muapi Logomuapi Logo
muapi Logomuapi Logo
Modelli/Audio/Sintesi vocale
Disponibile10 modelli

API di sintesi vocale — Generazione naturale di voci IA

L’API di sintesi vocale di Muapi trasforma il testo scritto in audio naturale e realistico tramite un’unica integrazione REST. Scegli MiniMax, Google Gemini, ElevenLabs (inclusa l’API Eleven v4) e Fish Audio (API Fish Audio S2.1 Pro) per narrazioni a voce singola o dialoghi con più speaker.Genera audio con qualità da studio o in modalità turbo, regolando voce, emozione, ritmo, stabilità e somiglianza. Tutti i modelli utilizzano lo stesso flusso asincrono di invio e verifica, con prezzi a partire da $0.015 per 1,000 caratteri.

Ottieni una chiave API per la sintesi vocaleProva MiniMax Speech HDProva Gemini Flash TTSText-to-Speech API examples and comparison on GitHub
i

La sintesi vocale è disponibile su Muapi

Scegli un modello a voce singola o con più speaker, invia il testo e controlla l’ID richiesta ricevuto per ottenere un file audio scaricabile.

MiniMax Speech

Narrazione a voce singola con modalità Studio e Turbo2 modelli
TTSDisponibile
MiniMax

MiniMax Speech 2.6 HD

Voce di qualità da studio, con pronuncia chiara, ritmo fluido ed emozioni realistiche per audiolibri, podcast e narrazioni.

Text → audio
$0.13/1,000 chars
Prova il modello
TTSDisponibile
MiniMax

MiniMax Speech 2.6 Turbo

Sintesi rapida e leggera dalla resa naturale, con velocità, volume, intonazione ed emozione regolabili per creare audio in tempi brevi.

Text → audioVeloce
$0.07/1,000 chars
Prova il modello

Gemini TTS

Dialoghi espressivi con più speaker e controlli di voce e tono4 modelli
TTSDisponibile
Google Gemini

Gemini 3.1 Flash TTS

Sintesi conveniente con più speaker, voci, accenti e stili emotivi distinti, oltre a tag di tono inline come [whispers].

Dialogue → audioVeloce
$0.035/1,000 chars
Prova il modello
TTSDisponibile
Google Gemini

Gemini 2.5 Pro TTS

Sintesi premium con più speaker per audiolibri, dialoghi cinematografici e narrazioni lunghe dalla resa ad alta fedeltà.

Dialogue → audio
$0.035/1,000 chars
Prova il modello

ElevenLabs

Voce espressiva Eleven v4, sintesi rapida a voce singola e dialoghi multilingue3 modelli
TTSDisponibile
ElevenLabs

ElevenLabs TTS Turbo 2.5

Sintesi rapida a voce singola con stabilità, somiglianza e velocità di parlato regolabili, ideale per voiceover, IVR e narrazioni ad alto volume.

Text → audioVeloce
$0.05/1,000 chars
Prova il modello
TTSDisponibile
ElevenLabs

ElevenLabs Text to Dialogue V3

Dialoghi multilingue con più speaker a partire da uno script strutturato, con ID voce per ogni speaker e turni di conversazione realistici.

Dialogue → audio
$0.10/1,000 chars
Prova il modello
TTSnew
ElevenLabs

Eleven v4

La sintesi vocale Eleven v4 di ElevenLabs crea narrazioni espressive a voce singola: fino a 2,000 caratteri per richiesta a $0.08/1,000 caratteri, con risultato in formato MP3.

Text → audio
$0.08/1,000 chars
Prova il modello

Fish Audio S2.1 Pro

Narrazioni lunghe fino a 10,000 caratteri per richiesta1 modelli
TTSnew
Fish Audio

Fish Audio S2.1 Pro

Sintesi vocale per testi lunghi: fino a 10,000 caratteri per richiesta, al costo di $15 per 1M byte UTF-8 (circa $0.015/1,000 caratteri inglesi), con risultato in formato MP3.

Text → audio
$15/1M UTF-8 bytes
Prova il modello

Che cos’è un’API di sintesi vocale?

Un’API di sintesi vocale (TTS) converte il testo scritto in audio parlato con una singola richiesta HTTP. Invia un testo, scegli una voce e uno stile di lettura e ricevi un file audio scaricabile, senza dover creare una pipeline di ingegneria audio.

Muapi mette a disposizione gli endpoint TTS attivi tramite un’unica interfaccia REST: una chiave API, un flusso di invio e verifica e tariffazione a consumo. Scegli la narrazione a voce singola per voiceover e IVR (incluse le API Eleven v4 e Fish Audio S2.1 Pro) oppure dialoghi con più speaker per personaggi, podcast e audiolibri.

Funzionalità di sintesi vocale

Dialoghi con più speaker

Gemini TTS ed ElevenLabs Text to Dialogue V3 assegnano voci, accenti e stili di lettura distinti ai turni di conversazione dello script.

