Modelos TTS
Valores modelId compatibles y recomendaciones para elegir un modelo de texto a voz.
La disponibilidad depende del sitio y la cuenta; consulta GET /api/open/v3/speech/tts/capabilities. Para stability / similarity, Kitta Audio admite 0.5–1.5 (ambos por defecto 1) y ElevenLabs 0–1 (por defecto 0.5 / 0.75). ElevenLabs requiere una velocidad de 0.7–1.2 y no aplica volume. Omite los controles no compatibles.
Modelos TTS
Use modelId para elegir el motor y la versión TTS, y voiceId para elegir la voz. Se recomienda enviar ambos campos.
Valores modelId compatibles
modelId | Marca | Versión | Uso recomendado |
|---|---|---|---|
fishaudio-s21pro | FishAudio | S2.1 Pro | Mayor calidad para contenido de producción |
fishaudio-s21pro-flash | FishAudio | S2.1 Pro Flash | Predeterminado; más rápido y con menor consumo |
fishaudio-s2pro | FishAudio | S2 Pro | Flujos compatibles con S2 Pro |
fishaudio-s1 | FishAudio | S1 | Integraciones existentes basadas en S1 |
minimax-2.8-turbo | MiniMax | Speech 2.8 Turbo | Opción predeterminada centrada en rapidez |
minimax-2.8-hd | MiniMax | Speech 2.8 HD | Salida MiniMax de mayor calidad |
minimax-2.6-turbo | MiniMax | Speech 2.6 Turbo | Compatibilidad con 2.6 Turbo |
minimax-2.6-hd | MiniMax | Speech 2.6 HD | Compatibilidad con 2.6 HD |
qwen3-tts-flash | Qwen | TTS 3 Flash | Generación rápida con voces Qwen |
qwen-audio-3.0-tts-plus | Qwen | Audio 3.0 Plus | Expresión premium con dirección en lenguaje natural |
qwen-audio-3.0-tts-flash | Qwen | Audio 3.0 Flash | Generación más rápida con voces del sistema y clonadas |
cosyvoice-v3-flash | CosyVoice | V3 Flash | Voces del sistema multilingües de baja latencia |
doubao-tts-2.0 | Doubao | Seed TTS 2.0 | Voces chinas naturales y expresivas |
gemini-3.8-flash-tts | Gemini 3.8 Flash | — | |
gemini-3.8-flash-lite-tts | Gemini 3.8 Flash Lite | — | |
elevenlabs-flash-v2.5 | ElevenLabs | Flash v2.5 | — |
elevenlabs-multilingual-v2 | ElevenLabs | Multilingual v2 | — |
La lista pública vigente se encuentra en el esquema TTS de GET /api/openapi.json. Elija un modelo de la misma marca que la voiceId.
Ejemplo de solicitud
{
"text": "Hola, esta es una prueba de modelo TTS.",
"voiceId": "00a1b221-6137-4b73-ad62-b0cbce134167",
"modelId": "fishaudio-s21pro-flash",
"format": "mp3"
}Consulte HTTP síncrono, Trabajos asíncronos y TTS compatible con OpenAI para ver las solicitudes completas.