Texto a voz

El texto a voz convierte texto escrito en audio hablado. Elige un modelo de TTS, selecciona una voz admitida por ese modelo, envía el texto a /audio/speech y guarda la respuesta binaria de audio. Usa esta guía para la generación de voz estándar. Si quieres crear voz a partir de una voz de referencia personalizada, consulta Clonación de voz.

Uso básico

import os
from pathlib import Path

import requests

response = requests.post(
    "https://api.venice.ai/api/v1/audio/speech",
    headers={
        "Authorization": f"Bearer {os.environ['VENICE_API_KEY']}",
        "Content-Type": "application/json",
    },
    json={
        "model": "tts-kokoro",
        "voice": "af_sky",
        "input": "Hello, welcome to Venice Voice.",
    },
)

response.raise_for_status()
Path("speech.mp3").write_bytes(response.content)

import { writeFile } from "node:fs/promises";

const response = await fetch("https://api.venice.ai/api/v1/audio/speech", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.VENICE_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "tts-kokoro",
    voice: "af_sky",
    input: "Hello, welcome to Venice Voice.",
  }),
});

if (!response.ok) {
  throw new Error(await response.text());
}

await writeFile("speech.mp3", Buffer.from(await response.arrayBuffer()));

curl https://api.venice.ai/api/v1/audio/speech \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-kokoro",
    "voice": "af_sky",
    "input": "Hello, welcome to Venice Voice."
  }' \
  --output speech.mp3

Elige un modelo y una voz

Las voces son específicas de cada modelo. El valor de voice debe ser válido para el model que elijas. Usa la página de Modelos de Texto a Voz para explorar los modelos y voces disponibles. El selector de voces muestra los IDs de voz exactos que debes pasar en tu solicitud.

Los IDs de voz distinguen entre mayúsculas y minúsculas. Si cambias de modelo TTS, actualiza el valor de voice al mismo tiempo.

Estructura de la solicitud

Parámetro	Tipo	Requerido	Descripción
`model`	string	Sí	ID del modelo de texto a voz.
`voice`	string	Sí	ID de voz admitido por el modelo seleccionado.
`input`	string	Sí	Texto a sintetizar.

Consejos para producción

Almacena en caché el audio generado cuando el texto de origen y la voz se reutilicen.
Normaliza y revisa el texto antes de sintetizarlo. La puntuación afecta el ritmo y la entonación.
Guarda la salida con la extensión de archivo correcta según el formato de respuesta del modelo.

Recursos relacionados

Reference to Video

Voz a texto

⌘I

Documentación

Primeros pasos

Texto y chat

Imagen, vídeo y audio

Agentes e integraciones

Herramientas de código

Herramientas para agentes

SDK y frameworks

Uso básico

Elige un modelo y una voz

Estructura de la solicitud

Consejos para producción

Recursos relacionados

​Uso básico

​Elige un modelo y una voz

​Estructura de la solicitud

​Consejos para producción

​Recursos relacionados

Uso básico

Elige un modelo y una voz

Estructura de la solicitud

Consejos para producción

Recursos relacionados