---
url: /voice/tts.md
description: >-
  简创AIGC 语音合成接口：POST /v1/audio/speech，兼容 OpenAI 语音接口风格，基地址
  https://api.jcaigc.cn/v1，支持阿里百炼三条合成模型（qwen3-tts-flash / cosyvoice-v3.5-plus /
  cosyvoice-v3.5-flash）与豆包语音 2.0（seed-tts-2.0 / seed-icl-2.0）。CosyVoice 3.5
  无系统音色，需使用复刻/设计音色；含 Python 与 Node.js 示例代码。
---

# 语音合成

[← 返回语音](/voice/)

一段文本加一个音色 ID，直接拿回音频文件。接口沿用 OpenAI 的语音接口风格，
已有的 SDK 或客户端只要改 Base URL 就能调用。

## 接口一览

| 接口 | 方法与路径 | 说明 |
|------|-----------|------|
| 语音合成 | `POST /v1/audio/speech` | 同步返回音频二进制，直接写文件即可 |

基地址 `https://api.jcaigc.cn/v1`，请求头带 `Authorization: Bearer <密钥>`（也接受 `x-api-key`），密钥是[控制台](https://jcaigc.cn)里的 apiKey。

## 支持的模型

合成有两家上游，**模型选哪家，音色就得跟着那家走**：

| 上游 | 模型 | 单价 | 说明 |
|------|------|------|------|
| 阿里云百炼 | `qwen3-tts-flash` | **0.8 元/万字符** | 千问系列，音色自然、响应快，不支持语速参数 |
| 阿里云百炼 | `cosyvoice-v3.5-plus` | **1.5 元/万字符** | 音质最细腻的一档，支持语速调节；**没有系统音色**，需先复刻/设计 |
| 阿里云百炼 | `cosyvoice-v3.5-flash` | **0.8 元/万字符** | 同代轻量档，单价不到 Plus 的六成；同样**没有系统音色** |
| 火山引擎（豆包语音） | `seed-tts-2.0` | **2.8 元/万字符** | 豆包语音 2.0 合成，音色是 `*_uranus_bigtts` 一系 |
| 火山引擎（豆包语音） | `seed-icl-2.0` | **2.8 元/万字符** | 用豆包复刻出的专属音色合成（音色 ID 形如 `S_…`） |

::: warning 千问用千问的音色，豆包用豆包的音色
音色与模型必须配套，尤其**千问和豆包不能交叉使用**：

* **千问 `qwen3-tts-flash`**：只能用千问的内置音色——48 条（如 `Cherry` / `Serena` / `Ethan` / `Chelsie`）。
  它不支持声音复刻；填豆包的 `*_uranus_bigtts` 会被网关直接拒绝，填 CosyVoice 的 `long*` 等音色上游也不认。
* **豆包 `seed-tts-2.0` / `seed-icl-2.0`**：只能用豆包音色（ID 以 `_uranus_bigtts` 结尾，复刻音色形如 `S_…`）。
  填千问的 `Cherry` 等，豆包回的是 **HTTP 200 + 一段空音频**（界面上看着像「合成成功但没声音」），比报错更难发现。
* **CosyVoice 3.5**：没有系统音色，只能用复刻/设计音色（见下一段）。

全部音色 ID 见[音色库](/voice/voices)。
:::

::: warning CosyVoice 3.5 没有系统音色
`cosyvoice-v3.5-plus` / `cosyvoice-v3.5-flash` 不提供预置音色。`longanyang`、`longanhuan`
属于上一代 `cosyvoice-v3-plus`，填给 3.5 会被上游以 \*\*418「不支持的发音人」\*\*拒绝。

3.5 只能使用声音复刻/声音设计创建的专属音色（ID 形如 `cosyvoice-v3.5-plus-…`）。
通过[声音复刻](/voice/voice-clone)的 `POST /v1/audio/voices` 上传参考音频创建，
或改用 `qwen3-tts-flash` 的内置音色（如 `Cherry` / `Serena` / `Ethan` / `Chelsie`，共 48 条）。
音色复刻按次计费：阿里云 **9.9 元/个**，豆包语音 **138 元/个**。
:::

## 请求参数

请求体是 JSON：

| 参数 | 必填 | 说明 |
|------|------|------|
| `model` | 是 | 合成模型，取值见上表 |
| `input` | 是 | 要合成的文本 |
| `voice` | 是 | 音色 ID（不是中文名），如 `Cherry`、`zh_female_vv_uranus_bigtts`；CosyVoice 3.5 需填复刻/设计音色 ID |
| `response_format` | 否 | `mp3`（默认）、`wav`、`pcm` 或 `opus` |
| `speed` | 否 | 语速倍率，`0.5` ~ `2.0`，默认 `1.0` |

* **格式**：两家上游都只有上表这四档，`aac` / `flac` 会被明确拒绝（上游没有对应编码）。
* **语速**：超出 `0.5`~`2.0` 会被**夹到边界**而不报错，需要精确倍速请在区间内取值。
  `qwen3-tts-flash` 没有语速参数，给它传 `speed` 会被忽略（不报错，但也不生效）。
* **采样率**：两家都向上游要 24 kHz、单声道。豆包的 `wav` 由网关补 RIFF 头
  （它的流式接口原生传 wav 会分片返回多个头，直接拼起来是坏文件）。

