소개
읽을 텍스트와 함께, 선택 사항으로 사전 설정 목소리, 전달 방식에 대한 짧은 메모, 언어를 보내십시오. 작업은 그 목소리로 스크립트를 읽은 오디오 파일 하나를 반환하며, output_format이나 sample_rate를 설정하지 않으면 24kHz 모노 MP3입니다. speed, pitch, volume으로 전달 방식을 조정합니다. instructions에는 어조, 감정, 속도, 음량 같은 지시를 쉬운 말로 적을 수 있으며, 이 내용은 소리 내어 읽히지 않습니다. SpicyAPI는 콘텐츠 필터를 적용하지 않으므로 보낸 스크립트가 그대로 들립니다. 과금은 보낸 텍스트 1,000자 단위입니다.
| 항목 | 값 |
|---|---|
| 입력 | 텍스트 |
| 출력 | 오디오 |
| 필수 필드 | text — 1~5,000자 |
| 선택 필드 |
|
| 결과 | 오디오 파일 1개(기본값 MP3·24kHz·모노, Ogg Opus 가능) |
| 과금 단위 | 보낸 text의 글자 수, 1,000자당 |
| 일반적인 처리 시간 | 300자 기준 약 8초 |
| 보관 기간 | 생성된 오디오는 14일간 보관됩니다 |
요청 파라미터
| 파라미터 | 필수 | 설명 |
|---|---|---|
text | 예 | 실제로 말할 단어를 적힌 그대로 작성합니다. 공백과 문장 부호를 포함해 1,000자마다 과금됩니다. 1자 이상 · 5000자 이하 |
voice_id | 아니요 | 41가지 프리셋 보이스 중 하나입니다. 접미사는 해당 보이스가 지원하는 언어를 나타냅니다. |
instructions | 아니요 | 어조·감정·속도·음량에 대한 평이한 언어의 지시입니다. 낭독 방식을 결정할 뿐 소리 내어 읽히지 않습니다. 1000자 이하 |
speed | 아니요 | 말하는 속도를 0.5(느리게)부터 2(빠르게)까지로 지정합니다. 1이 음성의 보통 속도입니다. |
pitch | 아니요 | 음높이를 반음 단위로 -12부터 12까지 이동합니다. 0이면 음성 본래의 높이를 유지합니다. |
volume | 아니요 | 음량 배율을 0.5부터 2까지로 지정합니다. 1이 보통 음량입니다. |
language | 아니요 | 낭독 언어를 강제로 지정합니다. 비워두면 스크립트에서 자동으로 감지됩니다. |
output_format | 아니요 | 파일 형식입니다. mp3(기본값) 또는 같은 품질에서 크기가 더 작은 Ogg Opus 파일인 opus를 고릅니다. |
sample_rate | 아니요 | 오디오의 샘플링 레이트(Hz)입니다. 8000, 16000, 22050, 24000, 32000, 44100, 48000 중에서 고릅니다. |
요금
$0.072 / 1,000자
보낸 텍스트 1,000자마다 과금되며, 공백과 문장 부호도 글자 수에 포함됩니다. 실행 전에 표시되는 견적이 최종 가격입니다.
활용 사례
짧은 영상용 보이스오버
설명 영상, 제품 클립, 소셜 게시물용 내레이션입니다. 가격이 스크립트 길이로 정해지므로 시작 전에 배치 비용을 알 수 있습니다.
다국어 콘텐츠
같은 스크립트를 영어, 일본어, 스페인어, 독일어 등으로 읽어주세요. 여러 보이스가 같은 음색을 유지한 채 두 가지 이상의 언어를 말하도록 만들어졌습니다.
무검열 오디오 스토리
스크립트는 아무리 대담해도 쓴 그대로 음성이 됩니다. 저희 테스트에서 모델은 보낸 가장 강한 독백과 내레이션 장면의 모든 단어를 읽었고, 건너뛰거나 중간에 끊지 않았습니다.
