API 參考文字轉語音
配音模型
查看文字轉語音目前支援的 modelId、模型特點和選擇建議。
可用性取決於站點和帳戶，請查詢 GET /api/open/v3/speech/tts/capabilities。stability / similarity：Kitta AI 範圍為 0.5–1.5，預設均為 1；ElevenLabs 範圍為 0–1，預設分別為 0.5 / 0.75。ElevenLabs 語速必須在 0.7–1.2，且不套用 volume。請省略不支援的控制參數。
配音模型
modelId 用於選擇文字轉語音引擎和版本，voiceId 用於選擇音色。同步或非同步 TTS 請求建議同時傳入這兩個欄位。
目前支援的 modelId
modelId | 品牌 | 模型版本 | 適用方向 |
|---|---|---|---|
fishaudio-s21pro | FishAudio | S2.1 Pro | 更高品質，適合正式內容生成 |
fishaudio-s21pro-flash | FishAudio | S2.1 Pro Flash | 預設模型，更快且點數消耗更低 |
fishaudio-s2pro | FishAudio | S2 Pro | S2 Pro 相容工作流程 |
fishaudio-s1 | FishAudio | S1 | 相容仍依賴 S1 的既有業務 |
minimax-2.8-turbo | MiniMax | Speech 2.8 Turbo | MiniMax 預設模型，著重速度 |
minimax-2.8-hd | MiniMax | Speech 2.8 HD | 著重更高品質的 MiniMax 輸出 |
minimax-2.6-turbo | MiniMax | Speech 2.6 Turbo | 相容 2.6 Turbo 工作流程 |
minimax-2.6-hd | MiniMax | Speech 2.6 HD | 相容 2.6 HD 工作流程 |
qwen3-tts-flash | Qwen | TTS 3 Flash | 快速生成，適合 Qwen 音色 |
qwen-audio-3.0-tts-plus | Qwen | Audio 3.0 Plus | 高品質表達，支援自然語言聲音指令 |
qwen-audio-3.0-tts-flash | Qwen | Audio 3.0 Flash | 更快生成，支援系統音色與複製音色 |
cosyvoice-v3-flash | CosyVoice | V3 Flash | 低延遲、多語言系統音色 |
doubao-tts-2.0 | 豆包 | Seed TTS 2.0 | 自然且富有表現力的中文系統音色 |
gemini-3.8-flash-tts | Gemini 3.8 Flash | — | |
gemini-3.8-flash-lite-tts | Gemini 3.8 Flash Lite | — | |
elevenlabs-flash-v2.5 | ElevenLabs | Flash v2.5 | — |
elevenlabs-multilingual-v2 | ElevenLabs | Multilingual v2 | — |
可用模型以 GET /api/openapi.json 回傳的 TTS schema 為準。請優先選擇與 voiceId 所屬品牌一致的模型。
請求範例
{
"text": "你好，這是一段配音模型測試。",
"voiceId": "00a1b221-6137-4b73-ad62-b0cbce134167",
"modelId": "fishaudio-s21pro-flash",
"format": "mp3"
}完整說明請查看文字轉語音（同步）、文字轉語音（非同步）和 OpenAI 相容 TTS。