この API は、テキストから音声への同期生成をサポートし、1 回のテキスト送信は最大 10000 文字です。100 種類以上のシステムボイス、クローンボイスの自由選択に対応しています。音量、ピッチ、話速、出力形式の調整に対応しています。比率に基づくミキシング機能、固定間隔時間の制御に対応しています。mp3, pcm, flac, wav を含む複数の音声仕様・形式に対応し、ストリーミング出力にも対応しています。
長文の音声合成リクエストを送信した後、返却される url の有効期限は url が返却されてから 24 時間である点に注意し、ダウンロード情報の有効時間にご注意ください。
短文生成、音声チャット、オンラインソーシャルなどのシナリオに適しています。処理時間は短いですが、テキスト長の制限は 10000 文字未満です。長文の場合は
非同期呼び出し音声合成 の使用を推奨します。
リクエストヘッダー
Bearer 認証形式: Bearer {{API Key}}。
リクエストボディ
合成対象のテキスト。長さは 10000 文字未満に制限され、段落の切り替えは改行文字で代替します。（音声内の間隔時間を制御する必要がある場合は、文字の間に <#x#> を追加します。x の単位は秒で、0.01-99.99 をサポートし、小数点以下は最大 2 桁です）。カスタムテキスト間の音声時間間隔をサポートし、カスタムテキスト音声のポーズ時間を実現できます。なお、テキスト間隔時間は、音声として発音できる 2 つのテキストの間に設定する必要があり、複数の連続した時間間隔は設定できません。
範囲[0.5,2]、デフォルト値は 1.0生成音声の話速。任意。値が大きいほど話速が速くなります。
範囲（0,10]、デフォルト値は 1.0生成音声の音量。任意。値が大きいほど音量が高くなります。
範囲[-12,12]、デフォルト値は 0生成音声のピッチ。任意。（0 は元のボイスで出力し、値は整数である必要があります）。
リクエストするボイス番号。timbre_weights とのいずれか一方が「必須」です。システムボイス(id)とクローンボイス（id）の 2 種類をサポートします。このうちシステムボイス（ID）は以下のとおりです：
- 初々しい青年ボイス：
male-qn-qingse
- エリート青年ボイス：
male-qn-jingying
- 霸道系青年ボイス：
male-qn-badao
- 男子大学生ボイス：
male-qn-daxuesheng
- 少女ボイス：
female-shaonv
- 大人の女性ボイス：
female-yujie
- 成熟した女性ボイス：
female-chengshu
- 甘い女性ボイス：
female-tianmei
- 男性司会者：
presenter_male
- 女性司会者：
presenter_female
- 男性オーディオブック 1：
audiobook_male_1
- 男性オーディオブック 2：
audiobook_male_2
- 女性オーディオブック 1：
audiobook_female_1
- 初々しい青年ボイス-beta：
male-qn-qingse-jingpin
- エリート青年ボイス-beta：
male-qn-jingying-jingpin
- 霸道系青年ボイス-beta：
male-qn-badao-jingpin
- 男子大学生ボイス-beta：
male-qn-daxuesheng-jingpin
- 少女ボイス-beta：
female-shaonv-jingpin
- 大人の女性ボイス-beta：
female-yujie-jingpin
- 成熟した女性ボイス-beta：
female-chengshu-jingpin
- 甘い女性ボイス-beta：
female-tianmei-jingpin
- 賢い男の子：
clever_boy
- かわいい男の子：
cute_boy
- 愛らしい女の子：
lovely_girl
- カートゥーン豚の小琪：
cartoon_pig
- ヤンデレ弟：
bingjiao_didi
- ハンサムな彼氏：
junlang_nanyou
- 無邪気な後輩男子：
chunzhen_xuedi
- クールな先輩男子：
lengdan_xiongzhang
- 霸道系のお坊ちゃま：
badao_shaoye
- スイートな小玲：
tianxin_xiaoling
- いたずら好きな萌え妹：
qiaopi_mengmei
- 妖艶な大人の女性：
wumei_yujie
- 甘え声の後輩女子：
diadia_xuemei
- 上品な先輩女子：
danya_xuejie
- Santa Claus：
Santa_Claus
- Grinch：
Grinch
- Rudolph：
Rudolph
- Arnold：
Arnold
- Charming Santa：
Charming_Santa
- Charming Lady：
Charming_Lady
- Sweet Girl：
Sweet_Girl
- Cute Elf：
Cute_Elf
- Attractive Girl：
