文档 · 语音合成

一个音色，而且一直是那个音色

语音合成只有一个别名 auto/tts，走 POST /v1/audio/speech。它背后有两个模型，切换条件只有一个：当前模型在上游被下线了。响应慢不换，被限流也不换。下面先讲它返回什么——和你想的可能不一样。

怎么调

curl https://tokenexchage.com/v1/audio/speech \
  -H "Authorization: Bearer sk-你的key" \
  -H "Content-Type: application/json" \
  -d '{"model":"auto/tts","input":"把这句话读出来。","voice":"zhimao"}'

返回的是 JSON，不是音频：

{
  "object":     "audio.speech",
  "url":        "https://dashscope-result-….oss-cn-beijing.aliyuncs.com/…",
  "expires_at": "2026-09-28T12:40:00Z",
  "format":     "wav"
}

趁 url 还没过期把它拉下来，或者转存到你自己控制的地方。那是对象存储的临时链接，不是永久 CDN 地址。

import requests

r = requests.post(
    "https://tokenexchage.com/v1/audio/speech",
    headers={"Authorization": "Bearer sk-你的key"},
    json={"model": "auto/tts",
          "input": "把这句话读出来。",
          "voice": "zhimao"},
).json()

audio = requests.get(r["url"]).content
open("out." + (r["format"] or "wav"), "wb").write(audio)

为什么不套 OpenAI 的形状

OpenAI 的 /v1/audio/speech 是在同一个连接上把音频字节流吐回来。我们不这么做，原因值得说清楚。

别名背后的模型返回的是一个临时地址。真要给你字节流，网关就得自己把音频拉下来再吐出去——意味着每一秒生成的音频都要在本机过两遍。对一个免费开放的功能，这笔带宽花得毫无意义。

所以形状是混合的：保持 JSON，把地址提到顶层，把格式标出来。这是整套接口里唯一一处我们明知偏离 OpenAI 契约的地方，写成文档而不是糊过去。

如果你现在的代码就是在调 OpenAI 的语音接口，需要改的只有一处：从返回值里读 url，而不是消费流。请求路径、鉴权头、model / input / voice 三个字段，全都不变。

别名会做什么、不会做什么

上游发生什么	你会得到
模型被下线（404 / 410）	列表里的下一个模型接手
超时	报错。还是同一个模型
被限流	报错。还是同一个模型
上游 5xx	报错。还是同一个模型