Introduzione
Invia il testo da leggere e, facoltativamente, una delle nove voci, una breve nota sulla resa e una lingua. Il task restituisce un file MP3 (mono, 24 kHz) con lo script letto in quella voce. instructions accetta indicazioni in linguaggio semplice come tono, emozione o ritmo e non viene letto ad alta voce. SpicyAPI non applica alcun filtro sui contenuti: gli script NSFW vengono letti così come sono scritti. Sei fatturato ogni 1.000 caratteri del testo che invii, con un minimo di 100 caratteri.
| Campo | Valore |
|---|---|
| Input | Testo |
| Output | Audio |
| Campo obbligatorio | text — da 1 a 2.000 caratteri |
| Campi facoltativi |
|
| Risultato | Un file MP3, 24 kHz, mono |
| Quantità fatturata | Caratteri di text inviati, ogni 1.000; minimo 100 |
| Tempo tipico | Circa 30 secondi per 300 caratteri |
| Conservazione | L'audio generato viene conservato per 14 giorni |
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
text | Sì | Le parole da pronunciare, esattamente come scritte. Fatturato ogni 1.000 caratteri, con un minimo di 100 per richiesta. almeno 1 caratteri · al massimo 2000 caratteri |
voice_id | No | Una delle nove voci predefinite. Il valore predefinito è Serena. |
instructions | No | Indicazione in linguaggio semplice su tono, emozione o ritmo. Plasma la resa e non viene pronunciato. al massimo 1000 caratteri |
language | No | Lingua della lettura. auto la rileva dallo script. |
Prezzi
$0.068 / 1.000 caratteri
Fatturato ogni 1.000 caratteri del testo inviato, contando spazi e punteggiatura, con un minimo di 100 caratteri per richiesta. Il preventivo mostrato prima dell'esecuzione è il prezzo finale.
Casi d’uso
Voci per personaggi e compagni
Nove voci distinte — da brillanti e taglienti a gravi e morbide — ciascuna con una breve nota su come parla, mantenuta identica per tutta una serie.
Battute in cinese, giapponese e coreano
Dylan ed Eric parlano i dialetti di Pechino e del Sichuan, e Ono_Anna e Sohee sono voci native in giapponese e coreano, quindi le battute in quelle lingue suonano naturali invece che con accento.
Storie audio senza censura
Gli script NSFW vengono letti così come sono scritti. Nei nostri test il modello ha pronunciato ogni parola dei monologhi e delle narrazioni che abbiamo inviato, senza saltare nulla né tagliare la clip in anticipo.
Tracce vocali per video
Genera la battuta qui, poi passa il file MP3 a un modello talking-avatar o lip-sync perché un volto la interpreti.
Consigli avanzati
Invia lo script in text
Scrivilo esattamente come deve essere pronunciato, con la punteggiatura per le pause. Fino a 2.000 caratteri; sotto i 100 viene addebitato come 100.
Scegli una voce
voice_idusa Serena come valore predefinito, una voce femminile calda e delicata. Ryan e Aiden sono voci maschili inglesi; Ono_Anna e Sohee sono giapponese e coreana; Dylan ed Eric parlano i dialetti di Pechino e del Sichuan.Descrivi la resa
Scrivi una o due frasi in instructions — per esempio «senza fiato e provocante, vicino al microfono». Non viene letto ad alta voce.
Cosa restituisce
Un file MP3 per task, mono a 24 kHz. Il file viene copiato nello storage di SpicyAPI e conservato per 14 giorni. Il risultato non include timing per parola né sottotitoli.
Scegliere una voce
voice_id accetta una delle nove voci predefinite e usa Serena come valore predefinito:
Serena— voce femminile giovane, calda e delicataVivian— voce femminile giovane, brillante e un po' taglienteUncle_Fu— voce maschile esperta, dal timbro grave e morbidoRyan— voce maschile dinamica, con un forte impulso ritmicoAiden— voce maschile americana solareOno_Anna— voce femminile giapponese giocosaSohee— voce femminile coreana calda ed emotivaDylan— voce maschile giovane che parla il dialetto di PechinoEric— voce maschile vivace che parla il dialetto del Sichuan (Chengdu)
Dirigere la resa
instructions accetta una o due frasi in linguaggio semplice su come leggere: tono, emozione, ritmo. Plasma la performance e non viene pronunciato. Velocità e tono non sono esposti come controlli: chiedili in instructions.
Lingua
language usa auto come valore predefinito, che rileva la lingua dallo script. Imposta zh, en, de, fr, es, it, pt, ru, ja o ko quando uno script breve o in più lingue viene letto nella lingua sbagliata.
Fatturazione
Fatturato ogni 1.000 caratteri di text, contando spazi, punteggiatura e interruzioni di riga, con un minimo di 100 caratteri per richiesta; instructions è gratuito. Il numero di caratteri si conosce prima che il task inizi, quindi il preventivo è l'addebito finale. Le richieste fallite non vengono addebitate.
Contenuti
SpicyAPI non applica alcun filtro sui contenuti. Nei nostri test i copioni non filtrati sono stati letti parola per parola, senza saltare nulla e senza che alcuna clip finisse in anticipo.
SpicyAPI non applica alcun filtro sui contenuti: gli script NSFW vengono letti così come sono scritti. Sei responsabile degli script che invii e di come usi l'audio risultante, incluso non farlo passare per le parole di una persona reale.
Avvio rapido dell’API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/qwen-3-tts/text-to-speech",
"input": {
"text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
"language": "auto",
"voice_id": "Serena"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
