Skip to main content
POST
Сгенерировать речь из текста (TTS)
Этот эндпоинт совместим с OpenAI SDK и подходит для быстрой миграции существующего кода. Для синтеза речи рекомендуется именно dedicated-эндпоинт /v1/audio/speech: здесь доступен полный диапазон speed (0.25–4.0) и согласованный набор параметров под каждое семейство моделей. Те же возможности доступны и через общий Media API, но там часть параметров (speed, instructions, ElevenLabs-only поля) ведёт себя иначе или ограничена.

Доступные модели

Разрешение голоса по семействам

Параметр voice интерпретируется Polza в зависимости от семейства модели. Передача голоса «не из своего» семейства не приводит к ошибке тихо — голос приводится к дефолту семейства:
В релизе 1.6.7 на каталоге доступны OpenAI и ElevenLabs. Семейства Gemini TTS / Kokoro / MAI Voice поддержаны на уровне разрешения голоса, но включаются отдельно.

Параметры запроса

Параметры ElevenLabs

Примеры

Пример с ElevenLabs + timestamps

Ответ (200)

Поле usage.characters присутствует для посимвольных моделей (tts-1/tts-1-hd); для токенных (gpt-4o-mini-tts) состав usage иной.

Пример ответа ElevenLabs с alignment


Генерация звуковых эффектов

Также доступна генерация звуков по текстовому описанию через тот же эндпоинт.

Параметры

Форматы вывода

  • mp3_22050_32 — MP3 22050Hz 32kbps
  • mp3_44100_32 — MP3 22050Hz 32kbps
  • mp3_44100_64 — MP3 44100Hz 64kbps
  • mp3_44100_128 — MP3 44100Hz 128kbps (рекомендуется)
  • mp3_44100_192 — MP3 44100Hz 192kbps

Пример

Описание звуковых эффектов должно быть на английском языке.

Авторизации

Authorization
string
header
обязательно

API ключ передаётся в заголовке: Authorization: Bearer <POLZA_AI_API_KEY>

Тело

application/json
input
string
обязательно

Текст для озвучивания (максимум 5000 символов)

Maximum string length: 5000
Пример:

"Привет! Это тестовое сообщение."

voice
string
обязательно

Голос для генерации речи. Допустимые значения зависят от модели: OpenAI (alloy, ash, ballad, coral, echo, fable, onyx, nova, sage, shimmer, verse), ElevenLabs (Rachel, Aria, Roger, Sarah и др.)

Пример:

"alloy"

model
string
по умолчанию:tts-1

ID модели для генерации речи

Пример:

"tts-1"

instructions
string

Инструкции для управления характеристиками голоса. Поддерживается только для gpt-4o-mini-tts, не работает с tts-1 и tts-1-hd

Maximum string length: 4096
Пример:

"Говори медленно и выразительно"

response_format
enum<string>
по умолчанию:mp3

Формат выходного аудио

Доступные опции:
mp3,
opus,
aac,
flac,
wav,
pcm
speed
number
по умолчанию:1

Скорость генерации речи (0.25 - 4.0)

Требуемый диапазон: 0.25 <= x <= 4
Пример:

1

stream_format
enum<string>

Формат потоковой передачи аудио. Не поддерживается для tts-1 и tts-1-hd

Доступные опции:
sse,
audio
user
string

Уникальный идентификатор конечного пользователя для отслеживания и предотвращения злоупотреблений

Пример:

"user-123"

stability
number

Стабильность голоса (0-1). Только для ElevenLabs

Требуемый диапазон: 0 <= x <= 1
Пример:

0.5

similarity_boost
number

Усиление схожести голоса (0-1). Только для ElevenLabs

Требуемый диапазон: 0 <= x <= 1
Пример:

0.75

style
number

Экспрессия стиля (0-1). Только для ElevenLabs

Требуемый диапазон: 0 <= x <= 1
Пример:

0

timestamps
boolean

Возвращать временные метки для каждого слова. Только для ElevenLabs

Пример:

false

previous_text
string

Предшествующий текст для улучшения непрерывности речи при конкатенации. Только для ElevenLabs

Maximum string length: 5000
next_text
string

Последующий текст для улучшения непрерывности речи при конкатенации. Только для ElevenLabs

Maximum string length: 5000
language_code
string

Код языка ISO 639-1. Только для ElevenLabs Turbo v2.5

Maximum string length: 10
Пример:

"ru"

Ответ

audio
string
обязательно

Base64-encoded аудио данные

Пример:

"SUQzBAAAAAAAI1RTU0UAAA..."

contentType
string
обязательно

Content-Type аудио

Пример:

"audio/mpeg"

model
string
обязательно

ID использованной модели

Пример:

"tts-1"

duration
number

Длительность аудио в секундах (если известна)

Пример:

5.2

usage
object

Информация об использовании

Пример:
alignment
object

Временные метки символов (при timestamps: true, ElevenLabs)