Перейти к содержанию

Синтез речи OpenAI

POST /openai/api/v1/audio/speech синтезирует речь моделью gpt-4o-mini-tts. Поля описаны в документации OpenAI Create speech.

curl https://hub.coreinfra.ai/openai/api/v1/audio/speech \
-H "Authorization: Bearer $COREINFRA_API_KEY" \
-H 'Content-Type: application/json' \
-d '{"model":"gpt-4o-mini-tts","input":"4","voice":"alloy"}' \
--output speech.mp3

Ответ — аудиобайты. Для этого запроса фрагмент заголовка ответа:

Content-Type: audio/mpeg

Отличия от API OpenAI​

Формат ответа определяется полем stream_format:

  • sse — события speech.audio.delta с base64-аудио и speech.audio.done с использованием; передаются как строки data:.
  • audio, отсутствие поля или null — декодированные аудиобайты. Если response_format не задан, используется MP3 и Content-Type: audio/mpeg.

Другие строки и неверный JSON-тип stream_format отклоняются со статус-кодом 400. Между протоколами запрос не преобразуется. Действует общий лимит размера тела.

До отправки резервируются оцененные входные текстовые и выходные аудиотокены. Списание определяется данными использования по тарифу модели; подробности — на странице «Стоимость синтеза и распознавания речи».

Ошибки​

Статус-кодУсловиеПоля ошибки
400Неподдерживаемая строка stream_formattype: invalid_request_error, param: stream_format, code: invalid_value
400Неверный JSON-тип stream_formattype: invalid_request_error, param: stream_format, code: invalid_type
400Отсутствующая или неподдерживаемая модельtype: invalid_request_error
502Ошибка на стороне провайдера модели при выполнении запросаtype: server_error

Формат ошибок приведен в разделе OpenAI API; общие ошибки авторизации, баланса и лимитов расходов описаны в общем справочнике.