Kom i gang med API-et for tekst til tale generering

Av SmartTale redaksjonsteam · Oppdatert 2026-11-19

Dette er din komplette guide til SmartTale API, designet spesielt for produktteam i IoT-sektoren. Her finner du alt du trenger for å integrere tekst-til-tale i smarte enheter, fra stemmestyring til varsler. Vi forklarer nøyaktig hvordan du henter API-nøkkelen, sender din første forespørsel og konfigurerer SDK-en korrekt.

Vi dekker alle viktige endepunkter, parametere og feilhåndtering. Les gjennom dette for å forstå begrensninger, priser og hvordan du optimaliserer genereringen av talefilene. Dokumentasjonen er skrevet for å gi deg rask og presis informasjon uten unødvendig fagterminologi, slik at du kan komme i gang med integrasjonen med en gang.

Kom i gang med API-et for tekst til tale generering

Ofte stilte spørsmål

Hvordan får jeg en API-nøkkel?

Du får nøkkelen på /get-api-key/ ved å logge inn med Google eller e-post. Du får $0,50 i prøvekréditt hvis du bruker Google. Nøkkelen starter med "tts-" og sendes i Authorization-headeren. Du kan utstede en ny nøkkel når som helst, og den gamle stopper umiddelbart.

Hva er base URL for API-et?

Base URL er https://api.bet635.info/v1. Du sender en POST-forespørsel til /audio/speech med tekst og stemmeparametre. Du kan bruke OpenAI SDK ved å endre base_url til denne adressen. Endepunktet /voices gir informasjon om tilgjengelige stemmer og formater.

Støtter dere OpenAI SDK?

Ja, siden API-et har samme forespørselsstruktur som OpenAI. Du endrer bare base_url til https://api.bet635.info/v1 og bruker din egen API-nøkkel. Dette gjør det enkelt å bytte til SmartTale API uten å endre mye kode i eksisterende integrasjoner.

Hvilke format kan jeg bruke?

Du kan velge mellom mp3, wav, opus, flac og pcm. Disse formatene spesifiseres i feltet response_format i JSON-kroppen. Alle genererte filer inneholder en usynlig vannmerke som markerer dem som syntetisk tale, uavhengig av hvilket format du velger for utdataene.

Hva betyr feilkode 429?

Feilkode 429 betyr at du har nådd grensen for antall forespørsler. Du har tillatelse til 60 forespørsler per minutt per nøkkel. Hvis du nylig opprettet kontoen, kan grensen være lavere inntil du gjør din første innskudd. Vent et øyeblikk før du prøver igjen.

Hvordan angir jeg språk?

Du angir språk ved å bruke feltet language med en ISO-kode. Hvis du ikke angir det, gjettes språket basert på skriften. For ikke-engelsk tekst på latin-alphabetet bør du alltid spesifisere språket for å sikre korrekt uttale og forståelse i IoT-enheter.

Kan jeg endre hastigheten?

Ja, du kan justere hastigheten mellom 0.25 og 4.0 ved å bruke feltet speed. Dette er nyttig for å tilpasse talevarigheten i smarte enheter. Raskere tale kan forkorte responstiden, mens tregere tale gir tydeligere instruksjoner for stemmestyring i IoT-miljøer.

Hva skjer hvis forespørselen feiler?

Hvis syntesen feiler, returneres beløpet i full størrelse. Du betaler kun for vellykkede forespørsler. Feil kan skyldes nettverksproblemer eller at teksten overstiger grensen på 4096 tegn. Del lange tekster manuelt for å sikre at all lyd blir generert korrekt.

Første forespørsel

curl

curl https://api.bet635.info/v1/audio/speech \
  -H "Authorization: Bearer $TTS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"tts-1","voice":"aria","input":"Hello from the API.","response_format":"mp3"}' \
  --output hello.mp3

Python (openai)

from openai import OpenAI

client = OpenAI(base_url="https://api.bet635.info/v1", api_key="tts-...")

with client.audio.speech.with_streaming_response.create(
    model="tts-1", voice="nova", input="Hello from Python.", response_format="mp3"
) as response:
    response.stream_to_file("hello.mp3")

