关于微软Text-to-Speech REST API中POST与GET方法差异的疑问

1. 为什么获取访问令牌用POST？ #

别被“获取”这个词误导，令牌生成本质是身份验证操作，不是读取静态资源：

• GET的参数会明文暴露在URL里，而请求令牌需要传订阅密钥这类敏感信息，POST把数据放在请求体里，能避免泄露风险。
• 令牌是服务端临时生成的新凭证，不是早就存在的静态数据，POST的语义就是触发操作并生成新资源，刚好匹配。
• HTTP规范要求GET是幂等的（重复请求结果一致），但令牌生成不一定——重复请求可能会发新令牌或者刷新有效期，不符合GET的幂等要求。

2. 文本转语音为什么用POST？ #

文本转语音是实时计算操作，不是读现成资源：

• GET的URL有长度限制，长文本根本塞不下，POST的请求体可以轻松承载大段内容。
• 转语音时要传一堆配置（比如语音类型、音频格式、语调），用POST请求体组织这些参数比堆在URL里清晰多了，后续维护也方便。
• 这个操作是服务端实时计算出音频，属于“触发处理流程返回结果”，POST更适合这种需要传负载、非幂等的场景，GET则更适合读静态数据。

3. 获取语音列表为什么用GET？ #

语音列表是服务端预定义的静态资源集合：

• 语音列表是固定不变的（除非微软更新），属于可缓存的内容，GET请求天然支持缓存，能减少重复请求。
• 这个操作只需要拿现成数据，没有敏感信息要传，语言、区域这类参数放在URL查询串里完全没问题，符合GET读取资源的语义。
• 重复请求返回的结果一模一样，完全符合GET的幂等性要求。

内容的提问来源于stack exchange，提问作者Howard Baik