テキストを音声に変換
対象アプリ:Chatflow、Workflow、新しい Agent、チャットボット、Agent、テキストジェネレーター。
テキストを音声に変換します。任意のテキストを合成するには text を、既存のメッセージの回答を音声化するには message_id を渡します。
Authorizations
すべてのリクエストは API キーで認証します:Authorization: Bearer {API_KEY}。アプリのエンドポイントにはアプリの API キーを、ナレッジのエンドポイントにはナレッジベースの API キーを使用します(Dify API クイックスタート)。
キーはサーバーサイドで保管し、クライアントコードには決して埋め込まないでください。キーが欠落または無効なリクエストは HTTP 401(unauthorized)で失敗します。
Body
テキストから音声への変換のリクエストボディ。message_id または text のいずれかを指定してください。
回答を音声化するメッセージの ID です。両方が指定された場合、text よりも優先されます。メッセージ ID は 会話履歴メッセージ一覧を取得 から取得します。
音声に合成するテキストです。
エンドユーザーの識別子。アプリ側で定義し、アプリ内で一意にします。エンドユーザーの識別 を参照してください。
テキスト読み上げに使用する音声。利用可能な音声は、このアプリに設定された TTS プロバイダーによって異なります。デフォルトにはアプリケーションのパラメータ情報を取得 → text_to_speech.voice の voice 値を使用してください。
後方互換性のために受け付けられますが、効果はありません。音声がストリーミングされるかどうかは、設定された TTS プロバイダーの出力によって決まり、このフィールドでは制御されません。
Response
生成された音声を返します。Content-Type ヘッダーはプロバイダーが返す音声コンテナ形式を反映し、認識可能な場合はレスポンスのバイト列から検証されます。
レスポンスボディは AAC、FLAC、MP4、MP3、Ogg、WAV、WebM のいずれかです。認識できない出力には、プロバイダーが宣言した形式が設定されます。宣言がない場合は audio/mpeg になります。
プロバイダーがストリームを返す場合はチャンク転送エンコーディングで配信されます。リクエストの streaming フィールドはこの動作を制御しません。
The response is of type file.