tavern-speech 语音合成 API

快速信息

获取 API Key

登录 DeepSeek Tavern 控制台，在「令牌管理」中创建 API Key。详细步骤参考：API 密钥获取指南。

Base URL 统一为 https://deepseektavern.com/v1，认证方式：Authorization: Bearer <你的API密钥>。下文示例中的 YOUR_API_KEY 请替换为你自己的 Key。

同步合成

POST https://deepseektavern.com/v1/audio/speech，直接返回音频文件。

curl 示例

curl https://deepseektavern.com/v1/audio/speech \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "tavern-speech-2.8-turbo",
    "input": "欢迎回来，<#0.5#>今天也辛苦了。(sighs)要不要先喝杯热茶？",
    "voice": "female-tianmei",
    "response_format": "mp3"
  }' \
  --output output.mp3

Python 示例（OpenAI SDK）

from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY", base_url="https://deepseektavern.com/v1")

with client.audio.speech.with_streaming_response.create(
    model="tavern-speech-2.8-turbo",
    voice="male-qn-jingying",
    input="各位旅人，欢迎来到灰石镇。<#0.3#>今晚的篝火晚会，可别错过了。",
    response_format="mp3",
) as resp:
    resp.stream_to_file("output.mp3")

异步合成（长文本 / 有声书）

POST https://deepseektavern.com/v1/chat/completions，单次最多 50000 字符。用户消息内容可以是：

• 纯文本：直接放要朗读的内容，使用默认音色
• JSON 字符串：指定音色和参数，例如 {"text":"……","voice":"male-qn-jingying","speed":1.1}

长文本建议加 "stream": true 避免等待超时。返回内容是音频包下载链接：一个 tar 压缩包，里面包含音频和字幕文件，链接 9 小时内有效，请及时下载。

curl 示例

curl -N https://deepseektavern.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "tavern-speech-2.8-turbo",
    "stream": true,
    "messages": [
      {"role": "user", "content": "{\"text\":\"那天夜里，雨下得很大。<#1.0#>他推开酒馆的门……\",\"voice\":\"male-qn-jingying\",\"speed\":1.1}"}
    ]
  }'

Python 示例：有声书

import json
import re
import requests
from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY", base_url="https://deepseektavern.com/v1", timeout=900)

text = open("chapter1.txt", encoding="utf-8").read()   # 最多 50000 字符
content = json.dumps({"text": text, "voice": "Chinese (Mandarin)_Radio_Host", "speed": 1.0},
                     ensure_ascii=False)

stream = client.chat.completions.create(
    model="tavern-speech-2.8-turbo",
    stream=True,
    messages=[{"role": "user", "content": content}],
)
full = ""
for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        full += chunk.choices[0].delta.content
print(full)

# 提取音频包链接并下载（tar 包含音频和字幕，9 小时内有效）
url = re.search(r"https?://[^\s)\]]+", full).group(0)
with requests.get(url, stream=True, timeout=600) as r:
    r.raise_for_status()
    with open("chapter1.tar", "wb") as f:
        for part in r.iter_content(1 << 16):
            f.write(part)
# 解压：tar -xf chapter1.tar

文本技巧

音色

1. 使用现有音色

把 voice 设为 voice_id 即可。系统共有 300 多个音色（含中、英、日、韩等多语种），下表列出全部 64 个中文名音色：

其他语种示例 id：

{
  "model": "tavern-speech-2.8-turbo",
  "input": "今日天气几好，不如一齐去饮茶啊？",
  "voice": "Cantonese_GentleLady",
  "language_boost": "Chinese,Yue"
}

2. 定制音色

混合音色：把多个音色按权重混合成新声音，格式 音色id:权重，用逗号分隔，最多 4 个，权重 1–100：

"voice": "female-tianmei:60,female-chengshu:40"

情绪、语速、音量、音调：可作为请求体顶层字段传：

音色微调 voice_modify：

顶层字段写法（curl）

curl https://deepseektavern.com/v1/audio/speech \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{
    "model": "tavern-speech-2.8-turbo",
    "input": "哼，才不是特意等你的呢！",
    "voice": "female-shaonv:70,qiaopi_mengmei:30",
    "emotion": "happy",
    "speed": 1.15,
    "pitch": 2,
    "voice_modify": {"timbre": 30, "sound_effects": "spacious_echo"}
  }' \
  --output tsundere.mp3

instructions 写法（任何 OpenAI SDK 通用）

上面所有定制参数也可以写成 JSON 字符串放进 instructions 字段，例如 "instructions": "{\"emotion\":\"happy\",\"voice_modify\":{\"timbre\":30}}"。instructions 是 OpenAI 语音接口的标准字段，因此这种写法在任何 OpenAI SDK 和兼容客户端里都能用，不需要额外的自定义参数支持。

import json
from openai import OpenAI

client = OpenAI(api_key="YOUR_API_KEY", base_url="https://deepseektavern.com/v1")

opts = {
    "emotion": "sad",
    "speed": 0.9,
    "voice_modify": {"pitch": -20, "timbre": 30, "sound_effects": "lofi_telephone"},
}
with client.audio.speech.with_streaming_response.create(
    model="tavern-speech-2.8-turbo",
    voice="Chinese (Mandarin)_Gentle_Youth",
    input="喂？<#0.5#>是我。<#0.8#>(sighs)我只是……想听听你的声音。",
    instructions=json.dumps(opts),
) as resp:
    resp.stream_to_file("phone_call.mp3")

计费说明