# 语音合成

> Speech：把文本合成为音频，直接返回音频字节流。
> 分组：模型接入
> 更新时间：2026-10-12
> 原文：https://www.chenra.com/docs/model-tts

## 语音合成（Speech）

把文本合成为音频，**直接返回音频字节**（不是 JSON）。response_format 决定输出格式，
与响应头 Content-Type 对应；把返回体直接写成文件即可。

音色（voice）取值随厂商不同：例如百炼用 longanyang、智谱用 tongtong、
OpenAI 用 alloy / echo / nova / shimmer。平台会把业务参数翻译成各厂商的字段。

## 语音合成

`POST /audio/speech`

返回音频字节流；response_format 支持 mp3 / wav / pcm / opus / aac / flac。

### 请求参数

| 参数 | 类型 | 必填 | 说明 | 默认值 |
| --- | --- | --- | --- | --- |
| model | string | 是 | 语音合成模型标识 |  |
| input | string | 是 | 待合成的文本 |  |
| voice | string | 否 | 音色标识，随厂商不同 |  |
| response_format | string | 否 | 输出格式：mp3 / wav / pcm / opus / aac / flac | mp3 |
| speed | number | 否 | 语速，1 为常速（部分厂商支持） |  |

### 请求示例

```bash
curl https://api.chenra.com/api/relay/v1/audio/speech \
  -H "Authorization: Bearer sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3-tts-flash",
    "input": "欢迎使用模型网关",
    "voice": "longanyang"
  }' \
  --output speech.mp3
```

### 响应示例

```json
(二进制音频流，Content-Type: audio/mpeg；直接写入 speech.mp3)
```

### 错误码

| 错误码 | 说明 |
| --- | --- |
| 400 | 缺少 input 参数 |
| 502 | 上游未返回音频数据 |