TTS API i MCP: jak dodać syntezę mowy do swojego projektu

TTS to model zamiany tekstu na mowę. W ofercie NeuralSpace dostępne są następujące modele: TTS, TTS HD. Wszystkie działają poprzez jeden publiczny interfejs API i istnieje gotowy serwer MCP dla agentów AI. Klucz wydawany jest naStrona kluczy API. Poniżej znajdują się możliwości modelu, przykłady żądań i kroki konfiguracji.

Co potrafi TTS

TTS syntetyzuje mowę z tekstu i natychmiast zwraca link do gotowego pliku audio. Dostępne są dwa modele: TTS i TTS HD (wyższa jakość). Głosy to stop, echo, fable, onyx, nova i shimmer, formaty to mp3, opus, aac, flac i wav. Cena uzależniona jest od długości tekstu.

Punkt końcowy interfejsu API

Wyślij żądanie do POST /v1/audio/speech. Przykład: {"model": "tts-1", "input": "Hello! This is speech synthesis.", "voice": "alloy", "response_format": "mp3"}. Autoryzacja wykorzystuje klucz API w nagłówku x-api-key. Dostępne identyfikatory modeli: tts-1, tts-1-hd.

Narzędzia MCP

Serwer NeuralSpace MCP jest dostępny pod adresem POST /mcp (Streamable HTTP). Do pracy z TTS agent wykorzystuje narzędzia: text_to_speech, list_models, get_balance. Dzięki temu Claude Code, Cursor i inni klienci MCP mogą bezpośrednio korzystać z modeli witryn.

Jak się połączyć

Zarejestruj się w NeuralSpace, otwórz plikStrona kluczy APIi utwórz klucz nsk-…. Następnie przekaż go w nagłówku żądania lub w ustawieniach klienta MCP. Pełna dokumentacja znajduje się na stroniestronę /v1/docs.

Często zadawane pytania

Jakie głosy są dostępne?

stop, echo, bajka, onyks, nova i połysk.

Jakie formaty są obsługiwane?

mp3, opus, aac, flac i wav.

W jakim formacie jest żądanie?

POST /v1/audio/mowa z polami modelu i wejściowymi.