VoAI ConnectAPI

讓文字
擁有聲音

台灣口音、情感自然的中文語音合成。從單句朗讀、多角色對話， 到會說話的虛擬人影像，全部用同一把 API Key 串接。

開始串接 互動測試
3
語音模型
1000
單次字數上限
3
輸出格式
120s
虛擬人音檔上限

能做什麼

文字轉語音
把一段文字變成自然的語音。支援停頓標籤、語速與音調微調， 也能用 streaming 邊生成邊播。
/TTS/Speech /TTS/generate-voice
多角色對話
一次請求合成整段多人對話，系統自動依序串接成單一音檔。 適合劇情演出、訪談模擬、廣播劇。
/TTS/generate-dialogue
虛擬人影像
給一張照片與一段音檔，生成會說話的虛擬人影片。 非同步處理，建立後輪詢狀態即可。
/avatar/create /avatar/status
配音員與模型
查詢可用的配音員、風格與模型版本。 串接前先確認組合，可以省掉大量參數錯誤。
/TTS/GetSpeaker
帳務與額度
查詢剩餘點數與金鑰效期，理解各模型的計費方式與併發上限。
/Key/Usage

一分鐘試一次

把 your-api-key 換成你的金鑰，直接貼進終端機：

curl --location '{{BASE_URL}}/TTS/Speech' \
  --header 'x-api-key: your-api-key' \
  --header 'x-output-format: wav' \
  --header 'Content-Type: application/json' \
  --data '{
    "version": "Sota+",
    "text": "VoAI 絕好聲創的聲音，符合臺灣口音，又自然流暢。",
    "speaker": "佑希",
    "style": "聊天",
    "speed": 1,
    "pitch_shift": 0,
    "style_weight": 0.5,
    "breath_pause": 0
  }' \
  --output output.wav
                    
import requests

resp = requests.post(
    "{{BASE_URL}}/TTS/Speech",
    headers={"x-api-key": "your-api-key", "x-output-format": "wav"},
    json={
        "version": "Sota+",
        "text": "VoAI 絕好聲創的聲音，符合臺灣口音，又自然流暢。",
        "speaker": "佑希",
        "style": "聊天",
    },
    timeout=120,
)
resp.raise_for_status()

with open("output.wav", "wb") as f:
    f.write(resp.content)

三種模型

在速度、情感表現與價格之間各有取捨：

版本特性適用場景計費
Classic 極速生成、穩定性高，長文本無壓力 日常辦公、內容創作 1 字 1 點
Neo 情感層次細膩、語調自然流暢 短影音、故事朗讀 1 字 1 點
Sota+ 最新生成式技術，擬真度與表現力最高 高品質語音需求 1 字 1 點

共通規則

驗證

所有請求都要在 header 帶上 x-api-key。金鑰由 VoAI 依合約發放， 對應一個帳號的額度與併發上限，請勿放在前端程式碼中。

錯誤格式

非 2xx 的回應一律是 JSON，格式固定為 { "msg": "錯誤說明" }。 其中 529 代表併發已達上限，不是伺服器故障，建議用指數退避重試。

採樣率上限依模型而異。 Neo 最高 32000、Sota+ 最高 24000，超過會回傳 400。 未指定時系統會自動選擇該模型的預設值。