API 文档

基础地址

所有 API 路径以 /v1 开头，兼容 OpenAI 格式。

鉴权方式

在请求头携带 API Key：

Authorization: Bearer sk-wxtts-xxx

在控制台「API Key 管理」创建 Key，格式为 sk-wxtts- 前缀。

POST /audio/speech

文字转语音，兼容 OpenAI 接口。

curl -X POST https://api.wxtts.com/v1/audio/speech \
  -H "Authorization: Bearer sk-wxtts-xxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "input": "你好，欢迎使用王小听。",
    "voice": "xiaoxiao",
    "response_format": "mp3",
    "speed": 1.0,
    "pitch": 1.0
  }' --output speech.mp3

响应格式

默认返回 JSON，音频以 base64 编码：

{
  "code": 0,
  "data": {
    "audioBase64": "UklGRiQAAABXQVZF...",
    "format": "mp3",
    "charCount": 12,
    "voice": "xiaoxiao",
    "model": "tts-1",
    "timestamps": [
      { "beginTime": 0, "endTime": 1500, "text": "你好，欢迎使用王小听。" }
    ]
  }
}

设置请求头 Accept: audio/mpeg 可直接返回二进制音频流，响应头包含 X-Char-Count（字符数）、X-Voice（音色）、X-Model（模型）。

其他接口

• GET /v1/voices — 获取音色列表
• GET /v1/models — 获取可用模型列表
• GET /v1/usage — 查询当前用量

SSML 支持

在 input 字段中使用 SSML 标签可控制停顿、语速音调、强调等。后端会自动解析标签分段合成拼接，无 SSML 标签时按普通文本处理。

<speak>
  你好，欢迎使用王小听。
  <break time="500ms"/>
  <prosody rate="0.8" pitch="1.1">这里是慢速高音调片段。</prosody>
  <emphasis>重点强调内容</emphasis>
</speak>

多说话人对话

使用 <dialog> 包裹多段 <speaker voice="音色ID">文本</speaker> 实现一段文本多角色配音，每个说话人使用不同音色，对话之间自动插入 300ms 短停顿。

<dialog>
<speaker voice="longanhuan">你好，今天天气真好。</speaker>
<speaker voice="longanyang">是啊，我们去公园散步吧。</speaker>
<speaker voice="longanhuan">好主意，走吧！</speaker>
</dialog>

流式 TTS

POST /v1/audio/speech/stream 按句切分，每段合成完成立即推送 PCM 字节流（16-bit 单声道），实现首字低延迟播放。响应 Content-Type: audio/pcm。前端使用 fetch + ReadableStream 读取，AudioContext 解码播放。流式接口固定输出 PCM，不支持 mp3/wav。

// 浏览器 fetch + ReadableStream 流式播放
const resp = await fetch("https://api.wxtts.com/v1/audio/speech/stream", {
  method: "POST",
  headers: {
    "Authorization": "Bearer sk-wxtts-xxx",
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "tts-1",
    input: "长文本将按句切分，每段合成完成立即推送 PCM 流，实现首字低延迟。",
    voice: "longanhuan"
  })
});

const reader = resp.body.getReader();
const audioCtx = new AudioContext({ sampleRate: 22050 });
while (true) {
  const { done, value } = await reader.read();
  if (done) break;
  // value 为 16-bit PCM 字节，用 AudioBufferSourceNode 播放
  const audioBuffer = pcmToAudioBuffer(value, 22050);
  const src = audioCtx.createBufferSource();
  src.buffer = audioBuffer;
  src.connect(audioCtx.destination);
  src.start();
}

错误码

限流策略

超限返回 429。