텍스트 음성 변환 API : 음성, 제어 및 오디오 출력

입력값

텍스트와 내장 음성 또는 명시적으로 지원되는 음성 디자인/복제 제어 기능이 포함되어 있습니다.

출력

모델에서 지원하는 형식의 음성 오디오 또는 채팅 응답의 오디오 필드.

엔드포인트

POST /v1/audio/speech or POST /v1/chat/completions, according to api_mode

생명주기

동기식입니다. 바이너리 오디오 응답을 저장하거나 채팅 모드에서 반환된 오디오 필드를 디코딩합니다.

mimo-v2.5-tts

Xiaomi 내장 음성, 자연어 스타일의 지시, 감정, 속도, 어조, 방언 및 문자 제어 MiMo-V2.5-TTS 을 갖춘 표현력 풍부한 다국어 음성 합성 기능.

작업: 비디오(음성 포함), 텍스트 음성 변환

엔드포인트: POST /v1/chat/completions

비용 예시: 1 10k 문자 × $0 = $0 .

stepaudio-2.5-tts

StepAudio 인라인 자연어 지시, 표현력 있는 전달, 내장 음성 및 OpenAI-compatible 출력 2.5 갖춘 TTS 기반 음성 합성.

작업: 비디오(음성 포함), 텍스트 음성 변환

엔드포인트: POST /v1/audio/speech

비용 예시: 1 10.85k 문자 × $0.85 = $0.85 .

glm-tts

GLM-TTS 상황 인식 음성 합성, 표현력 있는 전달, 스트리밍 출력, 빠른 초기 오디오 재생, 음성, 속도 및 볼륨 제어 기능을 제공합니다.

작업: 비디오(음성 포함), 텍스트 음성 변환

엔드포인트: POST /v1/audio/speech

비용 예시: 1 10.307692k 문자 × $0.307692 = $0.307692 .

qwen3-tts-flash

Qwen3-TTS-Flash 저지연 다국어 음성 합성, 혼합 언어 입력, 내장 음성, 자동 언어 매칭 및 문자 기반 청구 기능을 제공합니다.

작업: 비디오(음성 포함), 텍스트 음성 변환

엔드포인트: POST /v1/audio/speech

비용 예시: 1 10.123077k 문자 × $0.123077 = $0.123077 .

speech-2.8-hd

MiniMax Speech 2.8 HD — 자연스러운 감정 전달, 언어 향상, 음성 제어 및 프로덕션 오디오 형식을 지원하는 고음질 음성 합성 기능입니다.

작업: 비디오(음성 포함), 텍스트 음성 변환

엔드포인트: POST /v1/audio/speech

비용 예시: 1 10.538462k 문자 × $0.538462 = $0.538462 .

speech-2.8-turbo

MiniMax 2.8 — 자연스러운 출력, 감정 제어, 언어 향상 및 일반적인 프로덕션 오디오 형식을 지원하는 속도 중심의 음성 합성 기능입니다.

작업: 비디오(음성 포함), 텍스트 음성 변환

엔드포인트: POST /v1/audio/speech

비용 예시: 1 10.307692k 문자 × $0.307692 = $0.307692 .

step-tts-2

단계 TTS 2 — 공식 음성 및 복제 음성을 사용한 표현력 있는 음성 합성, 속도 및 음량 조절, 발음 매핑, 다양한 출력 형식 지원.

작업: 비디오(음성 포함), 텍스트 음성 변환

엔드포인트: POST /v1/audio/speech

비용 예시: 1 10.4k 문자 × $0.4 = $0.4 .

step-tts-mini

Step TTS — 중국어, 영어, 일본어, 광둥어, 쓰촨어에 대한 비용 효율적이고 표현력 있는 음성 합성 솔루션으로, 공식 음성 및 복제 음성을 제공합니다.

작업: 비디오(음성 포함), 텍스트 음성 변환

엔드포인트: POST /v1/audio/speech

비용 예시: 1 10.15k 문자 × $0.15 = $0.15 .