Wprowadzenie
Wyślij tekst do odczytania oraz opcjonalnie jeden z dziewięciu głosów, krótką notatkę o sposobie odczytu i język. Zadanie zwraca jeden plik MP3 (mono, 24 kHz) ze skryptem odczytanym tym głosem. instructions przyjmuje wskazówki w prostym języku, takie jak ton, emocje lub tempo, i nie jest odczytywane na głos. SpicyAPI nie stosuje żadnego filtra treści: skrypty NSFW są czytane dokładnie tak, jak zostały napisane. Opłata naliczana jest za każde 1000 znaków wysłanego tekstu, z minimum 100 znaków.
| Pole | Wartość |
|---|---|
| Wejście | Tekst |
| Wyjście | Audio |
| Pole wymagane | text — od 1 do 2000 znaków |
| Pola opcjonalne |
|
| Wynik | Jeden plik MP3, 24 kHz, mono |
| Rozliczana ilość | Znaki wysłanego text, za każde 1000; minimum 100 |
| Typowy czas | Około 30 sekund dla 300 znaków |
| Przechowywanie | Wygenerowane nagrania są przechowywane przez 14 dni |
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
text | Tak | Słowa, które mają zostać wypowiedziane, dokładnie tak, jak zostały napisane. Opłata naliczana za każde 1000 znaków, z minimum 100 na żądanie. od 1 znaków · do 2000 znaków |
voice_id | Nie | Jeden z dziewięciu gotowych głosów. Domyślnie Serena. |
instructions | Nie | Wskazówka w prostym języku dotycząca tonu, emocji lub tempa. Kształtuje sposób odczytu i nie jest wypowiadana na głos. do 1000 znaków |
language | Nie | Język odczytu. Wartość auto wykrywa go na podstawie skryptu. |
Cennik
$0.068 / 1000 znaków
Opłata naliczana za każde 1000 znaków wysłanego tekstu, licząc spacje i znaki interpunkcyjne, z minimum 100 znaków na żądanie. Wycena pokazana przed uruchomieniem jest ceną ostateczną.
Zastosowania
Głosy postaci i towarzyszy
Dziewięć różnych głosów — od jasnych i ostrych po niskie i stonowane — każdy z krótką notatką o sposobie mówienia, zachowaną przez całą serię.
Kwestie po chińsku, japońsku i koreańsku
Dylan i Eric mówią dialektem pekińskim i syczuańskim, a Ono_Anna i Sohee to natywne głosy japoński i koreański, więc kwestie w tych językach brzmią naturalnie, a nie z akcentem.
Nieocenzurowane historie audio
Skrypty NSFW są czytane dokładnie tak, jak zostały napisane. W naszych testach model wypowiedział każde słowo wysłanych monologów i narracji, bez pomijania czegokolwiek i bez urywania klipu przed czasem.
Ścieżki głosowe do wideo
Wygeneruj tutaj kwestię, a następnie przekaż plik MP3 do modelu talking-avatar lub lip-sync, aby odegrała ją twarz.
Wskazówki
Wyślij skrypt w text
Napisz go dokładnie tak, jak ma zostać wypowiedziany, z interpunkcją wyznaczającą pauzy. Do 2000 znaków; poniżej 100 opłata jest naliczana jak za 100.
Wybierz głos
Domyślną wartością
voice_idjest Serena, ciepły, delikatny głos kobiecy. Ryan i Aiden to angielskie głosy męskie; Ono_Anna i Sohee to głosy japoński i koreański; Dylan i Eric mówią dialektem pekińskim i syczuańskim.Opisz sposób odczytu
Wpisz jedno lub dwa zdania w instructions — na przykład „zdyszanym, przekornym tonem, blisko mikrofonu”. Ten tekst nie jest odczytywany na głos.
Co zwraca
Jeden plik MP3 na zadanie, mono, 24 kHz. Plik jest kopiowany do zasobów SpicyAPI i przechowywany przez 14 dni. Wynik nie zawiera znaczników czasowych dla poszczególnych słów ani napisów.
Wybór głosu
voice_id przyjmuje jeden z dziewięciu gotowych głosów, domyślnie Serena:
Serena— ciepły, delikatny młody głos kobiecyVivian— jasny, lekko ostry młody głos kobiecyUncle_Fu— doświadczony głos męski o niskiej, stonowanej barwieRyan— dynamiczny głos męski o silnym pulsie rytmicznymAiden— pogodny amerykański głos męskiOno_Anna— figlarny japoński głos kobiecySohee— ciepły, emocjonalny koreański głos kobiecyDylan— młodzieńczy głos męski mówiący dialektem pekińskimEric— energiczny głos męski mówiący dialektem syczuańskim (Chengdu)
Kierowanie sposobem odczytu
instructions przyjmuje jedno lub dwa zdania w prostym języku o tym, jak czytać: ton, emocje, tempo. Kształtuje sposób wykonania i nie jest wypowiadane na głos. Suwaki prędkości i wysokości tonu nie są dostępne — poproś o nie w instructions.
Język
language domyślnie ma wartość auto, która wykrywa język na podstawie skryptu. Ustaw zh, en, de, fr, es, it, pt, ru, ja lub ko, gdy krótki lub wielojęzyczny skrypt jest czytany w niewłaściwym języku.
Rozliczenie
Opłata naliczana za każde 1000 znaków text, licząc spacje, znaki interpunkcyjne i znaki nowej linii, z minimum 100 znaków na żądanie; instructions jest bezpłatne. Liczba znaków jest znana jeszcze przed rozpoczęciem zadania, więc wycena jest ostateczną opłatą. Nieudane żądania nie są obciążane opłatą.
Treść
SpicyAPI nie dodaje żadnego filtra treści. W naszych testach niefiltrowane scenariusze były odczytywane słowo w słowo, bez pomijania czegokolwiek i bez przedwczesnego urywania klipów.
SpicyAPI nie dodaje żadnego filtra treści: skrypty NSFW są czytane dokładnie tak, jak zostały napisane. Odpowiadasz za wysyłane skrypty oraz za sposób wykorzystania powstałego nagrania, w tym za to, by nie przedstawiać go jako wypowiedzi prawdziwej osoby.
Szybki start z 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"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
