Введение
Отправьте текст для озвучивания и, по желанию, один из девяти голосов, короткую заметку о подаче и язык. Задача возвращает один файл MP3 (моно, 24 кГц) со сценарием, прочитанным этим голосом. instructions принимает указания на простом языке, такие как тон, эмоция или темп, и не произносится вслух. SpicyAPI не применяет никакого контент-фильтра: NSFW-сценарии зачитываются в точности как написано. Тарификация идёт за каждую 1000 символов отправленного текста, с минимумом 100 символов.
| Характеристика | Значение |
|---|---|
| Ввод | Текст |
| Вывод | Аудио |
| Обязательное поле | text — от 1 до 2000 символов |
| Необязательные поля |
|
| Результат | Один файл MP3, 24 кГц, моно |
| Тарифицируемое количество | Символы отправленного text, за каждую 1000; минимум 100 |
| Типичное время | Около 30 секунд на 300 символов |
| Хранение | Сгенерированный звук хранится 14 дней |
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
text | Да | Слова, которые нужно произнести, в точности как написано. Тарификация за каждую 1000 символов, минимум 100 за запрос. Не менее 1 символов · Не более 2000 символов |
voice_id | Нет | Один из девяти готовых голосов. По умолчанию — Serena. |
instructions | Нет | Указание на простом языке о тоне, эмоции или темпе. Формирует подачу и не произносится. Не более 1000 символов |
language | Нет | Язык чтения. auto определяет его по сценарию. |
Стоимость
$0.068 / 1000 символов
Тарификация за каждую 1000 символов отправленного текста, включая пробелы и знаки препинания, с минимумом 100 символов за запрос. Смета перед запуском — окончательная цена.
Сценарии использования
Голоса персонажей и компаньонов
Девять разных голосов — от ярких и резких до низких и мягких — каждый с короткой заметкой о манере речи, сохраняемой на протяжении всей серии.
Реплики на китайском, японском и корейском
Dylan и Eric говорят на пекинском и сычуаньском диалектах, а Ono_Anna и Sohee — голоса носителей японского и корейского языков, поэтому реплики на этих языках звучат естественно, а не с акцентом.
Аудиоистории без цензуры
NSFW-сценарии зачитываются в точности как написано. В наших тестах модель произнесла каждое слово монологов и закадрового текста, которые мы отправили, ничего не пропуская и не обрывая клип раньше времени.
Голосовые дорожки для видео
Сгенерируйте реплику здесь, а затем передайте MP3-файл модели talking-avatar или lip-sync, чтобы её сыграло лицо.
Руководство по промптам и практические советы
Отправьте сценарий в text
Напишите его в точности так, как он должен прозвучать, включая пунктуацию для пауз. До 2000 символов; меньше 100 тарифицируется как 100.
Выберите голос
По умолчанию
voice_id— Serena, тёплый, мягкий женский голос. Ryan и Aiden — английские мужские голоса; Ono_Anna и Sohee — японский и корейский; Dylan и Eric говорят на пекинском и сычуаньском диалектах.Опишите подачу
Напишите одно-два предложения в instructions — например «запыхавшись и дразняще, близко к микрофону». Этот текст не произносится вслух.
Что возвращается
Один файл MP3 на задачу, моно, 24 кГц. Файл копируется в хранилище SpicyAPI и хранится 14 дней. Результат не содержит пословных таймингов или субтитров.
Выбор голоса
voice_id принимает один из девяти готовых голосов, по умолчанию Serena:
Serena— тёплый, мягкий молодой женский голосVivian— яркий, слегка резкий молодой женский голосUncle_Fu— опытный мужской голос с низким, мягким тембромRyan— динамичный мужской голос с сильным ритмическим драйвомAiden— солнечный американский мужской голосOno_Anna— игривый японский женский голосSohee— тёплый, эмоциональный корейский женский голосDylan— молодой мужской голос, говорящий на пекинском диалектеEric— живой мужской голос, говорящий на сычуаньском диалекте (Чэнду)
Управление подачей
instructions принимает одно-два предложения на простом языке о том, как читать: тон, эмоция, темп. Это формирует исполнение и не произносится. Ползунки скорости и высоты тона не предусмотрены; запрашивайте их в instructions.
Язык
По умолчанию language — auto, что определяет язык по сценарию. Задайте zh, en, de, fr, es, it, pt, ru, ja или ko, когда короткий или многоязычный сценарий читается не на том языке.
Тарификация
Тарификация за каждую 1000 символов text, включая пробелы, знаки препинания и переносы строк, с минимумом 100 символов за запрос; instructions бесплатны. Число символов известно ещё до начала задачи, поэтому смета — это и есть окончательная сумма. Неудачные запросы не тарифицируются.
Контент
SpicyAPI не добавляет никакого контент-фильтра. В наших тестах тексты без фильтров читались слово в слово, без пропусков и без преждевременного обрыва клипа.
SpicyAPI не добавляет никакого контент-фильтра: NSFW-сценарии зачитываются в точности как написано. Вы несёте ответственность за отправляемые сценарии и за то, как используете полученный звук, включая недопустимость выдавать его за слова реального человека.
Быстрый старт 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"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.
