Text to Speech API: OpenAI 호환 음성 합성

텍스트를 음성으로 합성하는 OpenAI 호환 엔드포인트입니다. 응답은 JSON이 아니라 오디오 바이너리로 돌아옵니다. 요금은 입력 문자 수나 오디오 길이를 기준으로 달라질 수 있으며, 최신 단가는 Tokuse 요금 페이지에서 확인하세요.

엔드포인트와 인증

항목	값
메서드	POST
엔드포인트	/v1/audio/speech
인증	Authorization: Bearer sk-your-tokuse-key
응답	오디오 바이너리

지원 모델

화산 업스트림의 TTS 모델을 사용합니다. 요청의 model에는 개통한 TTS 모델 ID를 넣으세요. voice와 response_format 지원 범위는 모델마다 다릅니다.

요청 예시

curl https://tokuse.com/v1/audio/speech \
  -H "Authorization: Bearer sk-your-tokuse-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "your-tts-model",
    "input": "안녕하세요. Tokuse 음성 합성 테스트입니다.",
    "voice": "alloy",
    "response_format": "mp3"
  }' \
  --output speech.mp3

응답 예시

응답 본문은 오디오 데이터입니다. 아래는 응답 헤더의 예시이며, 실제 파일은 --output으로 저장합니다.

HTTP/1.1 200 OK
Content-Type: audio/mpeg

주의 사항과 제한

• 화산 업스트림의 TTS 키는 일반 Ark API 키가 아니라 appid|access_token 형식입니다. 채널을 설정할 때 이 형식을 사용하세요.
• 응답은 JSON이 아닙니다. HTTP 클라이언트에서 바이너리로 받아 파일로 저장한 뒤 재생하세요.
• voice와 response_format은 모델에 따라 지원 값이 다릅니다. 지원하지 않는 값을 보내면 오류가 날 수 있습니다.
• 긴 텍스트는 한 번에 보내기보다 문단 단위로 나누면 실패했을 때 재시도가 쉽습니다.

요금

음성 합성은 입력 문자 수나 생성된 오디오 길이를 기준으로 과금될 수 있습니다. 실제 기준과 단가는 Tokuse 요금 페이지(/pricing)와 업스트림 콘솔에서 확인하세요.