合成語音

POST /v1/voice/tts

為最多 4096 個字符的文本流式返回合成語音。提供商響應體不會緩衝直接傳輸，因此合成結束前即可收到首批音頻字節。format 可為 mp3（默認）、opus 或 wav；opus 會路由至 OpenAI 提供商，適合 Telegram 風格的語音留言。按句調用時，可傳入 previous_text / next_text（各截斷至 600 個字符），使 ElevenLabs 在請求間保持連貫韻律；回覆首句傳入 first_chunk: true，在啟用更快啟動設置時可讓網關換用啟動更快的模型。provider 可將預覽固定到 openai 或 elevenlabs，避免某提供商原生 voice ID 被回退供應商複用。

請求體

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

響應體

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