Этот API поддерживает синхронную генерацию речи из текста; максимальный размер текста за один запрос — 10000 символов. Поддерживается выбор из 100+ системных голосов и клонированных голосов; настройка громкости, интонации, скорости речи и формата вывода; пропорциональное смешивание голосов 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, что срок действия возвращаемого url составляет 24 часа с момента возврата url. Пожалуйста, своевременно скачайте данные.
Подходит для сценариев генерации коротких фраз, голосовых чатов, онлайн-социального общения и т. п.; время обработки короткое, но длина текста ограничена менее чем 10000 символами. Для длинных текстов рекомендуется использовать асинхронный вызов синтеза речи.
Текст для синтеза, ограничение длины — менее 10000 символов; смена абзаца заменяется символом новой строки. (Если нужно управлять интервалами в речи, добавьте между символами <#x#>, где x — время в секундах, поддерживается 0.01-99.99, максимум две цифры после запятой). Поддерживаются пользовательские интервалы времени между фрагментами текста, чтобы реализовать настраиваемые паузы в озвучивании текста. Обратите внимание: интервал должен быть установлен между двумя текстовыми фрагментами, которые могут быть произнесены, и нельзя задавать несколько последовательных интервалов подряд.
Диапазон [-12,12], значение по умолчанию — 0Интонация генерируемого голоса. Необязательно (0 означает вывод исходного тембра; значение должно быть целым числом).
Идентификатор запрашиваемого голоса. Обязателен один из двух параметров: voice_id или timbre_weights.Поддерживаются два типа: системные голоса (id) и клонированные голоса (id). Системные голоса (ID):
Голос юного молодого мужчины: male-qn-qingse
Голос элитного молодого мужчины: male-qn-jingying
Властный голос молодого мужчины: male-qn-badao
Голос студента: male-qn-daxuesheng
Голос девушки: female-shaonv
Голос уверенной взрослой женщины: female-yujie
Голос зрелой женщины: female-chengshu
Голос милой женщины: female-tianmei
Мужчина-ведущий: presenter_male
Женщина-ведущая: presenter_female
Мужская аудиокнига 1: audiobook_male_1
Мужская аудиокнига 2: audiobook_male_2
Женская аудиокнига 1: audiobook_female_1
Женская аудиокнига 2: audiobook_female_2
Голос юного молодого мужчины-beta: male-qn-qingse-jingpin
Голос элитного молодого мужчины-beta: male-qn-jingying-jingpin
Властный голос молодого мужчины-beta: male-qn-badao-jingpin
Этот параметр поддерживает нормализацию английского текста и может повысить производительность в сценариях чтения чисел, но немного увеличивает задержку. Если параметр не указан, 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, должен быть указан вместе с voice_id. Поддерживается смешивание максимум 4 голосов; значение должно быть целым числом. Чем выше доля отдельного голоса, тем больше синтезированный голос будет на него похож.
Если этот параметр установлен в True, последний chunk в потоковом режиме не будет содержать полные hex-данные аудио после склейки. По умолчанию False, то есть последний chunk содержит полные hex-данные аудио после склейки.
Усиливает способность распознавания указанных малых языков и диалектов; после настройки может улучшить качество речи в сценариях с указанным малым языком/диалектом. Если тип малого языка неизвестен, можно выбрать “auto”, и модель самостоятельно определит тип малого 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. Срок действия возвращаемого url — 24 часа.
Настройка интенсивности (сильный/мягкий), диапазон [-100,100]. Чем ближе значение к -100, тем более жестким становится голос; чем ближе к 100, тем мягче голос
Настройка тембра (магнитный/звонкий), диапазон [-100,100]. Чем ближе значение к -100, тем более густым становится голос; чем ближе значение к 100, тем более звонким становится голос
Синтезированный аудиофрагмент, закодированный в hex; генерируется в формате, заданном во входных данных (audio_setting.format) (mp3/pcm/flac). Форма возврата зависит от определения output_format; когда stream равно true, поддерживается возврат только в форме hex.