创建语音合成任务

语音合成（TTS）是异步任务：提交文本拿 task_id，再轮询到音频文件。跟图片、视频共用同一个端点。

请求

curl https://api.lk888.ai/v1/media/generate \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "speech-2.8",
    "prompt": "大家好，欢迎收听本期节目",
    "params": {
      "quality": "hd",
      "voice_id": "LK_1_1772275968",
      "emotion": "happy",
      "speed": "1"
    }
  }'

prompt 是要合成的文本，模型自己的参数放 params。

响应

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

四个模型，参数各不相同

先查再用：GET /v1/skills/models/{name}。

模型	音色	语速	情绪	音高	其他
speech-2.8	voice_id（自己克隆的）	speed 0.5 / 0.75 / 1 / 1.25 / 1.5 / 2	emotion auto / happy / sad / angry / fearful / surprised / calm	pitch -6 / -3 / 0 / 3 / 6	quality 必填，turbo / hd；sound_effects none / spacious_echo / auditorium_echo / lofi_telephone / robotic
doubao-tts-2.0	voice_id（豆包预设）	speech_rate -50 / -25 / 0 / 25 / 50 / 100	emotion 同上；emotion_scale 1–5	—	format mp3 / wav / ogg_opus
gem-2.5-tts	voice_id（GEM 预设）	—	—	—	model_version 必填，pro / flash
gem-3.1-tts	voice_id（GEM 预设）	—	—	—	—

speed 是倍数（1 就是原速），speech_rate 是百分比差值（0 也是原速，范围 -50 到 100）。

音色

voice_id 从查询音色列表拿，四个 TTS 模型都靠它选音色。

speech-2.8 用的是你克隆出来的音色；豆包和 GEM 用平台预设音色，不传 voice_id 时豆包走默认音色 zh_female_vv_uranus_bigtts。

轮询

GET /v1/skills/task-status?task_id=12345，间隔 5 秒，is_final = true 停。成品在 result_url，result_type 是 audio。详见查询任务。

特别注意

• speech-2.8 的 quality 必填 —— turbo 快而便宜，hd 更清晰
• GEM 两系共用同一批预设音色，voice_id 一样，区别在 gem-2.5-tts 的 model_version
• speech-2.8 支持长文本旁白，一段长文不用拆
• notify_url 是顶层字段，跟 model / prompt / params 平级，别塞进 params
• 提交前查余额：GET /v1/skills/balance
• 失败看 error_code，能不能重试见错误码查询