캐릭터 보이스
각 캐릭터에게 프리셋 보이스와 말투에 대한 한 줄 메모(숨 가쁘게, 나른하게, 장난스럽게 등)를 부여하고, 시리즈 전체에서 그대로 유지하세요.
프롬프트 가이드 및 실전 팁
스크립트를 text로 보내기
멈춤을 위한 문장 부호를 포함해 실제로 말할 그대로 작성하세요. 최대 5,000자까지 가능합니다.
보이스 선택하기
voice_id의 기본값은 stokie_en입니다. 각 보이스 이름의 접미사는 해당 보이스가 지원하는 언어를 나타냅니다. 예: _en, _ja_es.
낭독 방식 설명하기
instructions에 한두 문장을 적으십시오. 예: '천천히, 낮고 가까이에서, 한 사람에게 말하듯이'. 이 내용은 소리 내어 읽히지 않습니다.
반환되는 결과
작업당 오디오 파일 하나를 반환합니다. output_format이나 sample_rate를 바꾸지 않으면 24kHz 모노 MP3입니다. 파일은 SpicyAPI 스토리지에 복사되어 14일간 보관됩니다. 결과에는 단어별 타이밍 정보나 자막이 포함되지 않습니다.
보이스 선택하기
voice_id는 41가지 프리셋 보이스 중 하나를 받으며 기본값은 stokie_en입니다. 각 보이스 이름의 접미사는 지원 언어를 나열합니다. tim_en은 영어, minimi_ja는 일본어, sven_de는 독일어이며, jess_ja_es_id_pt_en_zh는 여러 언어를 지원합니다. 여러 언어를 지원하는 보이스는 언어가 달라져도 같은 음색을 유지합니다.
낭독 연출하기
instructions에는 어조·감정·속도·음량 등 낭독 방식에 대한 한두 문장을 평이한 언어로 담을 수 있습니다. 이는 표현 방식을 결정할 뿐 소리 내어 읽히지 않습니다. 정확한 값을 원하면 speed(0.52), 12 반음), pitch(-12volume(0.5~2) 전용 슬라이더를 쓸 수 있습니다.
출력 형식
output_format으로 mp3(기본값) 또는 같은 품질에서 크기가 더 작은 Ogg Opus 파일인 opus를 고르고, sample_rate는 8000~48000Hz에서 고릅니다. 어느 것도 가격에는 영향이 없습니다.
언어
언어는 스크립트에서 자동으로 감지됩니다. 짧거나 여러 언어가 섞인 스크립트가 잘못된 언어로 읽힐 때는 language로 zh, en, ja, es-mx, id, pt-br, ko, it, de, fr 중 하나를 강제로 지정할 수 있습니다.
과금
공백, 문장 부호, 줄 바꿈을 포함한 text의 1,000자마다 과금되며, instructions는 무료입니다. 글자 수는 작업이 시작되기 전에 이미 확정되므로, 견적이 곧 최종 청구액입니다. 실패한 요청에는 요금이 부과되지 않습니다.
콘텐츠
SpicyAPI는 콘텐츠 필터를 추가하지 않습니다. 저희 테스트에서는 가장 강한 스크립트도 한 단어도 빠짐없이 음성으로 나왔고, 건너뛴 부분이나 중간에 끝난 클립은 없었습니다.
SpicyAPI는 콘텐츠 필터를 전혀 추가하지 않으며, NSFW 스크립트도 적힌 그대로 읽습니다. 보내는 스크립트와 생성된 오디오의 사용 방식(실제 인물의 발언인 것처럼 제시하지 않는 것 포함)에 대한 책임은 사용자에게 있습니다.
API 빠른 시작
# 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "bytedance/seed-speech-2.0/text-to-speech",
"input": {
"text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
"voice_id": "stokie_en",
"output_format": "mp3"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
인증, 전체 스키마, 폴링과 오류 처리는 API 레퍼런스에서 확인하세요.