MOSS-VoiceGenerator
最新语音生成MOSS-VoiceGenerator API 根据待合成文本和声音描述指令生成语音预览；通过自然语言描述所需的声音特征，即可生成对应风格的语音。
ENDPOINT
POST /v1/audio/voice/generations
当前调用路径
输入
文本 + 指令
请求可接受的内容
输出
音频
成功返回的内容
模型概览
根据文本和声音指令生成语音。默认使用稳定模型 ID moss-voice-generator-1.0；如需复现固定版本，可在 model 中传 moss-voice-generator-1.0-2026-07-22。
计费
计费方式人民币价格实际扣除
按输入字符
¥2.00 / 万字符40 积分 / 万字符单次调用按实际用量计算，人民币金额用于价格理解，最终以积分账单为准。 查看完整计费标准
模态支持
文文本仅输入
音音频仅输出
图图片不支持
视视频不支持
支持的 Endpoint
单人语音生成
/v1/audio/speech不支持多人对话语音生成
/v1/audio/speech/speakers不支持音频转写
/v1/audio/transcriptions不支持音色设计
/v1/audio/voice/generations支持多模态理解
/v1/responses不支持实时视频理解
/v1/realtime不支持图像生成
/v1/images/generations不支持能力
性能—
推理速度—
流式 不支持
异步 支持
- 指令式声音生成：通过自然语言描述声音风格
- 支持通过 response_format 选择同步输出格式
- 支持直接返回音频二进制或包含结果 URL 的 JSON
- 支持异步任务，结果通过任务查询获取
版本与快照
Model ID
moss-voice-generator-1.0快照
moss-voice-generator-1.0-2026-07-22最新版本