Node.js (openai)

import OpenAI from "openai";
import fs from "node:fs";

const client = new OpenAI({ baseURL: "https://api.bet635.info/v1", apiKey: process.env.TTS_API_KEY });
const res = await client.audio.speech.create({ model: "tts-1", voice: "milo", input: "Hello from Node.js." });
fs.writeFileSync("hello.mp3", Buffer.from(await res.arrayBuffer()));
voice
ariakvinne
novakvinne
lunakvinne
sagekvinne
felixmann
milomann
atlasmann
orionmann
language
arالعربية
zh中文
daDansk
nlNederlands
enEnglish
fiSuomi
frFrançais
deDeutsch
elΕλληνικά
heעברית
hiहिन्दी
itItaliano
ja日本語
ko한국어
msBahasa Melayu
noNorsk
plPolski
ptPortuguês
ruРусский
esEspañol
swKiswahili
svSvenska
trTürkçe

Hent API-nøkkel

Illustrasjon av lydbølge for: Hent API-nøkkel

SmartTale API er designet for å gi IoT-teams rask tilgang til tekst-til-tale-funksjonalitet. Å komme i gang krever bare en konto og en aktiv API-nøkkel, slik at du kan integrere stemmestyring og varsler direkte i dine smarte enheter uten komplekse forpliktelser.

Opprett konto

Opprett konto

Besøk /get-api-key/ for å opprette en konto. Du kan logge inn med Google eller oppgi e-post og passord. Kontoen din er spesifikk for dette nettstedet og gir umiddelbar tilgang til grunnleggende funksjoner.

Hent nøkkel

Hent nøkkel

Etter registrering ser du en side med din unike API-nøkkel, balanset og et eksempel på en cURL-kommando. Nøkkelen starter med prefikset "tts-" og brukes i headeren for autentisering. Du kan generere en ny nøkkel når som helst, hvilket gjør den gamle ugyldig umiddelbart.

Kopier nøkkel

Kopier nøkkelen trygt til din konfigurasjonsfil eller miljøvariabel. Denne nøkkelen er din eneste autentiseringsmekanisme for alle API-kall. Behold den hemmelig for å sikre at du alene har tilgang til kreditten og dataene dine.

Første forespørsel

Illustrasjon av lydbølge for: Første forespørsel

Når du har hentet nøkkel, er det tid for å teste API-et med en enkel tekstforespørsel. SmartTale API-et bruker en standardisert JSON-struktur som er kompatibel med OpenAI, noe som gjør integrasjon rask og forutsigbar for IoT-utviklere.

Dette avsnittet viser hvordan du sender din første syntetisering og mottar lydfilen. Vi dekker strukturen til forespørselen og hvordan du tolker responsen fra serveren.

curl-eksempel

Du kan teste API-et direkte fra terminalen. Bytt ut tts-din-nøkkel med din egen API-nøkkel. Eksemplet nedenfor sender en kort setning til modellen tts-1.

Kjør kommandoen for å generere en MP3-fil lokalt. Dette er en enkel måte å verifisere at nøkkelen din fungerer før du bygger inn i IoT-enheten.

  • POST https://api.bet635.info/v1/audio/speech
  • Authorization: Bearer tts-din-nøkkel
  • Content-Type: application/json

JSON-kropp

Forespørselen må inneholde feltet model, input, voice og response_format. Teksten du sender kan være opptil 4096 tegn. Hvis teksten er lengre, må den splittes opp.

Velg en av de åtte stemmene, for eksempel nova for oppmuntrende varsler eller atlas for nøytrale IoT-notifikasjoner. Språksettes automatisk, men spesifiser det gjerne for sikkerhets skyld.

  • model: "tts-1"
  • input: "Døren er låst"
  • voice: "nova"
  • response_format: "mp3"

Svarformat

API-et returnerer lydfilen direkte i responsen. Ved suksess mottar du en binær fil som kan lagres eller spilles av umiddelbart.

Hvis noe går galt, mottar du en JSON-feilmelding med en beskrivelse av problemet. Merk at feilede forespørsler gir tilbake kreditt, så du betaler kun for vellykket generering.

OpenAI SDK-integrasjon

Illustrasjon av lydbølge for: OpenAI SDK-integrasjon

SmartTale API er kompatibel med OpenAI SDK-en. Du trenger bare å endre base URL til https://api.bet635.info/v1 og bruke ditt eget API-nøkkel. Dette gjør det enkelt å bytte mellom tjenester uten å endre mye kode.

