ZEN-AI VIP站

外观

文本转语音 ​

POSThttps://vip.zen-ai.top/v1/audio/speech

将文本合成为自然语音，响应体是音频文件的二进制内容。

请求体 ​

modelstring必填

模型名称，如 gpt-4o-mini-tts、tts-1、tts-1-hd。

inputstring必填

要合成的文本，最长 4096 个字符。

voicestring必填

音色。tts-1 系列支持的音色较少，建议使用 alloy、echo、fable、onyx、nova、shimmer。

可选值alloyashballadcoralechofablenovaonyxsageshimmerverse
instructionsstring

语气、情感、语速等风格描述，仅 gpt-4o-mini-tts 支持。

response_formatstring默认 mp3

音频格式。

可选值mp3opusaacflacwavpcm
speednumber默认 1

语速，0.25–4.0。

响应 ​

音频二进制内容，Content-Type 与 response_format 对应（如 audio/mpeg）。

请求示例
bash
curl https://vip.zen-ai.top/v1/audio/speech \
  -H "Authorization: Bearer $VIP_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o-mini-tts",
    "input": "你好，欢迎使用语音合成服务。",
    "voice": "coral"
  }' \
  --output speech.mp3
python
from openai import OpenAI

client = OpenAI(base_url="https://vip.zen-ai.top/v1", api_key="sk-xxxxxxxx")

with client.audio.speech.with_streaming_response.create(
    model="gpt-4o-mini-tts",
    voice="coral",
    input="你好，欢迎使用语音合成服务。",
    instructions="语气温暖亲切，语速稍慢。",
) as response:
    response.stream_to_file("speech.mp3")
js
import OpenAI from "openai";
import { writeFile } from "node:fs/promises";

const client = new OpenAI({ baseURL: "https://vip.zen-ai.top/v1", apiKey: process.env.VIP_API_KEY });

const speech = await client.audio.speech.create({
  model: "gpt-4o-mini-tts",
  voice: "coral",
  input: "你好，欢迎使用语音合成服务。",
});
await writeFile("speech.mp3", Buffer.from(await speech.arrayBuffer()));

Gemini 语音合成 ​

Gemini TTS 模型（如 gemini-2.5-flash-preview-tts、gemini-3.1-flash-tts-preview）通过 Gemini 原生接口 调用，返回 24kHz 单声道 16 位 PCM 数据（base64），需要自行封装为 WAV：

python
import base64
import wave
import requests

resp = requests.post(
    "https://vip.zen-ai.top/v1beta/models/gemini-2.5-flash-preview-tts:generateContent",
    headers={"x-goog-api-key": "sk-xxxxxxxx"},
    json={
        "contents": [{"parts": [{"text": "用开心的语气说：今天是个好日子！"}]}],
        "generationConfig": {
            "responseModalities": ["AUDIO"],
            "speechConfig": {"voiceConfig": {"prebuiltVoiceConfig": {"voiceName": "Kore"}}},
        },
    },
    timeout=300,
).json()

pcm = base64.b64decode(resp["candidates"][0]["content"]["parts"][0]["inlineData"]["data"])
with wave.open("gemini_tts.wav", "wb") as wf:
    wf.setnchannels(1)
    wf.setsampwidth(2)
    wf.setframerate(24000)
    wf.writeframes(pcm)

在 Gemini 原生接口页面使用在线调试时，返回的 PCM 音频会自动转换为可播放的 WAV。