OpenRouter 提供专用的 /api/v1/audio/speech 端点，将文字转换为语音音频流。该端点完全兼容 OpenAI Audio Speech API，可以直接用 OpenAI 客户端库对接。响应为原始音频字节流（非 JSON），支持 mp3 和 pcm 两种格式，按输入字符数计费。

查找 TTS 模型

通过 API：

# 列出所有 TTS 模型
curl "https://openrouter.ai/api/v1/models?output_modalities=speech"

通过模型页面： 访问 Models 页面，按输出模态筛选，找到列出 speech 的模型。

基本用法

import { OpenRouter } from '@openrouter/sdk';
import fs from 'fs';

const openRouter = new OpenRouter({ apiKey: '<OPENROUTER_API_KEY>' });

const stream = await openRouter.tts.createSpeech({
  speechRequest: {
    model: 'openai/gpt-4o-mini-tts-2025-12-15',
    input: 'Hello! This is a text-to-speech test.',
    voice: 'alloy',
    responseFormat: 'mp3',
  },
});

// 收集音频流并保存到文件
const reader = stream.getReader();
const chunks: Uint8Array[] = [];
while (true) {
  const { done, value } = await reader.read();
  if (done) break;
  chunks.push(value);
}
const totalLength = chunks.reduce((sum, c) => sum + c.length, 0);
const buffer = new Uint8Array(totalLength);
let offset = 0;
for (const chunk of chunks) {
  buffer.set(chunk, offset);
  offset += chunk.length;
}
await fs.promises.writeFile('output.mp3', buffer);
console.log('Audio saved to output.mp3');

请求参数

参数	类型	必填	说明
model	string	是	TTS 模型 ID（如 openai/gpt-4o-mini-tts-2025-12-15）
input	string	是	要转换为语音的文字
voice	string	是	音色 ID，各模型支持的音色不同，详见模型页面
response_format	string	否	输出格式：mp3 或 pcm，默认 pcm
speed	number	否	播放速度倍率，仅部分模型支持（如 OpenAI），默认 1.0
provider	object	否	提供商特定的透传配置

响应格式

TTS 端点返回原始音频字节流而非 JSON，响应头说明：

响应头	说明
Content-Type	mp3 对应 audio/mpeg，pcm 对应 audio/pcm
X-Generation-Id	本次生成的唯一 ID，用于追踪调试

输出格式选择

格式	Content-Type	适用场景
mp3	audio/mpeg	压缩格式，文件小，适合存储和普通播放
pcm	audio/pcm	无压缩原始音频，延迟更低，适合实时流式处理

使用 OpenAI SDK 对接

from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key="<OPENROUTER_API_KEY>",
)

# 非流式：获取完整音频
response = client.audio.speech.create(
    model="openai/gpt-4o-mini-tts-2025-12-15",
    input="The quick brown fox jumps over the lazy dog.",
    voice="nova",
    response_format="mp3"
)
response.write_to_file("output.mp3")

# 流式：分块处理音频
with client.audio.speech.with_streaming_response.create(
    model="openai/gpt-4o-mini-tts-2025-12-15",
    input="The quick brown fox jumps over the lazy dog.",
    voice="nova",
    response_format="mp3"
) as response:
    response.stream_to_file("output.mp3")

计费

TTS 按输入字符数计费，各模型和提供商价格不同，在 Models 页面或通过 Models API 查看每个模型的单价。

常见问题

Q: 输出的音频文件是空的或损坏？

A: 检查 response_format 是否与保存文件的扩展名匹配（例如不要把 pcm 保存为 .mp3）。非 200 响应返回的是 JSON 错误信息，不是音频。

Q: 如何知道某个模型支持哪些音色？

A: 各模型的可用音色不同，在 Models 页面查看具体模型的文档，或参考提供商官方文档。

Q: 长文本 TTS 怎么处理？

A: 建议将长文本拆成多个片段分批合成，再拼接音频输出，可以提高可靠性并减少首帧延迟。