文本转语音 API 参考

通过 Gate.AI 文本转语音接口提交文本并同步生成音频。默认返回二进制音频；设置 stream_format=sse 时会逐帧返回 speech.audio.delta，并在 speech.audio.done 末帧携带 usage 与 model_extend。

字段	值
Base URL	https://api.gate.ai/openai/v1
认证	Authorization: Bearer <API_KEY>
格式	OpenAI 兼容；使用 JSON 请求体，默认返回二进制音频，可通过 SSE 流式返回音频分片

语音接口路径位于 /openai/v1 下；语音转文本与文本转语音为同步能力，不返回 job_id，也不需要轮询。TTS 默认二进制响应中的计费信息记录在控制台 Generations。

POST/audio/speech

提交待合成文本并同步返回音频。默认响应体为二进制音频流，Content-Type 随 response_format 变化；SSE 模式会返回 base64 音频分片与末帧计费信息。

请求参数

名称	位置	类型	必选	说明
Authorization	header	string	是	Gate.AI API Key。格式：Bearer <API_KEY>
Content-Type	header	string	是	请求体格式：application/json

请求体

名称	类型	必选	说明
model	string	是	文本转语音模型 ID，当前仅支持 gpt-4o-mini-tts
input	string	是	待合成文本
voice	string	是	发音人，如 alloy
response_format	string	否	输出音频格式，如 wav、mp3；默认 wav
stream_format	string	否	设为 sse 时返回 text/event-stream；speech.audio.delta 帧包含 base64 音频分片，speech.audio.done 帧包含 usage 与 model_extend

示例

json

1{2  "model": "gpt-4o-mini-tts",3  "input": "今天天气很好，我们一起去海边散步吧。",4  "voice": "alloy",5  "response_format": "mp3"6}

返回字段说明

名称	类型	说明
audio bytes	binary	默认返回的音频二进制数据
speech.audio.delta	SSE event	SSE 音频分片事件，携带 base64 编码的音频片段
speech.audio.done	SSE event	SSE 结束事件，携带 usage 与 model_extend
usage	object	文本转语音用量；二进制响应场景下由网关写入后台记录，SSE 末帧返回
model_extend.cost	string	实际计费金额（USD），扣款以 model_extend.cost 为准

返回示例

text

1HTTP/1.1 200 OK2Content-Type: audio/mpeg34(binary audio bytes)

返回结果

状态码	状态码含义	说明	数据模型
200	OK	成功，同步返回转写结果、音频数据或 SSE 事件。	AudioResponse
400	Bad Request	请求参数错误、请求体格式错误，或缺少 model / file / input 等必填字段。	OpenAIErrorResponse
401	Unauthorized	API Key 无效或缺失。	OpenAIErrorResponse
402	Payment Required	余额不足。	InsufficientBalanceResponse
404	Not Found	模型不存在，或语音端点未启用。	OpenAIErrorResponse
413	Payload Too Large	上传文件或请求体过大。	OpenAIErrorResponse
429	Too Many Requests	请求过于频繁，请降低调用频率。	OpenAIErrorResponse
500	Internal Server Error	服务内部错误。	OpenAIErrorResponse
502	Bad Gateway	上游语音服务失败。	OpenAIErrorResponse