见报错
完整的错误码说明见错误处理。
最后更新于