Create speech ​

POST https://openqiao.com/api/v1/audio/speech

Create speech 接口将输入文本转换为音频（文本转语音，Text-to-Speech），兼容 OpenAI 的 Create speech 接口。

本接口默认返回一个 JSON 响应，包含 base64 编码的音频和 token 用量。将 stream 设为 true 可改为以 Server-Sent Events 形式增量接收音频。音频编码由 response_format 参数控制。

Request headers ​

Authorization string * ​

Bearer Token 鉴权，格式为 Bearer $OPENQIAO_API_KEY。

Content-Type string * ​

请求内容类型，默认值为 application/json。

Request ​

model string * ​

要使用的模型 ID，格式为 <供应商>/<模型名称>。

input string * ​

要合成为语音的文本，不能为空。

voice string 可选 ​

供应商特定的音色标识符，用于生成音频。可取的值取决于具体模型。

response_format string 可选 ​

输出音频编码，因供应商而异，默认值为 pcm。不支持的取值将返回 400 错误。

• pcm — 裸 PCM 音频（有符号 16 位小端序，单声道，24 kHz，无容器封装）。

stream boolean 可选 ​

是否流式返回音频，默认值为 false。

• false — 返回单个 JSON 响应，包含完整的 base64 音频和 token 用量。
• true — 以 Server-Sent Events 形式返回音频（Content-Type: text/event-stream），与 OpenAI 的流式格式一致。音频以 base64 编码包含在 speech.audio.delta 事件中（每个音频块一个，并各自携带 mime_type），随后是携带 token 用量的 speech.audio.done 事件，最后是 [DONE] 事件。

speed number 可选 ​

可选的播放速度倍率，必须为正数。仅部分模型支持。

Response ​

非流式（默认） ​

请求成功时，响应为一个 JSON 对象，包含 base64 编码的音频、其媒体类型和 token 用量：

{
  "model": "google/gemini-3.1-flash-tts-preview",
  "audio": "<base64 编码的音频字节>",
  "mime_type": "audio/L16;rate=24000",
  "usage": {
    "input_tokens": 5,
    "output_tokens": 109,
    "total_tokens": 114
  }
}

• audio — base64 编码的裸音频，格式为所请求的 response_format（默认 PCM）。解码后即得到音频字节。
• mime_type — 供应商返回的音频媒体类型（如 audio/L16;rate=24000），便于封装或播放。
• usage — token 用量，包含 input_tokens、output_tokens 和 total_tokens。

流式（stream: true） ​

响应为 text/event-stream 的 Server-Sent Events 流。每个事件是一行 data:，内含一个 JSON 对象：

data: {"type":"speech.audio.delta","audio":"<base64 编码的音频字节>","mime_type":"audio/L16;rate=24000"}

data: {"type":"speech.audio.done","usage":{"input_tokens":5,"output_tokens":109,"total_tokens":114}}

data: [DONE]

• speech.audio.delta — 携带一个 base64 编码的音频块及其 mime_type（供应商返回的该块媒体类型）。将所有 delta 拼接并解码后，即得到与非流式 audio 字段相同的字节。
• speech.audio.done — 携带 token usage 对象，包含 input_tokens、output_tokens 和 total_tokens。
• [DONE] — 标志流结束。

发生错误时，接口返回 JSON 对象而非音频：

{
  "error": {
    "code": "...",
    "type": "...",
    "message": "..."
  }
}

curl https://openqiao.com/api/v1/audio/speech \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENQIAO_API_KEY" \
  -d '{
    "model": "google/gemini-3.1-flash-tts-preview",
    "input": "开桥 is an LLM API aggregation service.",
    "voice": "Kore",
    "response_format": "pcm"
  }'

const response = await fetch("https://openqiao.com/api/v1/audio/speech", {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
    Authorization: `Bearer ${process.env.OPENQIAO_API_KEY}`, 
  },
  body: JSON.stringify({
    model: "google/gemini-3.1-flash-tts-preview",
    input: "开桥 is an LLM API aggregation service.",
    voice: "Kore",
    response_format: "pcm",
  }),
});

const { audio } = await response.json();
// 将 base64 音频解码为裸字节。
const bytes = Buffer.from(audio, "base64");
await import("node:fs/promises").then(fs => fs.writeFile("speech.pcm", bytes));

import base64
import os
import requests

response = requests.post(
    "https://openqiao.com/api/v1/audio/speech",
    headers={
        "Content-Type": "application/json",
        "Authorization": f"Bearer {os.environ['OPENQIAO_API_KEY']}",  
    },
    json={
        "model": "google/gemini-3.1-flash-tts-preview",
        "input": "开桥 is an LLM API aggregation service.",
        "voice": "Kore",
        "response_format": "pcm",
    },
)

# 将 base64 音频解码为裸字节。
with open("speech.pcm", "wb") as f:
    f.write(base64.b64decode(response.json()["audio"]))

{
  "model": "google/gemini-3.1-flash-tts-preview",
  "audio": "<base64 编码的音频字节>",
  "mime_type": "audio/L16;rate=24000",
  "usage": {
    "input_tokens": 5,
    "output_tokens": 109,
    "total_tokens": 114
  }
}

若希望以 Server-Sent Events 形式接收音频，将 stream 设为 true：

curl https://openqiao.com/api/v1/audio/speech \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENQIAO_API_KEY" \
  -d '{
    "model": "google/gemini-3.1-flash-tts-preview",
    "input": "开桥 is an LLM API aggregation service.",
    "voice": "Kore",
    "response_format": "pcm",
    "stream": true
  }'

Content-Type: text/event-stream

data: {"type":"speech.audio.delta","audio":"<base64 编码的音频字节>","mime_type":"audio/L16;rate=24000"}

data: {"type":"speech.audio.done","usage":{"input_tokens":5,"output_tokens":109,"total_tokens":114}}

data: [DONE]