Base URL-endring

For å bruke SDK-en med SmartTale, endrer du bare base URL til https://api.bet635.info/v1. Du kan deretter bruke OpenAI SDK-en med ditt eget API-nøkkel.

Kodeeksempel

Her er et eksempel på hvordan du kan bruke SDK-en med SmartTale: ```python from openai import OpenAI client = OpenAI( base_url="https://api.bet635.info/v1", api_key="tts-..." ) response = client.audio.speech.create( model="tts-1", voice="nova", input="Din tekst her" ) response.stream_to_file("output.mp3") ``` Denne koden vil generere en tale fra din tekst og lagre den som en MP3-fil.

Bibliotekvalg

Du kan bruke valgfrie biblioteker som OpenAI SDK-en eller andre HTTP-biblioteker. Det viktigste er at du endrer base URL til SmartTales API-endepunkt.

  • OpenAI SDK-en
  • Andre HTTP-biblioteker
  • Endre base URL

Endepunkter

Illustrasjon av lydbølge for: Endepunkter

API-et tilbyr tre hovedendepunkter for å håndtere generering, stemmer og modeller. Hvert endepunkt har en spesifikk rolle i arbeidsflyten for IoT-enheter og stemmestyring.

POST /v1/audio/speech

Dette er hovedendepunktet for å konvertere tekst til tale. Send en POST-forespørsel med JSON-kropp som inneholder teksten, stemmevalg og format.

Du mottar en lydfil i svaret som kan spilles av direkte på enheten din.

  • Støtter modeller: tts-1 og tts-1-hd
  • Maks 4096 tegn per forespørsel
  • Formatvalg: mp3, wav, opus, flac, pcm

GET /v1/voices

Hent en liste over tilgjengelige stemmer, språk og formater. Dette er nyttig for å dynamisk laste inn stemmealternativer i din IoT-app.

Du kan filtrere på 23 tilgjengelige språk og 8 ulike stemmeprofiler.

  • Returnerer detaljer om hver stemme
  • Inkluderer støttede språk og formater

GET /v1/models

Hent tilgjengelige modeller for tekst til tale. Dette endepunktet gir oversikt over hvilke modeller som er aktive og tilgjengelige for bruk.

Modellene tts-1 og tts-1-hd deler samme motor og pris.

  • Liste over aktive modeller
  • Inkluderer modell-ID og navn
  • Enkel å integrere

Format og parametere

Illustrasjon av lydbølge for: Format og parametere

Velg mellom mp3, wav, opus, flac og pcm basert på din IoT-enhet. MP3 er optimalt for lagring og nettverk, mens PCM gir ren lyd uten komprimering.

Juster hastigheten fra 0.25 til 4.0 for å tilpasse talefarten til ulike bruksområder, fra langsomme instruksjoner til raske varsler.

Lydfomatvalg

Støttede formater er mp3, wav, opus, flac og pcm. Velg formatet som passer best til din enhets avspillingsmotor og nettverksforhold.

  • mp3: Kompakt og bredt støttet.
  • wav: Ukomprimert for lav latens.
  • opus: Høy kvalitet ved lav båndbredde.
  • flac: Tapløs komprimering.
  • pcm: Ren lyd uten komprimering.

Hastighetskontroll

Angi hastighetsparametret mellom 0.25 og 4.0. Dette lar deg finjustere talefarten for å matche konteksten, enten det gjelder en rolig stemmeassistent eller en hurtig alarm.

Språkangivelse

Du kan spesifisere et språk basert på ISO-kode. Hvis ikke angitt, gjettes språket automatisk, men for latinsk tekst utenfor engelsk er det lurt å sette det manuelt for nøyaktighet.

Format og parametere

Feilkoder

Illustrasjon av lydbølge for: Feilkoder

API-et returnerer standard HTTP-feilkoder for å signalisere feil i forespørselen, autentiseringen eller rate begrensningene. Disse kodene hjelper deg med å feilsøke integrasjonen din raskt og presist.

Ved feil 400 bør du dobbeltsjekke parameterne. Ved 429 må du vente eller justere frekvensen av kallene dine for å unngå å blokkere andre brukere.

Feil 400

Returneres når JSON-kroppen har feil format, manglende felt eller ugyldige verdier. Sjekk at "model", "input" og "voice" er korrekt spesifisert, og at teksten ikke overskrider 4096 tegn.