Attractive_Girl
- Serene Woman：
Serene_Woman
合成音声の感情を制御します；現在 7 種類の感情をサポートします：喜び、悲しみ、怒り、恐怖、嫌悪、驚き、中立；パラメータ範囲：["happy", "sad", "angry", "fearful", "disgusted", "surprised", "neutral"]
latex 数式の読み上げをサポートするかどうかを制御します。デフォルトは false です。注意事項：
- リクエスト内の数式は、数式の先頭と末尾に$$を追加する必要があります；
- リクエスト内の数式に""がある場合は、”\“にエスケープする必要があります。
例：導関数の基本公式は $$\\frac{d}{dx}(x^n) = nx^{n-1}$$ このパラメータは英語テキストの正規化をサポートし、数字読み上げシナリオの性能を向上できますが、レイテンシがわずかに増加します。指定しない場合、デフォルト値は false です。
範囲【8000，16000，22050，24000，32000，44100】生成音声のサンプリングレート。任意。デフォルトは 32000 です。
範囲【32000，64000，128000，256000】生成音声のビットレート。任意。デフォルト値は 128000 です。このパラメータは mp3 形式の音声にのみ有効です。
生成される音声形式。デフォルトは mp3、範囲は[mp3,pcm,flac,wav]です。wav は非ストリーミング出力でのみサポートされます。
生成音声のチャンネル数。デフォルトは 1：モノラル。選択可能：1：モノラル2：ステレオ
特別な注記が必要な文字、記号、および対応する発音表記を置換します。発音の置換（声調の調整/他の文字発音への置換）の形式は以下のとおりです：["燕少飞/(yan4)(shao3)(fei1)","达菲/(da2)(fei1)"，"omg/oh my god"]声調は数字で表します。一声（陰平）は 1、二声（陽平）は 2、三声（上声）は 3、四声（去声）は 4）、軽声は 5 です。
voice_id とのいずれか一方が必須です
リクエストするボイス id。weight パラメータと同時に入力する必要があります。
範囲[1,100]重み。voice_id と同時に入力する必要があります。最大 4 種類のボイスのミキシングをサポートします。値は整数で、単一ボイスの値の比率が高いほど、合成ボイスはそのボイスに近くなります。
ストリーミングするかどうか。デフォルトは false、つまりストリーミングは有効化されません。
このパラメータを True に設定すると、ストリーミングの最後の chunk に、結合後の完全な音声 hex データは含まれません。デフォルトは False、つまり最後の chunk に結合後の完全な音声 hex データが含まれます。
指定したマイナー言語および方言の認識能力を強化します。設定後、指定したマイナー言語/方言のシナリオで音声表現を向上できます。マイナー言語の種類が明確でない場合は、“auto” を選択できます。モデルがマイナー言語の種類を自動判断します。以下の値をサポートします：'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'
出力結果の形式を制御するパラメータです。選択可能な値は url hex です。デフォルト値は hex です。このパラメータは非ストリーミングシナリオでのみ有効で、ストリーミングシナリオでは hex 形式の返却のみをサポートします。返却される url の有効期限は 24 時間です。
ボイスエフェクター設定。このパラメータがサポートする音声形式：
- 非ストリーミング：mp3, wav, flac
- ストリーミング：mp3
ピッチ調整（低い/明るい）。範囲 [-100,100]。値が -100 に近いほど音声はより低くなり、100 に近いほど音声はより明るくなります
強度調整（力強さ/柔らかさ）。範囲 [-100,100]。値が -100 に近いほど音声はより力強くなり、100 に近いほど音声はより柔らかくなります
音色調整（磁性/澄んだ音）。範囲 [-100,100]。値が -100 に近いほど音声はより厚みのある音になり、100 に近いほど音声はより澄んだ音になります
サウンドエフェクト設定。一度に 1 種類のみ選択可能です。選択可能な値：
spacious_echo（広々としたエコー）auditorium_echo（講堂放送）lofi_telephone（電話の歪み）robotic（電子音）
レスポンス情報
合成後の音声セグメント。hex エンコードを使用し、入力で定義された形式 (audio_setting.format) に従って生成されます（mp3/pcm/flac）。返却形式は output_format の定義に従って返却され、stream が true の場合は hex の返却形式のみをサポートします。
現在の音声ストリーム状態。stream が true の場合のみ返却されます。1 は合成中、2 は合成終了を表します。
