语音合成

POST /v1/audio/speech 与 OpenAI 语音接口一致：发送文字，返回音频文件。语音模型见模型目录 → 音频，部分按音频秒数计费，部分按每万字符输入计费。

#查询音色

curl https://bigmodel.io/v1/audio/voices \
  -H "Authorization: Bearer $BIGMODEL_API_KEY"

{"object": "list", "data": [{"id": "...", "name": "...", "language": "zh", "tags": ["female", "calm"]}]}

把音色的 id 作为 voice 传入。不传 voice 时使用模型默认音色。

#生成语音

curl https://bigmodel.io/v1/audio/speech \
  -H "Authorization: Bearer $BIGMODEL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "minimax-speech-2.8-turbo", "input": "欢迎使用 BigModel.io，一个 Key 调用所有模型。", "voice": "VOICE_ID"}' \
  --output speech.mp3

import os
from openai import OpenAI

client = OpenAI(base_url="https://bigmodel.io/v1", api_key=os.environ["BIGMODEL_API_KEY"])

with client.audio.speech.with_streaming_response.create(
    model="minimax-speech-2.8-turbo",
    voice="VOICE_ID",
    input="欢迎使用 BigModel.io，一个 Key 调用所有模型。",
) as response:
    response.stream_to_file("speech.mp3")

响应体就是音频文件，类型见 Content-Type（通常为 audio/mpeg），任务 ID 在 X-Task-Id 响应头中。

#长文本

请求最多等待 2 分钟。若届时音频还没生成好，会返回 202、一个任务（object: "audio.generation"）和 Location 响应头，而不是音频。之后用 GET /v1/audio/generations/{id} 查询，用 GET /v1/audio/generations/{id}/content 下载，见音乐、音效与音频工具。如需始终异步处理，把同样的请求体发到 POST /v1/audio/generations。

#计费方式

按万字符计费的模型按 input 的字符数计费；按秒计费的模型按生成音频的时长计费。在请求体中加 "dry_run": true 可获得 {"object": "quote", "estimated_cost_usd": ...} 报价，不会生成。失败的请求不收费。扣费记录在用量中。

#验证配置

先调用 /v1/audio/voices，再用其中一个 ID 运行生成示例。得到可播放的 speech.mp3 即说明 Key 可用。

#常见问题排查

400 “input is required” 或 “input must be at most 4000 characters”。 在 input 中传入文字，长文本请拆成多次请求。

400 “speed must be between 0.5 and 2”。 把语速设在这个范围内。

404 model_not_available。 该模型不对这个 Key 开放，或不是语音模型。用 GET /v1/models 查看。

402 insufficient_balance。 请到充值页面充值。

502 upstream_error。 语音未能生成，换个音色或文本再试。不收费。

/v1/audio/voices 的 data 为空。 Key 所在分组没有语音模型。

#相关文档

• 视频生成：数字人模型用配音作为 input_audio。
• 音乐、音效与音频工具。
• 定价：语音模型价格。