Diese API unterstützt die asynchrone Generierung von Text-to-Speech. Pro Textgenerierungsübertragung werden maximal 1 Million Zeichen unterstützt; das vollständig generierte Audioergebnis kann asynchron abgerufen werden. Es werden über 100 Systemstimmen sowie frei auswählbare geklonte Stimmen unterstützt; außerdem können Intonation, Sprechgeschwindigkeit, Lautstärke, Bitrate, Abtastrate und Ausgabeformat individuell angepasst werden.Nach dem Einreichen einer Sprachsyntheseanfrage für lange Texte ist zu beachten, dass die zurückgegebene url ab dem Zeitpunkt der Rückgabe 24 Stunden gültig ist. Bitte achten Sie darauf, die Informationen rechtzeitig herunterzuladen.
Geeignet für die Sprachgenerierung langer Texte wie ganzer Bücher. Die Wartezeit in der Aufgabenwarteschlange kann länger sein. Für Szenarien wie die Generierung kurzer Sätze, Sprachchats oder Online-Social-Anwendungen wird die Verwendung der synchronen Sprachsynthese empfohlen.
Bereich [0.5,2], Standardwert ist 1.0Die Sprechgeschwindigkeit der generierten Stimme. Optional; je größer der Wert, desto schneller die Sprechgeschwindigkeit.
Bereich [-12,12], Standardwert ist 0Die Intonation der generierten Stimme. Optional (0 gibt die ursprüngliche Stimme aus; der Wert muss eine Ganzzahl sein).
Dieser Parameter unterstützt die Normalisierung englischer Texte und kann die Leistung in Szenarien zum Vorlesen von Zahlen verbessern, erhöht jedoch geringfügig die Latenz. Wenn nicht angegeben, ist der Standardwert false.
Bereich 【32000,64000,128000,256000】Die Bitrate der generierten Stimme. Optional, Standardwert ist 128000. Dieser Parameter wirkt sich nur auf Audio im mp3-Format aus.
Ersetzt Text, Symbole und die zugehörige Lautschrift, die speziell markiert werden müssen.Aussprache ersetzen (Ton anpassen/andere Zeichenaussprache ersetzen), Format wie folgt:["燕少飞/(yan4)(shao3)(fei1)","达菲/(da2)(fei1)","omg/oh my god"]Töne werden durch Zahlen ersetzt: erster Ton (Yinping) ist 1, zweiter Ton (Yangping) ist 2, dritter Ton (Shangsheng) ist 3, vierter Ton (Qusheng) ist 4, neutraler Ton ist 5.
Verbessert die Erkennungsfähigkeit für angegebene weniger verbreitete Sprachen und Dialekte. Nach der Einstellung kann die Sprachleistung in Szenarien mit der angegebenen weniger verbreiteten Sprache/dem angegebenen Dialekt verbessert werden. Wenn der Typ der weniger verbreiteten Sprache nicht eindeutig ist, kann “auto” ausgewählt werden; das Modell bestimmt dann selbstständig den Sprachtyp. Unterstützte Werte:'Chinese', 'Chinese,Yue', 'English', 'Arabic', 'Russian', 'Spanish', 'French', 'Portuguese', 'German', 'Turkish', 'Dutch', 'Ukrainian', 'Vietnamese', 'Indonesian', 'Japanese', 'Italian', 'Korean', 'Thai', 'Polish', 'Romanian', 'Greek', 'Czech', 'Finnish', 'Hindi', 'Bulgarian', 'Danish', 'Hebrew', 'Malay', 'Persian', 'Slovak', 'Swedish', 'Croatian', 'Filipino', 'Hungarian', 'Norwegian', 'Slovenian', 'Catalan', 'Nynorsk', 'Tamil', 'Afrikaans', 'auto'
Tonhöhenanpassung (tief/hell), Bereich [-100,100]. Je näher der Wert an -100 liegt, desto tiefer ist die Stimme; je näher an 100, desto heller ist die Stimme.
Intensitätsanpassung (kraftvoll/sanft), Bereich [-100,100]. Je näher der Wert an -100 liegt, desto kräftiger ist die Stimme; je näher an 100, desto weicher ist die Stimme.
Klangfarbenanpassung (magnetisch/klar), Bereich [-100,100]. Je näher der Wert an -100 liegt, desto voller ist die Stimme; je näher der Wert an 100 liegt, desto klarer ist die Stimme.
Die task_id der asynchronen Aufgabe. Sie sollten diese task_id verwenden, um die API zum Abfragen des Aufgabenergebnisses aufzurufen und das generierte Ergebnis abzurufen.