多人语音生成

多说话人文本转语音（TTSD）。用 speakers 数组声明每个说话人（id + 音色），再用 segments 数组按说话人分句给出台词。音色用 voice_id 指定，取值见查询音色列表。

POST

/v1/audio/speech/speakers

多说话人 TTS。请求体为 JSON；delivery_method=url 返回 JSON（含结果 URL），delivery_method=audio（默认）返回音频二进制。

认证

在请求头中加入 Authorization: Bearer <API_KEY> 完成鉴权，密钥可在控制台「API 密钥」页生成。

curl https://api.mosi.cn/v1/audio/speech/speakers \
  -H "Authorization: Bearer $MOSS_API_KEY"

支持模型

字段	允许值
model	`moss-ttsd`

请求字段

字段	类型	必填	说明
model	string	是	模型名称，取值为 `moss-ttsd`。
version	string	否	指定已上线且对外开放的模型版本，例如 `moss-ttsd-20260320`；不传使用服务端当前默认版本。
speakers	array	是	说话人配置数组，声明每个说话人及其音色，不能为空。
speakers[].id	string	是	说话人标识，供 `segments[].speaker` 引用。
speakers[].voice_id	string	是	说话人音色 ID，可从查询音色列表或创建音色接口获得。
segments	array	是	分句数组，按说话人给出台词，不能为空。
segments[].speaker	string	是	说话人标识，必须匹配 `speakers[].id` 之一。
segments[].text	string	是	该句台词文本。
response_format	string	否	同步请求的音频格式，例如 `mp3` / `wav`；异步任务实际格式以任务查询返回为准。
delivery_method	string	否	`audio` 直接返回音频；`url` 返回 JSON 和结果 URL。
async	boolean	否	设为 `true` 时创建异步任务并立即返回任务对象；异步语音结果通过 URL 交付。
webhook_url	string	否	异步任务完成后回调的 HTTPS URL。

请求示例

curl https://api.mosi.cn/v1/audio/speech/speakers \
  -H "Authorization: Bearer $MOSS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "moss-ttsd",
    "speakers": [
      { "id": "A", "voice_id": "<speaker_a_voice_id>" },
      { "id": "B", "voice_id": "<speaker_b_voice_id>" }
    ],
    "segments": [
      { "speaker": "A", "text": "今天进度如何？" },
      { "speaker": "B", "text": "已经完成接口联调。" }
    ],
    "delivery_method": "url",
    "response_format": "mp3"
  }'

返回方式

请求方式	返回内容
默认或 `delivery_method=audio`	直接返回音频二进制，`Content-Type` 随 `response_format` 变化
`delivery_method=url`	返回 JSON，包含音频结果 URL
`async=true`	返回异步任务对象；任务结果通过 `GET /v1/audio/tasks/{task_id}` 查询

同步 URL 响应字段

delivery_method=url 时返回 JSON（含结果 URL）：

字段	类型	必返	说明
id	string	是	任务/结果 ID。同步 URL JSON 响应统一使用 `id`。
object	string	是	固定为 `audio.speech`。
status	string	是	任务状态，例如 `SUCCESS`。
url	string	是	音频结果 URL。
response_format	string	是	实际输出音频格式，例如 `mp3`。
content_type	string	是	音频 MIME 类型，例如 `audio/mpeg`。
created_at	integer	是	创建时间，Unix 时间戳，单位为秒。

异步创建响应字段

async=true 时立即返回：

字段	类型	必返	说明
id	string	是	任务 ID。
task_id	string	是	任务查询 ID，通常与 `id` 相同。
object	string	是	固定为 `audio.speech`。
status	string	是	初始状态，例如 `PENDING`。
retry_after	integer	否	建议轮询间隔，单位为秒。
created_at	integer	是	创建时间，Unix 时间戳，单位为秒。
updated_at	integer	否	更新时间，Unix 时间戳，单位为秒。

响应示例

{
  "id": "task_abc123",
  "object": "audio.speech",
  "status": "SUCCESS",
  "url": "https://cdn.example.com/out.mp3",
  "response_format": "mp3",
  "content_type": "audio/mpeg",
  "created_at": 1710000000
}

下一步

查询音色列表

查询当前账号可用音色列表。

单人语音生成

文本转语音接口。