POST
/
v1
/
text-to-speech
/
{voice_id}
/
stream
Convert text to speech with streaming response
curl --request POST \
  --url https://supertoneapi.com/v1/text-to-speech/{voice_id}/stream \
  --header 'Content-Type: application/json' \
  --header 'x-sup-api-key: <x-sup-api-key>' \
  --data '{
  "text": "<string>",
  "language": "en",
  "style": "<string>",
  "model": "sona_speech_1",
  "output_format": "wav",
  "voice_settings": {
    "pitch_shift": 0,
    "pitch_variance": 1,
    "speed": 1
  }
}'
This response does not have an example.
入力されたテキストをオーディオストリーム形式で返す Streaming TTS（Text-to-Speech）API です。

​
基本的な使用方法

  • {voice_id}: キャラクター単位のIDのみ使用可能
  • language、style、modelなどのパラメーターはRequest Bodyに含める必要があります

​
Request Body 項目の説明

項目必須説明
text✅変換するテキスト。最大300文字まで入力可能
language✅テキストの言語。ko、en、ja のいずれか
style❌感情スタイル。例：neutral、happy、sadなど。指定がない場合、キャラクターの基本スタイルが適用されます
model❌使用するモデル。デフォルトは sona_speech_1。現在はこのモデルのみ利用可能
voice_settings❌音程／速度の調整。pitch_shift、pitch_variance、speed フィールドを含む（デフォルト：0、1、1）

​
使用例

POST /v1/text-to-speech/{voice_id}/stream
Content-Type: application/json
x-sup-api-key: [YOUR_API_KEY]

{
  "text": "Thank you for calling.",
  "language": "en",
  "style": "happy",
  "model": "sona_speech_1",
  "voice_settings": {
    "pitch_shift": 0,
    "pitch_variance": 1,
    "speed": 1
  }
}

​
応答

  • 応答本文は バイナリチャンク として返され、デフォルトのフォーマットは wav です

​
注意事項

  • text の長さが300文字を超えると、400エラーが発生します。
  • style を指定しなくても呼び出しは可能ですが、キャラクターごとにデフォルトスタイルが異なる場合があります。
    デフォルトスタイルを確認するには、Get Voices API を使用してください（style配列の最初の値がデフォルトです）。
  • 応答で返される音声ファイルは、保存または直接再生することが可能です（クライアントに応じた適切な処理が必要です）。

Headers

​
x-sup-api-key
string
required

API key for the service

Path Parameters

​
voice_id
string
required

Query Parameters

​
output_format
enum<string>
default:wav

The desired output format of the audio file (wav, mp3). Default is wav.

Available options:
wav,
mp3

Body

application/json
​
text
string
required

The text to convert to speech

Maximum length: 300
​
language
enum<string>
required

The language code of the text

Available options:
en,
ko,
ja
​
style
string

The style of character to use for the text-to-speech conversion

​
model
string
default:sona_speech_1

The model type to use for the text-to-speech conversion

​
output_format
enum<string>
default:wav

The desired output format of the audio file (wav, mp3). Default is wav.

Available options:
wav,
mp3
​
voice_settings
object

Response

Streaming audio data in binary format

The response is of type file.