Feil 401

Dette indikerer at API-nøkkelen er manglende, feil eller utløpt. Sørg for at Authorization-headeren inneholder gyldig Bearer-token. Nøkkelen kan fornyes umiddelbart fra dashboardet.

Feil 429

Returneres når du har overskredet grensen på 60 forespørsler per minutt (eller 10 før første top-up). Vent noen sekunder før du prøver igjen, eller implementer backoff-logikk i IoT-enheter.

Begrensninger

Illustrasjon av lydbølge for: Begrensninger

API-et har en enkel begrensning på 60 forespørsler per minutt per nøkkel (10 før første top-up). For lange tekster må du selv splitte opp teksten i deler på maks 4096 tegn og koble lydfilene sammen.

Korte fraser tar noen sekunder å generere, mens lengre tekster følger ca. sanntidslengde. Under last kan forespørsler vente i kø, siden de behandles sekvensielt.

Rask begrensning

Du har maks 60 forespørsler per minutt. Hvis du bruker kontoen for første gang, er grensen 10 per minutt inntil første top-up er gjennomført.

Tegnbegrensning

Hver forespørsel kan inneholde opptil 4096 tegn. For tekster som overstiger dette, må du dele opp input og koble de resulterende lydfilene manuelt.

Kø ved last

Under belastning kan det oppstå kø, ettersom forespørsler behandles én etter én. Dette påvirker responstiden, men ikke prisen.

Feilhåndtering

Illustrasjon av lydbølge for: Feilhåndtering

Når syntesen feiler, returneres hele beløpet uten kostnad for deg. Dette skjer automatisk, så du betaler kun for vellykkede forespørsler. Det gir trygghet når du integrerer API-et i IoT-løsninger der stabilitet er viktig.

For å håndtere feil effektivt, bør du implementere logikk som fanger opp HTTP-feilkoder og resirkulerer kreditt. Vær oppmerksom på at forespørsler behandles sekvensielt, så køer kan oppstå under høy last.

Returnering av kreditt

Feilende forespørsler gir full refusjon. Du trenger ikke manuelt å kreve tilbake beløpet; systemet registrerer feilen og justerer balansen din automatisk.

  • Kreditt returneres umiddelbart.
  • Ingen manuell prosessering kreves.

Feilmeldinger

API-et returnerer standard HTTP-feilkoder med en kort beskrivelse i JSON-svaret. Feil 400 indikerer ugyldig input, mens 401 betyr at nøkkelen din er ugyldig. 429 oppstår når du har overskredet grensen på 60 forespørsler per minutt.

  • 400: Ugyldig JSON eller manglende felt.
  • 401: Ugyldig eller utløpt API-nøkkel.
  • 429: Raskbegrensning overskredet.

Retry-logikk

Implementer en backoff-strategi for å håndtere 429-feil. Vent litt mellom hver retry for å unngå å belaste serveren ytterligere. Siden forespørsler kjøres sekvensielt, kan køer oppstå under belastning, så vær tålmodig.

  • Bruk eksponentiell backoff.
  • Maksimer antall retry-forsøk.
  • Logg feilkoder for feilsøking.

Lytt til de 8 stemmene

Hvert eksempel nedenfor er generert av dette API-et fra samme setning. Dette sikrer at din lyddata kun eksisterer midlertidig under overføring, noe som minimerer risikoen for uønsket tilgang til innholdet du konverterer.

Avatar for stemmen aria
ariakvinne
Avatar for stemmen nova
novakvinne
Avatar for stemmen luna
lunakvinne
Avatar for stemmen sage
sagekvinne
Avatar for stemmen felix
felixmann
Avatar for stemmen milo
milomann
Avatar for stemmen atlas
atlasmann
Avatar for stemmen orion
orionmann

23 språk

Hvilken som helst stemme kan tale ethvert av disse språkene.

Kilder og videre lesning

  1. Wikipedia
  2. Python documentation
  3. Node.js documentation
  4. MDN: Web Speech API
  5. Creative Commons Attribution 4.0
  6. OpenAI API reference: create speech
  7. W3C WAI: making audio and video accessible
  8. ISO 639 language codes
  9. IETF RFC 7845: Ogg Opus
  10. openai-python on GitHub
  11. LibriTTS-R paper (arXiv 2305.18802)
  12. curl documentation

Mer på dette nettstedet