音频模型调用 · 文档

语音合成和音乐生成都是异步任务；TTS 先挑音色，音乐要带歌词。

音频模型分两类：语音合成（TTS，文字转语音）和音乐生成。协议跟图片、视频一样 —— 提交任务拿 task_id，再轮询到出结果。

这一页讲怎么挑模型、怎么用；每个接口的完整参数在创建语音合成任务、创建音乐生成任务、查询音色列表、克隆音色。

提交任务

curl https://api.lk888.ai/v1/media/generate \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gem-3.1-tts",
    "prompt": "大家好，欢迎收听本期节目",
    "params": { "voice_id": "Zephyr" }
  }'

{ "code": 200, "data": { "task_id": 12345 }, "msg": "Task created successfully" }

轮询结果

curl "https://api.lk888.ai/v1/skills/task-status?task_id=12345" \
  -H "Authorization: Bearer $OPENAI_API_KEY"

间隔 5 秒，is_final = true 停。成品在 result_url（.mp3 / .wav），result_type 是 audio，cost 是结算金额。

音色

TTS 的 voice_id 不是自己编的，先查再用：

curl "https://api.lk888.ai/v1/skills/voices" \
  -H "Authorization: Bearer $OPENAI_API_KEY"

返回的 voices 数组里每个音色带 voice_id、name、type（preset 预设 / cloned 克隆）、model、demo_audio，有的还带 gender、description、language。

按模型过滤：

过滤	拿到什么
`?model=gem-2.5-tts` `?model=gem-3.1-tts`	GEM 预设音色（同族共享）
`?model=speech-2.8`	你自己克隆的音色
`?model=vidu-jieshuoman`	Vidu 漫剧预设音色，带 `language` 标明支持的语言
不带 `model`	全部

查到的 voice_id 放进请求体的 params.voice_id。GEM 系会自己转成内部的 voice_name，speech-2.8 和 vidu-jieshuoman 直接用 voice_id。

克隆自己的音色

只有 speech-2.8 支持：

curl https://api.lk888.ai/v1/skills/voices/clone \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio_url": "https://example.com/my-voice-sample.mp3",
    "name": "我的音色"
  }'

audio_url 得是公网可访问的音频直链（上游支持的格式）；也可以内联 base64，只支持 MP3 / WAV / M4A，解码后 ≤20MB
克隆扣 0.1 算力点；第一次用这个音色合成时还要额外扣 18.8 算力激活费，两笔独立
音色名每人唯一，≤50 字
新克隆的音色默认 7 天有效，第一次用来生成后转永久；过期的不会出现在列表里
样本建议 10–60 秒，单人、清晰、无杂音 —— 效果主要取决于样本

音乐模型要带歌词

music-2.5 和 music-2.5+ 在歌曲模式下（is_instrumental 不设成 instrumental），params 里必须带 lyrics，否则报 lyrics cannot be empty：

{
  "model": "music-2.5",
  "prompt": "A upbeat pop song about city nights",
  "params": {
    "is_instrumental": "song",
    "lyrics": "[Verse]\nCity lights are shining bright tonight\nWe are dancing till the morning light",
    "bitrate": "256000",
    "sample_rate": "44100"
  }
}

支持的模型

8 个，两类：

Doubao 语音合成 2.0
Gemini-2.5-TTS
Gemini-3.1-TTS
Hailuo 语音克隆 2.8
Hailuo 音乐生成 2.5
Hailuo 音乐生成 2.5+
Suno 音乐生成 4.5
Suno 音乐生成 6

特别注意

参数名各模型不同 —— 先查 GET /v1/skills/models/{name}：豆包用 emotion / emotion_scale / speech_rate / format，GEM 用 model_version，音乐用 bitrate / sample_rate / is_instrumental / lyrics
Suno 和 Hailuo 音乐差别：Suno 支持伴奏续写和卡拉OK字幕，Suno V6 与 Hailuo 2.5+ 支持纯音乐
提交前查余额 —— GET /v1/skills/balance。克隆音色也扣点
一个请求建一个任务，没有 count 参数
失败看 error_code：内容违规 / 参数不对 / 余额不足 / 超额 / 密钥配置 —— 重发还是失败；线路没了 / 上游抽风 / 服务端错误 —— 等一下可以重试
分组路由由密钥的调度策略决定，请求体里的 channel_group 和请求头 X-Channel-Group 都不改路由