演讲（Speech）生成 API

更新于 2026-09-15 · Suno-API 团队

接口说明

演讲（Speech）用于把演讲稿或一句话描述生成"说话/演讲"音频，可选是否配背景音乐。 适合演讲、致辞、旁白、口播稿、有声内容等场景。

请注意：本接口生成的是说话音频，不是演唱歌曲（没有旋律、没有歌唱人声）。 需要唱歌请使用灵感模式生成 API 或专业模式生成 API。

接口地址: POST /api/music/speech

计费: 收费，当前默认 0.6 元/次。每次通常返回 2 条音频，实际扣费以后台价格配置为准。

Max Mode / Variety：本接口支持可选参数 max_mode 与 variety（0-4）。开启 max_mode 时本次按 2 倍价格计费（0.6 → 1.2 元/次），variety 不额外计费；两者含义与写法见 新版 API 总览 的「高级参数」一节。

等待时间与超时（重要）：本接口是同步接口，响应返回时才代表订单已被受理并提交生成。 实测多数请求数秒内返回（1–10 秒）；但与其它同步生成接口一样，极端情况下可能更久， 请把客户端超时设置为 300 秒以上； 未收到响应不等于没有生成，超时后请勿立即重试（会重复下单、重复扣费）。 连接中断可稍后用 GET /api/music/songs 确认。详见新版 API 总览的「等待时间与超时设置」。

内容合规：上游会对演讲稿做版权与内容策略校验。若被判定为涉及版权材料（例如直接引用他人歌词、 知名作品原文），本次会生成失败并自动全额退费。改用你自己的表述、把引用改成转述后再试即可。

请求参数

Headers

Body 参数

本接口不支持 duration（时长参数）：传了会返回 HTTP 400，不做静默忽略。 演讲时长由 script 的内容长度决定。

请求示例

最小请求（只需要演讲稿）

curl -X POST https://www.suno-api.io/api/music/speech \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  --max-time 300 \
  -d '{
    "script": "各位老师、各位同学，大家好！今天我演讲的题目是《不负时光，奋力前行》。"
  }'

完整请求（指定语气、性别、关闭背景音乐）

curl -X POST https://www.suno-api.io/api/music/speech \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  --max-time 300 \
  -d '{
    "script": "Good evening everyone, thank you all for coming to celebrate this special day with us.",
    "tone": "warm and slow, wedding reception",
    "song_title": "Wedding Toast",
    "gender": "f",
    "backing_music": false,
    "model": "suno-v6"
  }'

Python 示例

import requests

response = requests.post(
    'https://www.suno-api.io/api/music/speech',
    headers={'Authorization': 'Bearer YOUR_API_KEY'},
    json={
        'script': '各位同事，下午好。下面汇报一下本周的进展。',
        'tone': '平稳清晰，会议汇报',
        'gender': 'male',
        'backing_music': True,
    },
    timeout=300,
)
response.raise_for_status()
items = response.json()          # 通常 2 条
for item in items:
    print(item['song_id'], item['status'])

参数说明

script（演讲稿，必填）

• 直接粘贴你要讲的内容；也支持写一句描述让模型自己生成演讲稿 （例如"给一支落后二十分的球队做中场动员，从低声到全场咆哮"）。
• 换行、段落、[停顿] 之类的舞台提示都可以直接写进去，模型会尽量遵循。
• 上限 3000 字符（按 Unicode 字符统计，一个汉字算 1 个），超长返回 400 且不扣费。

tone（语气与场景，可选）

用来描述"怎么讲"，而不是"讲什么"。建议包含四类信息：语气、语速/节奏、情绪、场景。

激昂有力，语速由慢到快，停顿明显；学校礼堂，面向全校师生
温暖柔和，语速平缓；婚礼宴会现场
沉稳克制，匀速清晰；董事会汇报

上限 1000 字符。不填时由模型按 script 的内容自行判断。

gender / vocal_gender（演讲者性别，可选）

• 男声传 m 或 male，女声传 f 或 female；服务端会统一规范化为 m / f。
• 两个字段名都支持，二选一即可：gender 是本接口的推荐写法；如果你已经在用 专业模式，直接沿用 vocal_gender 也可以。
• 不传表示"不限"，由模型自行决定。

backing_music（背景音乐，可选）

• 默认 true（配背景音乐），与 Suno 网页版的默认一致。
• 传 false 得到纯人声演讲，适合后续自行配音/配乐。
• 必须是 JSON 布尔值 true / false；字符串 "true"、"1" 也接受，但建议用布尔值。

model（模型，可选）

三个对客模型都可用且同价（0.6 元/次）。演讲由 Suno v6 系列引擎生成；不填时按默认 suno-v6 处理。除非你有明确偏好，通常不需要传这个字段。

参数校验与文本上限

以下情况会返回 HTTP 400，都在扣费之前拦截，不会产生费用：

文本字段长度上限

超长同样返回 HTTP 400，不会进入生成、不会预扣费。计数按 Unicode 字符（一个汉字算 1 个字符）， 首尾空格也计入：

错误信息形如 script must not exceed 3000 characters; received 4120： 第一个词是超限的字段名，末尾是实际字数，拿到 400 直接按这两个数字裁剪即可。

响应结果

返回与其它生成接口完全一致的歌曲数组（通常 2 条），保存 song_id 后按 歌曲查询 API 查询最终状态与音频地址：

[
  {
    "song_id": "b7529174-b495-465b-8c5e-cd21bea2df8c",
    "song_title": "不负时光",
    "status": "pending",
    "audio_url": "",
    "cover_url": "",
    "video_url": "",
    "model_version": "suno-v6",
    "generation_type": "generate",
    "created_at": "2026-10-08T01:00:00Z"
  }
]

生成失败与退款

生成失败时，本次费用会自动全额退回，不需要联系客服。失败原因可在响应或 歌曲查询 API 的 error_message 里看到。

最常见的失败原因是内容被上游判定为涉及版权材料，例如：

Your lyrics contain copyrighted material. Please change it and try again.

遇到这种情况，把稿件换成你自己的表述（或把引用改成转述）后重新提交即可。

常见问题

Q：为什么生成出来是"说话"，不是唱歌？ A：本接口就是演讲接口，输出为说话音频。要唱歌请用生成/专业模式接口。

Q：每次为什么返回 2 条？ A：与本平台其它生成接口一致，一次生成产出 2 条候选，按 song_id 分别查询，选满意的一条即可。

Q：怎么控制时长？ A：由 script 的长度决定，本接口不接受 duration 参数。

Q：可以指定音色（比如我克隆的声音）吗？ A：当前版本不支持。演讲使用固定的演讲音色，可用 gender 指定男声/女声； 如需用自己的声音，请使用克隆音色 API 的相关能力。

Q：tone 不填会怎样？ A：模型会按 script 的内容自行判断语气与节奏。要稳定复现某个风格，建议把语气、语速、场景写进 tone。

兼容字段

新接入请统一使用 snake_case。其余字段（script、tone、song_title、backing_music）没有 camelCase 别名。

下一步

拿到 song_id 后：

1. 用歌曲查询 API 查询生成状态与音频地址；
2. 完成后用歌曲媒体下载与试听 API 下载或试听；
3. 想批量下载或转存，见下载中心相关接口。