音频模型

现有音频文档内容集中在文本转语音接口，统一使用 POST /v1/audio/speech。本页内部按厂商分段，避免为每个 TTS 模型单独拆完整教程。

接口路径

方法	路径	用途
POST	`/v1/audio/speech`	将输入文本合成为语音，成功时通常直接返回音频二进制流。

curl -X POST "https://api.routescope.ai/v1/audio/speech" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o-mini",
    "input": "需要处理的输入文本。",
    "voice": "string",
    "format": "json",
    "speed": 1
  }'

curl -X POST "https://api.routescope.ai/v1/audio/speech" \  -H "Content-Type: application/json" \  -d '{    "model": "gpt-4o-mini",    "input": "需要处理的输入文本。",    "voice": "string",    "format": "json",    "speed": 1  }'

"string"

Authorization

BearerAuth

AuthorizationBearer <token>

模型 relay 接口鉴权。请求头：Authorization: Bearer 。

In: header

Request Body

application/json

model*string

语音合成模型。

input*string

要朗读的文本内容。

voice*string

音色，例如 alloy、nova。 voice 字符串字段。范围：非空字符串或按业务配置校验。

format?string

输出音频格式，例如 mp3、wav。

speed?number

语速。 speed 数值字段。范围：以接口说明或后台配置为准。

Response Body

audio/mpeg

模型选择表

厂商	模型 ID	示例音色/说明	适用场景
Doubao	`seed-tts-1.0`	示例 `zh_female_cancan_mars_bigtts`	中文语音合成，女声示例。
Doubao	`seed-tts-2.0`	示例 `zh_male_m191_uranus_bigtts`	中文语音合成，男声示例。
Gemini	`gemini-2.5-flash-preview-tts`	暂未统一提供默认音色	Gemini TTS 预览模型，Flash 取向以模型名称和页面展示为准。
Gemini	`gemini-2.5-pro-preview-tts`	暂未统一提供默认音色	Gemini TTS 预览模型，Pro 取向以模型名称和页面展示为准。

通用参数

字段	类型	必选	说明
`model`	string	是	TTS 模型 ID。
`input`	string	是	要合成的文本。
`voice`	string	是	音色 key。Doubao 示例提供默认音色；Gemini 暂未统一提供默认音色，以接口返回或页面实际展示为准。
`format`	string	否	网关 OpenAPI 字段名，表示输出音频格式。Doubao 官方文档里对应字段叫 `response_format` / `audio.encoding`，接入 Routescope 时按本页示例使用 `format`。
`speed`	number	否	语速。

模型差异参数

字段	适用模型	默认值/范围	差异说明
`voice`	`seed-tts-1.0`	zh_female_cancan_mars_bigtts	字节音色 key，实际可用音色以账号授权为准。
`voice`	`seed-tts-2.0`	zh_male_m191_uranus_bigtts	字节音色 key，实际可用音色以账号授权为准。
`voice`	`Gemini TTS`	暂无统一默认值	以接口返回或页面实际展示为准。
`input`	`Doubao TTS`	普通音色单次文本建议不超过 1024 字节	长文本或复刻音色以渠道配置为准。
`format`	`Doubao TTS`	默认 pcm，支持 mp3、wav、pcm、ogg_opus	wav 通常不用于流式场景；接入 Routescope 时请使用 format。
`speed`	`Doubao TTS`	默认 1，范围 [0.2, 3]	对应官方 audio.speed_ratio。
`volume_ratio、pitch_ratio、emotion、language`	`Doubao TTS`	具体支持范围以渠道配置和音色能力为准	可选高级字段，实际支持以渠道配置和音色能力为准。

Doubao 示例

curl https://api.routescope.ai/v1/audio/speech \
  -H "Authorization: Bearer $ROUTESCOPE_API_KEY" \
  -H "Content-Type: application/json" \
  --output speech.mp3 \
  -d '{
    "model": "seed-tts-2.0",
    "input": "你好，这是一段由 Seed TTS 2.0 生成的语音。",
    "voice": "zh_male_m191_uranus_bigtts",
    "format": "mp3",
    "speed": 1
  }'

Gemini 示例

curl https://api.routescope.ai/v1/audio/speech \
  -H "Authorization: Bearer $ROUTESCOPE_API_KEY" \
  -H "Content-Type: application/json" \
  --output speech.mp3 \
  -d '{
    "model": "gemini-2.5-flash-preview-tts",
    "input": "请生成一段简短的语音。",
    "voice": "your-voice-id"
  }'

Gemini TTS 暂未统一确认默认音色或额外参数，示例中的 your-voice-id 请替换为接口返回或页面实际展示的可用音色。

响应结构

语音生成成功时通常直接返回音频二进制流。示例中使用 --output speech.mp3 或写入文件保存响应内容。