概览与快速开始

把文本转换为语音，用于内容制作、实时交互或多角色对白。首次接入建议先生成一段完整音频，再按业务需要选择流式或 WebSocket。

从这里开始

第一次接入：按下方步骤生成音频。

选择合适的能力：模型介绍 · 选择模型与接口。

已经接入：接口参考 · SDK 与示例。

使用企业 API Key，通过请求头 api-key 鉴权。先获取账号可用音色，选择一个 voice_id。已有可用音色时可直接进入下一步。

密钥用于服务端调用，不要放入网页前端代码或公开仓库。

将示例中的 YOUR_API_KEY、YOUR_VOICE_ID 替换为自己的配置。示例使用 V4、普通话和 MP3。

示例为 Bash / macOS / Linux shell 写法；其他环境可使用接口页面的代码示例。

成功返回 HTTP 200 和音频响应体，示例将内容保存为 speech.mp3。若请求失败，先查看错误响应，不要将 JSON 错误当作音频播放。

边接收边播放：HTTP 流式合成。

持续发送文本：先按模型选择 WebSocket 接口。

生成多角色对白：对话 Multi-Context WSS。

设置语言或格式：支持语言 · 音频格式与播放。

查看调用与用量：用量与请求查询。

排查问题：常见问题。

每款模型的特点、适用场景与控制方式见模型介绍。

按文本输入方式和模型选择合适的接口，见选择模型与接口。

V4 与 V3 Turbo 支持相同的 94 种语言，完整列表见支持语言。