合成语音

POST /v1/voice/tts

为最多 4096 个字符的文本流式返回合成语音。提供商响应体不会缓冲直接传输，因此合成结束前即可收到首批音频字节。format 可为 mp3（默认）、opus 或 wav；opus 会路由至 OpenAI 提供商，适合 Telegram 风格的语音留言。按句调用时，可传入 previous_text / next_text（各截断至 600 个字符），使 ElevenLabs 在请求间保持连贯韵律；回复首句传入 first_chunk: true，在启用更快启动设置时可让网关换用启动更快的模型。provider 可将预览固定到 openai 或 elevenlabs，避免某提供商原生 voice ID 被回退供应商复用。

请求体

{ "text": "...", "voice": "optional", "provider": "openai", "format": "mp3", "first_chunk": false, "previous_text": "optional", "next_text": "optional" }

响应体

audio bytes (audio/mpeg | audio/ogg | audio/wav)