跳到主要内容

语音合成

把文字转换为自然语音，例如朗读 Chatbot 的回答。

方式请求输入输出
整段POST https://api.deepseek.com/v1/tools/ttsJSON 请求体中的完整文本在响应体中流式返回音频
流式WebSocket wss://api.deepseek.com/v1/tools/tts分段发送的文本，例如模型仍在生成时音频帧

音色​

voice_id音色
stella海星，女声，默认
tide暗潮，男声

语种​

普通话（zh）、粤语（yue）、英语（en）、日语（ja）、韩语（ko）、马来语（ms）、阿拉伯语（ar）、印尼语（id）、泰语（th）、越南语（vi）。

没有语种参数，语种根据文本自动识别。

整段合成​

以 JSON 发送文本：

字段是否必填说明
text是要朗读的文本，不能为空，最多 10,000 个 计费字符。请求体最大 64 KiB
voice_id否stella（默认）或 tide
format否wav（默认）或 pcm
filter_markdown否朗读前是否去掉 Markdown 格式，默认为 true
curl https://api.deepseek.com/v1/tools/tts \
  -H "Authorization: Bearer <DeepSeek API Key>" \
  -H "Content-Type: application/json" \
  -d '{"text": "你好，我是 DeepSeek。", "voice_id": "stella"}' \
  --output speech.wav

音频边合成边返回，单次请求最多返回 30 分钟的音频。wav 返回 audio/wav；pcm 返回 24 kHz、16 位、单声道的原始 PCM。

状态码原因
400没有可朗读的文本，或文本未通过内容审核（Content Exists Risk）
429账号同时进行的请求数超过上限
503服务繁忙，请稍后重试
504合成超时

如果音频已经开始返回后合成失败，响应会中途断开，请把提前结束的响应视为失败。

不支持调节语速，也不支持中断后续传。

WebSocket 流式合成​

  1. 连接 wss://api.deepseek.com/v1/tools/tts，可选查询参数：voice_id、format（默认 pcm，也可以是 opus）、filter_markdown。opus 返回不带容器的 Opus 数据包，不能直接保存为 Ogg 文件。
  2. 鉴权有两种方式：带上请求头 Authorization: Bearer <API Key>；或者通过 WebSocket 子协议传入，即 Sec-WebSocket-Protocol: tts, bearer.<API Key>。
  3. 以 JSON 文本消息发送文字：{"event": "text", "text": "..."}，最后一段之后发送 {"event": "finish_text"}。
  4. 音频通过二进制消息下发。会话以文本消息 {"event": "finish", "code": "...", "message": "..."} 结束，code 为 success 或错误码，例如 invalid_input、content_filter、input_timeout、service_error。

限制：60 秒内没有收到文字时会话结束；单次会话最长 30 分钟；单次会话的文字最多 10,000 个计费字符、64 KiB。服务端每 25 秒发送一次 WebSocket ping。

Python 示例，使用 websockets 包：

# Set DEEPSEEK_API_KEY to your API key before running this example.
# Requires the websockets package, version 14 or later.
import asyncio
import json
import os

import websockets


async def main():
    url = "wss://api.deepseek.com/v1/tools/tts?voice_id=stella&format=pcm"
    headers = {"Authorization": f"Bearer {os.environ['DEEPSEEK_API_KEY']}"}
    async with websockets.connect(url, additional_headers=headers) as ws:
        for chunk in ["Hello ", "from ", "DeepSeek."]:
            await ws.send(json.dumps({"event": "text", "text": chunk}))
        await ws.send(json.dumps({"event": "finish_text"}))

        with open("speech.pcm", "wb") as f:
            async for message in ws:
                if isinstance(message, bytes):
                    f.write(message)  # raw 16-bit signed mono PCM at 24 kHz
                    continue
                finish = json.loads(message)
                if finish["code"] != "success":
                    raise RuntimeError(f"{finish['code']}: {finish['message']}")
                break


asyncio.run(main())

计费​

计费单位刊例价限时折扣价（5 折）
每 10,000 字符3 元1.5 元

汉字算 2 个字符，英文字母、数字、空格等其他字符算 1 个。

限速​

每个账号最多同时进行 50 个请求，超过返回 429。