Вся магия — в одной ручке:

Тело запроса

string
required
Текст для озвучки. Понимает русский и английский. Цифры, знаки препинания и символы — пожалуйста. Эмоциональные теги [смеётся], [шёпотом] и другие [...] встраиваются прямо в текст — см. Эмоции и интонации.
string
default:"axolotl"
Идентификатор голоса (axolotl, daniil, sergey, dmitriy, polina, tatyana или ваш private id). Полный список — Голоса.
string
default:"mp3"
Формат аудио: mp3, mp3_high, mp3_low или pcm.
boolean
default:"false"
Отдавать звук потоком, по мере генерации. См. Стриминг.

Ответ

При успехе прилетают «сырые» байты аудио с Content-Type: audio/mpeg (или audio/wav для pcm) и вот такие заголовки:
string
Уникальный id запроса (его же видно в истории).
integer
Сколько символов списали за этот запрос.
string
Стоимость запроса в рублях.
string
Остаток на балансе после списания.

Пример

Лимит на запрос — 10 000 символов. Тарифицируется только поле text. Эмоциональные теги [...] тоже входят в подсчёт символов — подробнее в гайде по эмоциям.