Emozione e tono inline

I modelli Gemini supportano tag inline come [whispers], [shouting] e [determination] per controllare l’espressività all’interno di una battuta.

Modalità Studio e Turbo

Scegli MiniMax Speech 2.6 HD o Gemini 2.5 Pro TTS per la fedeltà audio, oppure le versioni più rapide quando contano soprattutto latenza e costi.

Parametri vocali regolabili

Regola velocità, volume, intonazione, emozione, stabilità, somiglianza e altri controlli specifici del modello.

Voci personalizzate e clonate

Gli endpoint ElevenLabs accettano un ID voce personalizzato. Crea prima una voce riutilizzabile con un flusso compatibile di clonazione vocale.

Quattro provider, un’unica API

I modelli MiniMax, Google Gemini, ElevenLabs e Fish Audio condividono autenticazione Muapi, attività asincrone, verifica dei risultati e fatturazione.

Casi d’uso della sintesi vocale

Narrazioni e voiceover

Crea da un testo capitoli di audiolibri, narrazioni video, annunci, video esplicativi e clip per i social.

Personaggi e podcast

Genera conversazioni tra più conduttori e dialoghi tra personaggi con voci distinte e indicazioni emotive.

IVR e audio per app

Genera su larga scala messaggi telefonici, notifiche, contenuti audio accessibili e altri parlati dinamici.

Localizzazione

Usa dialoghi multilingue e controlli linguistici per contenuti globali e materiali didattici.

Confronto dei modelli di sintesi vocale, incluse le API Eleven v4 e Fish Audio S2.1 Pro

ModelloProviderPrezzoIdeale per
MiniMax Speech 2.6 HDMiniMax$0.13/1,000 charactersNarrazione a voce singola di qualità da studio
MiniMax Speech 2.6 TurboMiniMax$0.07/1,000 charactersGenerazione rapida a voce singola
ElevenLabs TTS Turbo 2.5ElevenLabs$0.05/1,000 charactersNarrazioni ad alto volume e IVR
Gemini 3.1 Flash TTSGoogle$0.035/1,000 charactersDialoghi rapidi con più speaker
Gemini 2.5 Pro TTSGoogle$0.035/1,000 charactersDialoghi con più speaker di qualità da studio
ElevenLabs Text to Dialogue V3ElevenLabs$0.10/1,000 charactersConversazioni multilingue con più speaker
Eleven v4ElevenLabs$0.08/1,000 charactersNarrazione espressiva a voce singola, fino a 2,000 caratteri per richiesta
Fish Audio S2.1 ProFish Audio$15/1M UTF-8 bytes (~$0.015/1,000 English characters)Narrazione lunga, fino a 10,000 caratteri per richiesta

Fish Audio S2.1 Pro viene tariffato per byte UTF-8: il testo inglese occupa circa un byte per carattere, mentre i sistemi di scrittura non latini ne usano da tre a quattro.

Esempi di API di sintesi vocale

Invia testo semplice o un dialogo strutturato con la tua chiave API Muapi, salva l’ID della richiesta e interroga l’endpoint standard dei risultati per ottenere l’URL audio.

Genera parlato a voce singola

curl -X POST https://api.muapi.ai/api/v1/minimax-speech-2.6-hd \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to Muapi. Your workspace is ready.","voice_id":"Friendly_Person","speed":1,"emotion":"happy","format":"mp3"}'

# Response: {"request_id":"REQUEST_ID"}

Usa un endpoint MiniMax o ElevenLabs a voce singola con prompt, voce e parametri di lettura facoltativi.

Genera un dialogo Gemini

curl -X POST https://api.muapi.ai/api/v1/gemini-3-1-flash-tts \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"speakers":[{"speaker_id":"Speaker 1","voice_name":"Kore","accent":"Neutral","style":"Empathetic","pace":"Natural"},{"speaker_id":"Speaker 2","voice_name":"Puck","accent":"British (RP)","style":"Deadpan","pace":"Natural"}],"dialogue_turns":[{"speaker_id":"Speaker 1","text":"[warmly] Welcome to the show."},{"speaker_id":"Speaker 2","text":"[whispers] Let us begin."}]}'

Definisci gli speaker e l’ordine dei turni di dialogo; ogni turno richiama la configurazione vocale da utilizzare.

Genera parlato con l’API Eleven v4

curl -X POST https://api.muapi.ai/api/v1/elevenlabs-v4 \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to the future of voice. This is Eleven v4, speaking with natural rhythm and emotion.","voice_id":"voice_daniel"}'

# Response: {"request_id":"REQUEST_ID"}

Invia fino a 2,000 caratteri nel prompt e scegli voice_daniel o voice_liam; Eleven v4 costa $0.08 per 1,000 caratteri.

