Skip to main content
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: <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,
    "duration": 0,
    "similarity": 3,
    "text_guidance": 1,
    "subharmonic_amplitude_control": 1
  },
  "include_phonemes": false
}
'
"<string>"

​
엔드포인트

https://supertoneapi.com/v1/text-to-speech/{voice_id}/stream

​
경로 파라미터

NameRequiredDescription
voice_idYes대상 보이스의 ID입니다.

​
요청 본문

NameRequiredDescription
textYes변환할 텍스트입니다(최대 300자).
languageYes언어 코드입니다. 지원: en, ko, ja.
styleNo감정 스타일입니다. 예: neutral, happy, sad 등. 미지정 시 캐릭터의 기본 스타일이 적용됩니다.
modelNoTTS 모델입니다. 기본값: sona_speech_1.
output_formatNo출력 포맷입니다. 옵션: wav, mp3. 기본값: wav.
voice_settingsNo고급 보이스 파라미터입니다(아래 참조).
include_phonemesNotrue이면 오디오(Base64 인코딩)와 함께 음소 타이밍 데이터를 반환합니다. 기본값: false.

​
보이스 설정(선택)

NameRangeDefaultDescription
pitch_shift-24 → 240반음(semitone) 단위의 피치 조정입니다.
pitch_variance0 → 21피치 변동 정도입니다.
speed0.5 → 21생성 오디오를 균일하게 더 빠르거나 느리게 조정합니다(비율).
duration0 → 600값을 지정하면 해당 길이(초)에 맞추어 음성이 생성됩니다.
similarity1 → 53생성 음성이 원본 캐릭터 보이스와 얼마나 유사한지 제어합니다.
text_guidance0 → 41텍스트 내용에 따라 발화 특성이 얼마나 민감하게 적응할지 제어합니다.
subharmonic_amplitude_control0 → 21생성 음성의 서브하모닉 진폭 양을 제어합니다.

​
응답

include_phonemes 값에 따라 다음 중 하나를 반환합니다. Audio Stream
(기본값 & include_phonemes=false일 때)
audio/wav – 바이너리 오디오 스트림.
audio/mpeg – 바이너리 오디오 스트림. NDJSON stream with Phoneme Data
(include_phonemes=true일 때)
개행으로 구분된 JSON(Newline-Delimited JSON) 형태로 스트리밍됩니다. 
{
  "audio_base64": "UklGRnoGAABXQVZF...",
  "phonemes": {
    "symbols": ["", "h", "ɐ", "ɡ", "ʌ", ""],
    "start_times_seconds": [0, 0.092, 0.197, 0.255, 0.29, 0.58],
    "durations_seconds": [0.092, 0.104, 0.058, 0.034, 0.29, 0.162]
  }
}

​
참고사항

  • 스트림 스피치는 베타 기능이며 현재 sona_speech_1 모델에서만 지원됩니다.
  • text 길이가 300자를 초과하면 400 오류가 발생합니다.
  • speed는 duration 적용 후에 반영됩니다. (예: duration=5seconds, speed=2times → 최종 오디오 ≈ 10seconds)
  • style을 지정하지 않아도 호출할 수 있으나, 기본 스타일은 캐릭터마다 다를 수 있습니다. 기본값은 Get Voices API에서 확인해 주십시오(스타일 배열의 첫 번째 값이 기본).
  • 반환된 오디오 파일은 저장하거나 바로 재생하실 수 있습니다. (클라이언트에 따라 적절한 처리가 필요할 수 있습니다.)

Authorizations

​
x-sup-api-key
string
header
required

Path Parameters

​
voice_id
string
required

Body

application/json
​
text
string
required

The text to convert to speech

Maximum string length: 300
​
language
enum<string>
required

The language code of the text

Available options:
en,
ko,
ja,
bg,
cs,
da,
el,
es,
et,
fi,
hu,
it,
nl,
pl,
pt,
ro,
ar,
de,
fr,
hi,
id,
ru,
vi
​
style
string

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

​
model
enum<string>
default:sona_speech_1

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

Available options:
sona_speech_1,
sona_speech_2,
supertonic_api_1
​
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
​
include_phonemes
boolean
default:false

Return phoneme timing data with the audio

Response

Streaming audio data in binary format or NDJSON format with phoneme data based on includePhonemes parameter

Binary audio stream (when includePhonemes=false or omitted)