跳到主要内容

语音合成 / Text-to-Speech

把文本合成为语音文件，支持流式输出。走 /v1/audio/speech 端点，OpenAI 兼容。

基础用法​

from pathlib import Path
import openai

client = openai.OpenAI(
    api_key="your-api-key",
    base_url="https://live-turing.cn.llm.tcljd.com/api/v1",
)

speech_file = Path("hello.mp3")

response = client.audio.speech.create(
    model="turing/tts-1",
    voice="alloy",
    input="你好，今天天气不错。",
)
response.stream_to_file(speech_file)
curl $TURING_BASE_URL/audio/speech \
  -H "Authorization: Bearer $TURING_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "turing/tts-1",
    "voice": "alloy",
    "input": "你好，今天天气不错。"
  }' \
  --output hello.mp3

参数​

参数作用取值
modelTTS 模型以 音频模型列表 为准；示例使用 turing/tts-1
voice音色OpenAI: alloy / ash / ballad / coral / echo / sage / shimmer / verse；Qwen: Cherry / Serena 等
input要合成的文本UTF-8 字符串
response_format输出格式mp3（默认）/ wav / flac / opus / pcm / aac
speed语速0.25 – 4.0，默认 1.0

完整 schema：/api/create-speech

音色速查​

OpenAI 系（情感表达偏自然）：alloy、ash、ballad、coral、sage、verse（推荐）/ echo、shimmer、alloy（备用）。

Qwen Omni 系（中文更自然）：Cherry、Serena、Ethan、Dylan 等（完整列表见阿里云 DashScope 文档）。

流式输出​

stream_to_file 是便捷封装；底层是 chunked HTTP。想自己消费 stream：

with client.audio.speech.with_streaming_response.create(
    model="turing/tts-1",
    voice="alloy",
    input="...",
) as resp:
    with open("out.mp3", "wb") as f:
        for chunk in resp.iter_bytes():
            f.write(chunk)

计费​

按输入字符数计费（各厂商单价见 计费与用量）。语速、格式、音色不影响单价。

常见问题​

  • Qwen 音色在 OpenAI SDK 下报错 → model 要用 Qwen 的 TTS 模型名；音色名本身也要和模型匹配
  • 输出有杂音 → 换 response_format: "wav" 或改用 音频模型列表 中更高质量的 TTS 模型
  • 超长文本被截断 → 分段合成后拼接；单次输入建议 < 4096 字符
  • HTTPS 流断 → 客户端超时太短，加 timeout 或分段

See also​