Этот API поддерживает синхронную генерацию речи на основе текста; максимальный объем текста за один запрос — 10000 символов. Поддерживаются более 100 системных голосов и самостоятельный выбор клонированных голосов; поддерживается настройка громкости, интонации, скорости речи и формата вывода; поддерживается смешивание голосов по пропорциям и управление фиксированными интервалами; поддерживаются различные аудиоспецификации и форматы, включая: mp3, pcm, flac, wav, а также потоковый вывод.После отправки запроса на синтез речи из длинного текста обратите внимание: срок действия возвращаемого url составляет 24 часа с момента его возврата. Учитывайте время скачивания информации.
Подходит для сценариев генерации коротких фраз, голосового чата, онлайн-социального общения и т. п.; время обработки короткое, но ограничение длины текста — менее 10000 символов. Для длинного текста рекомендуется использовать асинхронный вызов синтеза речи.
Текст для синтеза, ограничение длины — менее 10000 символов; смена абзаца заменяется символом новой строки. (Если необходимо управлять интервалами в речи, добавьте между символами <#x#>, где x — в секундах, поддерживается диапазон 0.01-99.99, максимум два знака после запятой). Поддерживается настройка временного интервала речи между пользовательскими фрагментами текста, чтобы добиться эффекта пользовательской паузы в озвучивании текста. Обратите внимание: интервал между текстами должен быть задан между двумя фрагментами текста, которые могут быть произнесены, и нельзя задавать несколько последовательных временных интервалов.
Диапазон [-12,12], значение по умолчанию — 0Интонация генерируемого голоса. Необязательно; (0 — вывод исходного голоса, значение должно быть целым числом).
Номер запрашиваемого голоса. Обязательно заполнить один из двух параметров: voice_id или timbre_weights.Поддерживаются два типа: системные голоса (id) и клонированные голоса (id). Системные голоса (ID) приведены ниже:
Этот параметр поддерживает нормализацию английского текста и может улучшить производительность в сценариях чтения чисел, но немного увеличивает задержку. Если не предоставлен, значение по умолчанию — false.
Диапазон 【32000,64000,128000,256000】Битрейт генерируемого звука. Необязательно, значение по умолчанию — 128000. Этот параметр действует только для аудио в формате mp3.
Диапазон [1,100]Вес; необходимо заполнять синхронно с voice_id. Поддерживается смешивание максимум 4 голосов; значение должно быть целым числом. Чем выше доля значения одного голоса, тем больше синтезированный тембр похож на него.
Если этот параметр установлен в True, последний chunk в потоковом режиме не будет содержать полные hex-данные склеенной речи. По умолчанию False, то есть последний chunk содержит полные hex-данные склеенной речи.
Усиливает способность распознавания указанных малораспространенных языков и диалектов; после настройки может улучшить качество речи в сценариях с указанным малораспространенным языком/диалектом. Если тип малораспространенного языка неизвестен, можно выбрать “auto”, и модель самостоятельно определит тип малораспространенного языка. Поддерживаются следующие значения:'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'
Параметр, управляющий формой результата вывода. Возможные значения: urlhex. Значение по умолчанию — hex. Этот параметр действует только в непотоковом сценарии; в потоковом сценарии поддерживается возврат только в форме hex. Возвращаемый url действителен 24 часа.
Настройка тембра (магнитный/звонкий), диапазон [-100,100]; чем ближе значение к -100, тем более глубокий голос; чем ближе значение к 100, тем более звонкий голос
Синтезированный аудиофрагмент в hex-кодировке, генерируется в соответствии с форматом, заданным во входных данных (audio_setting.format) (mp3/pcm/flac). Форма возврата определяется output_format; когда stream равно true, поддерживается возврат только в форме hex.