Text to Speech API

将使用的模型标识符，可以通过GET /v1/models查询。模型需要支持文本到语音，可以通过can_do_text_to_speech属性检查。

用于强制模型使用特定语言的语言代码（ISO 639-1）。目前仅Turbo v2.5和Flash v2.5支持语言强制。对于其他模型，如果提供了语言代码，将返回错误。

确定AI在尝试复制原始声音时应遵循的紧密程度。

调整语音的速度。值为1.0是默认速度，小于1.0的值会减慢语速，大于1.0的值会加快语速。

控制语音的稳定性和生成之间的随机性。较低的值会为声音引入更广泛的情感范围。较高的值可能导致声音单调且情感有限。

确定语音的风格夸张程度。此设置尝试放大原始说话者的风格。它会消耗额外的计算资源，并且如果设置为0以外的值，可能会增加延迟。

此设置增强了与原始说话者的相似性。使用此设置需要稍高的计算负载，从而会增加延迟。

此参数控制文本规范化，有三种模式：‘auto’，‘on’，和‘off’。当设置为‘auto’时，系统将自动决定是否应用文本规范化（例如，拼写数字）。‘on’时，文本规范化将始终应用，而‘off’时，将跳过文本规范化。对于‘eleven_turbo_v2_5’和‘eleven_flash_v2_5’模型，文本规范化仅在企业计划中启用。

此参数控制语言文本规范化。这有助于在某些支持的语言中正确发音文本。警告：此参数可能会显著增加请求的延迟。目前仅支持日语。

在此生成之前生成的样本的request_id列表。可用于在将大任务拆分为多个请求时改善语音的连续性。当使用相同模型时，结果最佳。如果同时发送previous_text和previous_request_ids，previous_text将被忽略。最多可以发送3个request_id。

在此生成之后生成的样本的request_id列表。next_request_ids在重新生成具有某些音频质量问题的样本时特别有用，以保持语音的连续性。例如，如果您生成了3个语音片段，并且您想改进片段2，将片段3的request_id作为next_request_id（以及片段1的request_id作为previous_request_id）将有助于在组合语音中保持自然流畅。当使用相同模型时，结果最佳。如果同时发送next_text和next_request_ids，next_text将被忽略。最多可以发送3个request_id。

当前请求文本之前的文本。可用于在将多个生成拼接在一起时改善语音的连续性，或在当前生成中影响语音的连续性。

当前请求文本之后的文本。可用于在将多个生成拼接在一起时改善语音的连续性，或在当前生成中影响语音的连续性。

如果指定，我们的系统将尽力进行确定性采样，使得具有相同种子和参数的重复请求应返回相同的结果。确定性不保证。必须是0到4294967295之间的整数。

生成音频的输出格式。格式为codec_sample_rate_bitrate。例如，22.05kHz采样率的32kbps MP3表示为mp3_22050_32。192kbps的MP3需要订阅Creator层级或更高。44.1kHz采样率的PCM需要订阅Pro层级或更高。

当enable_logging设置为false时，将使用零保留模式处理请求。这意味着历史记录功能将不可用，包括请求拼接。零保留模式仅适用于企业客户。