FishAudio 语音

语音这块有个坑要先说：FishAudio 必须用原生 /v1/tts，不能用 OpenAI 的 /v1/audio/speech。

我实测过，走 /v1/audio/speech 会直接报：

{"error": {"code": "convert_request_failed",
  "message": "Fish Audio requires the native /v1/tts request format"}}

所以下面写的格式是对的，照抄就行。

模型

default 分组下的语音模型：

模型	说明
drama-3	戏剧化演绎，情绪起伏明显
s2.1-pro	稳妥的日常语气
s2-pro	上一代主力
s2.1-pro-free	免费额度档

请求

POST /v1/tts

curl https://api.syuan.org/v1/tts \
  -H "Authorization: Bearer sk-你的密钥" \
  -H "Content-Type: application/json" \
  -H "model: drama-3" \
  -d '{"text": "你好，今天辛苦了。"}' \
  --output hello.mp3

模型名有两种传法，两种都能用：

传法	写法
请求头	-H "model: drama-3"
请求体	{"model": "drama-3", "text": "..."}

强烈建议用请求头

请求体里放 model 也能跑通，但原生 FishAudio 的规范是走头。用头更稳，也方便以后换模型不改 body。

返回

成功时响应头是 Content-Type: audio/mpeg，body 就是 MP3 二进制。

# 检查拿到的是不是音频
file hello.mp3
# hello.mp3: MPEG ADTS, layer III, ...

实测 drama-3 合成一句「你好，今天辛苦了。」大约 38KB。

常见问题

现象	原因
convert_request_failed	你用了 /v1/audio/speech，换成 /v1/tts
返回 JSON 不是音频	请求体缺 text 字段
401	Key 没有权限，或分组不对

流式与时间戳

需要边说边播的实时场景，另外有两条路：

POST /v1/tts/stream/with-timestamp   带时间戳的流式合成
WS   /v1/tts/live                     实时双向语音

它们主要给语音对话类应用用，普通配音用不上。

用在哪里

• 陪伴插件念消息 → 用渊站 Key 配置 AstrBot
• 做有声内容 → 直接调接口，配合 TTS 模型逐步接入