Синтез речи

Синтезируйте речь из текста через выделенный эндпоинт RouterAI API.

RouterAI поддерживает синтез речи (TTS, text-to-speech) через выделенный эндпоинт /api/v1/audio/speech, совместимый с OpenAI Audio Speech API. Отправьте текст и получите в ответ поток сырых байтов аудио в выбранном формате.

Примечание: Ответ эндпоинта — бинарный поток аудио, а не JSON. Его можно сразу записать в файл или передать аудиоплееру.

Поиск моделей

Модели с поддержкой TTS можно найти на нашей странице моделей, отфильтровав по модальности аудио на выходе. Примеры моделей: x-ai/grok-voice-tts-1.0, openai/gpt-4o-mini-tts.

Использование API

Отправьте POST запрос на /api/v1/audio/speech с текстом, который нужно озвучить. Ответ — поток сырых байтов аудио (не JSON), поэтому его можно направить напрямую в файл.

Структура запроса

1. model — идентификатор TTS-модели (например, x-ai/grok-voice-tts-1.0)
2. input — текст для синтеза речи
3. voice — идентификатор голоса (набор голосов зависит от модели)
4. response_format — формат выходного аудио (mp3 или pcm)

Пример запроса cURL

curl -X POST https://routerai.ru/api/v1/audio/speech \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $ROUTERAI_API_KEY" \
  --output output.mp3 \
  -d '{
    "model": "x-ai/grok-voice-tts-1.0",
    "input": "Привет! Это пример синтеза речи.",
    "voice": "eve",
    "response_format": "mp3"
  }'

Пример на Python

import requests

response = requests.post(
    url="https://routerai.ru/api/v1/audio/speech",
    headers={
        "Authorization": "Bearer $ROUTERAI_API_KEY",
        "Content-Type": "application/json",
    },
    json={
        "model": "x-ai/grok-voice-tts-1.0",
        "input": "Привет! Это пример синтеза речи.",
        "voice": "eve",
        "response_format": "mp3",
    },
)
response.raise_for_status()

with open("output.mp3", "wb") as f:
    f.write(response.content)

generation_id = response.headers.get("X-Generation-Id")
print(f"Аудио сохранено. ID генерации: {generation_id}")

Пример на TypeScript (fetch)

const response = await fetch('https://routerai.ru/api/v1/audio/speech', {
  method: 'POST',
  headers: {
    Authorization: `Bearer ${process.env.ROUTERAI_API_KEY}`,
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    model: 'x-ai/grok-voice-tts-1.0',
    input: 'Привет! Это пример синтеза речи.',
    voice: 'eve',
    response_format: 'mp3',
  }),
});

if (!response.ok) {
  const err = await response.json();
  throw new Error(`Ошибка TTS ${response.status}: ${JSON.stringify(err)}`);
}

const audioBuffer = await response.arrayBuffer();
const generationId = response.headers.get('X-Generation-Id');
console.log(`ID генерации: ${generationId}`);
// Сохраните audioBuffer в файл или воспроизведите напрямую

Параметры запроса

Формат ответа

Эндпоинт возвращает поток сырых байтов аудио, а не JSON. В ответе присутствуют следующие заголовки:

Форматы вывода

Тарификация

TTS-модели тарифицируются посимвольно — за количество символов входного текста. Стоимость зависит от модели и провайдера. Стоимость за символ для каждой модели можно посмотреть на странице моделей.

Совместимость с OpenAI SDK

Эндпоинт TTS полностью совместим с OpenAI SDK. Достаточно указать клиентским библиотекам OpenAI базовый URL RouterAI:

from openai import OpenAI

client = OpenAI(
    api_key="$ROUTERAI_API_KEY",
    base_url="https://routerai.ru/api/v1",
)

# Без стриминга: получаем полный ответ с аудио
response = client.audio.speech.create(
    model="x-ai/grok-voice-tts-1.0",
    input="На дворе трава, на траве дрова.",
    voice="eve",
    response_format="mp3",
)
response.write_to_file("output.mp3")

# Стриминг: обрабатываем аудио-чанки по мере поступления
with client.audio.speech.with_streaming_response.create(
    model="x-ai/grok-voice-tts-1.0",
    input="На дворе трава, на траве дрова.",
    voice="eve",
    response_format="mp3",
) as response:
    response.stream_to_file("output.mp3")

import OpenAI from 'openai';
import fs from 'fs';

const client = new OpenAI({
  apiKey: process.env.ROUTERAI_API_KEY,
  baseURL: 'https://routerai.ru/api/v1',
});

const response = await client.audio.speech.create({
  model: 'x-ai/grok-voice-tts-1.0',
  input: 'На дворе трава, на траве дрова.',
  voice: 'eve',
  response_format: 'mp3',
});

const buffer = Buffer.from(await response.arrayBuffer());
await fs.promises.writeFile('output.mp3', buffer);
console.log('Аудио сохранено в output.mp3');

Лучшие практики

• Выбор формата: Используйте mp3 для хранения и обычного воспроизведения. Используйте pcm для потоковых конвейеров реального времени, где важна задержка
• Выбор голоса: Разные провайдеры предлагают разные голоса. Сверьтесь с документацией модели или поэкспериментируйте с доступными голосами, чтобы подобрать подходящий под ваш сценарий
• Длина текста: Очень длинные тексты разбивайте на сегменты покороче и объединяйте получившееся аудио. Это повышает надёжность и снижает задержку до первого аудиофрагмента. Максимальный размер тела запроса — 32 МБ
• Параметр скорости: speed поддерживается только некоторыми провайдерами (например, OpenAI) и молча игнорируется теми, кто его не поддерживает

Устранение неполадок

Пустой или повреждённый аудиофайл?

• Убедитесь, что response_format совпадает с тем, как вы сохраняете файл (например, не сохраняйте вывод pcm с расширением .mp3)
• Проверьте статус ответа — ответы со статусом не 200 возвращают JSON с ошибкой, а не аудио

Модель не найдена?

• Найдите доступные TTS-модели на странице моделей
• Проверьте корректность идентификатора модели (например, x-ai/grok-voice-tts-1.0, а не grok-voice-tts)

Голос недоступен?

• Набор голосов зависит от провайдера. Сверьтесь с документацией провайдера на предмет поддерживаемых идентификаторов голосов
• У каждой модели свой набор голосов — полный список смотрите на странице модели на странице моделей