::: tip 长文本请分段
单次合成的文本长度由上游模型限制，过长会被上游拒绝。长文按句子分段合成、再拼接音频更稳。
:::

## 请求示例

```bash
curl -X POST https://api.jcaigc.cn/v1/audio/speech \
  -H "Authorization: Bearer 123e4567-e89b-12d3-a456-426614174000" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3-tts-flash",
    "input": "欢迎使用简创 AIGC 的语音合成能力。",
    "voice": "Cherry",
    "response_format": "mp3"
  }' \
  --output welcome.mp3
```

## 示例代码

### Python（OpenAI SDK）

接口与 OpenAI 的 `/v1/audio/speech` 同形，装上官方 SDK 改个 `base_url` 就能用：

```python
from openai import OpenAI

client = OpenAI(
    api_key="123e4567-e89b-12d3-a456-426614174000",
    base_url="https://api.jcaigc.cn/v1",
)

# 豆包语音 2.0：音色取 *uranus_bigtts 一系（见 /voice/voices）
resp = client.audio.speech.create(
    model="seed-tts-2.0",
    voice="zh_female_vv_uranus_bigtts",
    input="欢迎使用简创 AIGC 的语音合成能力。",
    response_format="mp3",
)
resp.write_to_file("welcome.mp3")
```

### Python（不装 SDK，requests 直连）

```python
import requests

resp = requests.post(
    "https://api.jcaigc.cn/v1/audio/speech",
    headers={"Authorization": "Bearer 123e4567-e89b-12d3-a456-426614174000"},
    json={
        "model": "qwen3-tts-flash",
        "voice": "Cherry",
        "input": "欢迎使用简创 AIGC 的语音合成能力。",
        "response_format": "mp3",
    },
    timeout=120,
)
resp.raise_for_status()
with open("welcome.mp3", "wb") as f:
    f.write(resp.content)
```

### Node.js（原生 fetch，无依赖）

```javascript
import { writeFile } from 'node:fs/promises'

const resp = await fetch('https://api.jcaigc.cn/v1/audio/speech', {
    method: 'POST',
    headers: {
        Authorization: 'Bearer 123e4567-e89b-12d3-a456-426614174000',
        'Content-Type': 'application/json',
    },
    body: JSON.stringify({
        model: 'seed-tts-2.0',
        voice: 'zh_female_vv_uranus_bigtts',
        input: '欢迎使用简创 AIGC 的语音合成能力。',
        response_format: 'mp3',
    }),
})

if (!resp.ok) {
    // 失败时返回 JSON 错误体，见下方「响应」
    throw new Error(`合成失败：${resp.status} ${await resp.text()}`)
}
await writeFile('welcome.mp3', Buffer.from(await resp.arrayBuffer()))
```

## 响应

响应体是音频二进制，`Content-Type` 随 `response_format` 变化（`audio/mpeg`、`audio/wav` 等），
上面示例用 `--output` 或写文件直接落盘。

失败时返回 JSON 错误体，结构与其它网关接口一致：

```json
{
  "error": {
    "message": "音色不存在或与模型不匹配",
    "type": "invalid_request_error",
    "code": "invalid_request"
  }
}
```

## 音色的来源

| 来源 | 怎么用 |
|------|--------|
| [音色库](/voice/voices) | 豆包语音 40 条预设音色可直接填进 `voice`；CosyVoice 3.5 **没有系统音色**，不能直接选 |
| [声音复刻](/voice/voice-clone) | 通过 `POST /v1/audio/voices` 上传参考音频创建，返回的 `voice_id` 形如 `cosyvoice-v3.5-plus-…`；每个账号只能使用自己创建的音色。复刻时用哪个模型，合成时必须用同一个。豆包语音的复刻音色不通过开放 API 创建，拿到音色 ID 后用 `seed-icl-2.0` 合成 |

CosyVoice 3.5 的复刻音色 ID 以 `cosyvoice-v3.5-plus-` 或 `cosyvoice-v3.5-flash-` 开头，
这两档的音色不能混用：用 `-plus` 创建的音色只能配 `cosyvoice-v3.5-plus` 合成。

## 计费说明

合成按**要朗读的文本字符数**扣费，与上游按元/万字符的报价口径一致（单价标在模型表里）：

| 模型 | 计价量 | 单价 |
|------|--------|------|
| `qwen3-tts-flash`、`cosyvoice-v3.5-flash` | 要朗读的字符数 | **0.8 元/万字符** |
| `cosyvoice-v3.5-plus` | 要朗读的字符数 | **1.5 元/万字符** |
| `seed-tts-2.0`、`seed-icl-2.0` | 要朗读的字符数 | **2.8 元/万字符** |

* 字符数按**实际发出去的文本**算，首尾空白不计；中英文都按字符数（一个字母算一个字符）。
* 训练、查询复刻音色不合成音频，不产生合成费用。
* 失败请求不计费。与[语音概览](/voice/#tts-计费)是同一套口径。

## 相关模块

* [音色库](/voice/voices) — 豆包语音 40 条预设音色；CosyVoice 3.5 无系统音色
* [声音复刻](/voice/voice-clone) — 创建自己的专属音色，仅本账号可用
* [数字人](/avatar/) — 用合成音频生成口型同步视频
