API 參考

音訊與 TTS

透過統一的 OpenAI 相容 API 進行文字轉語音及語音轉文字。存取來自 OpenAI、ElevenLabs 及其他音訊供應商的模型。

文字轉語音

http
POST https://api.tokspan.com/v1/audio/speech

參數

參數類型必要說明
modelstring是TTS 模型：tts-1、tts-1-hd、gpt-4o-mini-tts
inputstring是要轉換為語音的文字（最大 4096 字元）
voicestring是語音：alloy、echo、fable、onyx、nova、shimmer
response_formatstring否mp3（預設）、opus、aac、flac、wav、pcm
speednumber否播放速度：0.25 到 4.0。預設值：1.0

範例

python
from openai import OpenAI

client = OpenAI(
    api_key="sk-your-key",
    base_url="https://api.tokspan.com/v1",
)

# Text-to-Speech
response = client.audio.speech.create(
    model="tts-1",
    voice="alloy",
    input="Hello! Welcome to TokSpan.",
)
response.stream_to_file("output.mp3")

語音轉文字

http
POST https://api.tokspan.com/v1/audio/transcriptions

參數

參數類型必要說明
modelstring是STT 模型：whisper-1
filefile是音訊檔案（mp3、mp4、mpeg、mpga、m4a、wav、webm）
languagestring否ISO 639-1 語言代碼以獲得更好準確度
response_formatstring否json（預設）、text、srt、vtt、verbose_json
temperaturenumber否取樣溫度（0–1）。預設值：0

範例

python
# Speech-to-Text (Whisper)
audio_file = open("audio.mp3", "rb")
transcript = client.audio.transcriptions.create(
    model="whisper-1",
    file=audio_file,
    response_format="text",
)
print(transcript)

可用模型

請參閱模型頁面了解所有支援的 TTS 和 STT 供應商，包含 OpenAI TTS、Whisper 和 ElevenLabs。