Genera parlato lungo con l’API Fish Audio S2.1 Pro

curl -X POST https://api.muapi.ai/api/v1/fish-s2-1-pro \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"prompt":"Welcome to the show. Today we look at how voice models have changed the way we tell stories.","voice_id":"voice_fish_narrator"}'

# Response: {"request_id":"REQUEST_ID"}

Invia fino a 10,000 caratteri nel prompt con voice_fish_narrator; il costo è di $15 per 1M byte UTF-8.

Genera un dialogo ElevenLabs

curl -X POST https://api.muapi.ai/api/v1/elevenlabs-text-to-dialogue-v3 \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"dialogue":[{"text":"Welcome to the show.","voice_id":"ZQe5CZNOzWyzPSCn5a3c"},{"text":"Let us begin.","voice_id":"EXAVITQu4vr4xnSDxMaL"}],"language_code":"en","stability":0.5}'

Passa un array di dialogo strutturato con un ID voce per turno per ottenere un risultato multilingue con più speaker.

Verifica il risultato audio

curl https://api.muapi.ai/api/v1/predictions/REQUEST_ID/result \
  -H "x-api-key: YOUR_API_KEY"

# Read the generated audio URL after status becomes completed.

Interroga lo stato fino al completamento, quindi recupera dalla risposta l’URL audio scaricabile.

Domande frequenti sull’API di sintesi vocale

Che cos’è l’API di sintesi vocale?

L’API TTS di Muapi converte il testo scritto in audio naturale tramite gli endpoint MiniMax, Google Gemini, ElevenLabs e Fish Audio, per narrazioni a voce singola e dialoghi con più speaker.

Quale modello usare per i dialoghi con più speaker?

Usa Gemini 3.1 Flash TTS o Gemini 2.5 Pro TTS per i profili degli speaker e i tag di tono inline, oppure ElevenLabs Text to Dialogue V3 per conversazioni strutturate multilingue con ID voce per speaker.

Quanto costa la sintesi vocale?

I prezzi partono da $0.015 per 1,000 caratteri inglesi per Fish Audio S2.1 Pro (tariffato a $15 per 1M byte UTF-8), $0.035 per 1,000 caratteri per Gemini 3.1 Flash e 2.5 Pro TTS, $0.05 per ElevenLabs TTS Turbo 2.5, $0.08 per Eleven v4, $0.10 per ElevenLabs Dialogue V3, $0.07 per MiniMax Turbo e $0.13 per MiniMax HD. Gemini 3.8 Flash e Flash Lite costano rispettivamente $0.015 e $0.01 per 1,000 caratteri.

Come si usa l’API Eleven v4 e qual è il limite di lunghezza?

Chiama l’endpoint elevenlabs-v4 con prompt (fino a 2,000 caratteri) e voice_id impostato su voice_daniel o voice_liam, quindi verifica l’ID della richiesta per ottenere un MP3. Eleven v4 costa $0.08 per 1,000 caratteri.

Che cos’è l’API Fish Audio S2.1 Pro?

L’API Fish Audio S2.1 Pro (fish-s2-1-pro) è un endpoint di sintesi vocale per testi lunghi che accetta fino a 10,000 caratteri per richiesta con voice_fish_narrator e restituisce un MP3. Costa $15 per 1M byte UTF-8, circa $0.015 per 1,000 caratteri inglesi.

Posso usare una voce personalizzata o clonata?

Sì. Gli endpoint ElevenLabs accettano un ID voce personalizzato ElevenLabs; MiniMax supporta ID di voci addestrate quando lo schema del modello selezionato lo consente.

Quale formato audio viene restituito?

Ogni modello restituisce dall’endpoint standard dei risultati un URL per un file audio scaricabile, pronto da incorporare, scaricare o usare in una pipeline video o di sincronizzazione labiale.

Come si accede ai modelli dell’API di sintesi vocale?

Crea una chiave API Muapi, chiama l’endpoint adatto al tuo testo e verifica l’ID richiesta ricevuto. Per i modelli disponibili non è necessaria alcuna lista d’attesa.

API Eleven v4 ed endpoint ElevenLabs →Confronta Eleven v4, TTS Turbo 2.5 e Text to Dialogue V3.API Fish Audio S2.1 Pro →Narrazione lunga fino a 10,000 caratteri per richiesta, tariffata per byte UTF-8.Scopri la gamma Gemini TTS →Confronta tutte e quattro le versioni Gemini TTS: 3.8 Flash, 3.8 Flash Lite, 3.1 Flash e 2.5 Pro.Scopri la clonazione vocale →Crea una voce riutilizzabile per i flussi di sintesi vocale compatibili.Scopri Suno Music →Genera, remix e amplia brani quando ti serve musica invece del parlato.Esplora i modelli audio →Confronta gli endpoint per voce, musica, effetti sonori e conversione da video ad audio.Scopri i modelli di sincronizzazione labiale →Abbina il parlato generato a un video con un volto per creare un avatar parlante.

Pronto a generare un parlato naturale?

Usa una sola chiave API Muapi per narrazioni, dialoghi tra personaggi, IVR, podcast e audio multilingue.

Ottieni una chiave APIProva la sintesi vocale