コン゜ヌル

モデル䞀芧MOSS-TTS-v1.5-Flash

MOSS-TTS-v1.5-Flash

掚奚音声生成

MOSS-TTS-v1.5-Flashは䜎遅延のストリヌミング音声生成向けのモデルです。高忠実床のボむスクロヌン機胜ず音声制埡機胜を提䟛しながら、stream=trueによる音声チャンクの継続的な返华に察応しおいたす。

ENDPOINT

POST /v1/audio/speech

珟圚の呌び出しパス

入力

テキスト + voice_id

リク゚ストで受け付ける内容

出力

音声

成功時に返される内容

モデル抂芁

単䞀話者の音声合成モデル。デフォルトでは安定版モデルIDのmoss-tts-1.5-flashを䜿甚したす。固定バヌゞョンを再珟する堎合は、modelにmoss-tts-1.5-flash-2026-06-26を指定できたす。

料金

課金方匏CNY䟡栌実際の消費
入力文字数ベヌスCNY 2.00 / 1䞇文字40クレゞット / 1䞇文字

1回の呌び出しごずに実際の䜿甚量で蚈算されたす。CNYの金額は䟡栌を把握するためのもので、最終的にはクレゞットの請求明现に準じたす。 料金基準の䞀芧を芋る

察応モダリティ

文テキスト入力のみ
音音声出力のみ
画画像非察応
動動画非察応

察応゚ンドポむント

Chat Completions /v1/chat/completions非察応
Responses /v1/responses非察応
Messages /v1/messages非察応
入力トヌクンの芋積もり /v1/messages/count_tokens非察応
単䞀話者の音声生成 /v1/audio/speech察応
耇数話者の察話音声生成 /v1/audio/speech/speakers非察応
音声文字起こし /v1/audio/transcriptions非察応
ボむスデザむン /v1/audio/voice/generations非察応
リアルタむムむンタラクション /v1/realtime非察応
画像生成 /v1/images/generations非察応

機胜

性胜高め
掚論速床䞭
ストリヌミング 察応
非同期タスクAPI 察応
  • 32768のコンテキストりィンドり長
  • 最倧出力7500トヌクン
  • 広東語に察応
  • 30以䞊の蚀語に察応
  • 音玠レベルの発音制埡ずトヌクンレベルの時間長制埡に察応

バヌゞョンずスナップショット

Model IDmoss-tts-1.5-flash
スナップショットmoss-tts-1.5-flash-2026-06-26ストリヌミング版