API 参考

音频端点

POST /v1/audio/speech 把文本转成语音（OpenAI 的请求格式，另加音色设计、克隆、语言和情绪），/v1/audio/voices 保存用于克隆的声音样本——创建、列出、获取、重命名、下载和删除。

文本转语音遵循 OpenAI 的语音 API，官方 SDK 指向 https://lovelyrouter.com/v1 即可使用。模型、音色和示例见指南文本转语音。用 API 密钥认证：Authorization: Bearer $LOVELY_API_KEY（认证）。

合成语音#

POST/v1/audio/speech

朗读 input 并返回音频文件。音频秒数在 x-lovely-audio-seconds 响应头里，调用 id 在 x-lovely-request-id 里。按生成音频的秒数计费（至少 1 秒）；失败的请求不收费。

请求体参数

modelstring必填

qwen3-tts 或 zonos2（GET /v1/models 会列出它们及价格）。

inputstring必填

要朗读的文本，最长 4,096 个字符。

voicestring or object

模型的预置音色、OpenAI 音色名（alloy、nova、onyx 等会映射到预置音色），或已保存声音的 id（voice_…，也可写成 {"id": "voice_…"}）。可选：不传时模型按 language 选预置音色，或 qwen3-tts 按 instructions 设计音色。

instructionsstring

仅 qwen3-tts，最长 1,000 个字符。有音色时：说话方式（情绪、语速、音量、耳语）。没有音色时：要生成的声音的描述。

languagestring

ISO 语言代码（en、zh、ja、ko、de、fr、pt-br 等）或 auto（默认）。对短文本和数字有帮助。

response_formatstring默认 mp3

mp3、opus、aac、flac、wav 或 pcm（16 位，24 kHz 单声道）。

speednumber默认 1.0

0.25 到 4.0；音高不变。

emotionstring or object

仅 zonos2：happy、sad、angry 或 surprised，或 0 到 1 的权重，例如 {"happy": 0.7}。

seedinteger

用于可复现的输出，0 到 2147483647。

reference_audiostring

一次性克隆的声音：3–15 秒录音的 https URL、data: URL 或 base64（WAV、MP3、M4A、OGG、FLAC 或 WebM，最大 10 MB）。不能与 voice 同时使用。

reference_textstring

reference_audio 里说的内容（有了它 qwen3-tts 克隆得更接近）。

consentboolean

使用 reference_audio 时必填：你确认这是你自己的声音，或已获得说话人的许可。

错误使用通用格式：400 invalid_request_error，param 指出出错的字段（未知音色、在 zonos2 上传 instructions、在 qwen3-tts 上传 emotion、缺少 consent）；余额不足为 402；未知模型或他人的声音为 404；合成失败为 502（不收费）。

Shell

curl https://lovelyrouter.com/v1/audio/speech \
  -H "Authorization: Bearer $LOVELY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3-tts",
    "input": "Hello! Nice to meet you.",
    "voice": "serena",
    "instructions": "Friendly and upbeat"
  }' \
  --output hello.mp3

声音对象#

属性

idstring

voice_ 加 24 个字符。作为 voice 使用。

objectstring

固定为 voice。

namestring

最长 80 个字符。

transcriptstring | null

样本里说的内容。

typestring

样本的格式，例如 audio/wav。

bytesinteger

样本大小。

audio_urlstring

下载样本（需要 API 密钥）。

created_atinteger

Unix 秒。

声音对象

{
  "id": "voice_8f2c4a1e9b7d3f60a5c2e1d4",
  "object": "voice",
  "name": "Narrator",
  "transcript": "Thanks for listening. See you next week on the show.",
  "type": "audio/wav",
  "bytes": 482044,
  "audio_url": "https://lovelyrouter.com/v1/audio/voices/voice_8f2c4a1e9b7d3f60a5c2e1d4/audio",
  "created_at": 1792915200
}

保存声音#

POST/v1/audio/voices

保存声音样本，返回 201 和声音对象。用 multipart（样本作为 file）或 JSON（audio 为 https 或 data: URL）发送。免费；每个账户最多 100 个，删除前一直保留。

请求体参数

namestring必填

最长 80 个字符。

filefile (or `audio` string)必填

3 到 15 秒、单人清晰说话、没有音乐：WAV、MP3、M4A、OGG/Opus、FLAC 或 WebM，最大 10 MB。

transcriptstring

样本里说的内容，最长 1,000 个字符。

consentboolean必填

true：这是你自己的声音，或你已获得说话人的克隆许可。

cURL

curl https://lovelyrouter.com/v1/audio/voices \
  -H "Authorization: Bearer $LOVELY_API_KEY" \
  -F name="Narrator" \
  -F transcript="Thanks for listening. See you next week on the show." \
  -F consent=true \
  -F file=@narrator.wav