Этот API поддерживает синхронную генерацию речи из текста; максимальный объем текста за один запрос — 10000 символов. Поддерживается самостоятельный выбор из 100+ системных тембров и клонированных тембров; поддерживается настройка громкости, интонации, скорости речи и формата вывода; поддерживаются смешивание тембров 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 для длинного текста обратите внимание: срок действия возвращенного url составляет 24 часа с момента возврата url, своевременно скачайте информацию.
Подходит для генерации коротких фраз, голосовых чатов, онлайн-социального общения и других сценариев; занимает мало времени, но ограничение длины текста — менее 10000 символов. Для длинных текстов рекомендуется использовать асинхронный вызов синтеза речи.
Текст для синтеза, ограничение длины — менее 10000 символов; смена абзаца заменяется символом новой строки. (Если необходимо управлять интервалом в речи, добавьте между символами <#x#>, где x — в секундах; поддерживается диапазон 0.01–99.99, максимум две цифры после запятой). Поддерживается настройка интервала между пользовательскими текстовыми фрагментами, чтобы реализовать пользовательские паузы в озвучивании текста. Обратите внимание: интервал между текстами необходимо задавать между двумя фрагментами текста, которые могут быть озвучены, и нельзя задавать несколько последовательных временных интервалов.
Диапазон [-12,12], значение по умолчанию — 0Интонация генерируемого голоса. Необязательно (0 означает вывод исходного тембра; значение должно быть целым числом).
Идентификатор запрашиваемого тембра. Обязательно указать один из двух параметров: voice_id или timbre_weights.Поддерживаются два типа: системные тембры (id) и клонированные тембры (id). Системные тембры (ID) перечислены ниже:
Наивный молодой мужской голос: male-qn-qingse
Молодой голос профессионала: male-qn-jingying
Властный молодой мужской голос: male-qn-badao
Голос молодого студента: male-qn-daxuesheng
Голос девушки: female-shaonv
Голос уверенной взрослой женщины: female-yujie
Голос зрелой женщины: female-chengshu
Милый женский голос: female-tianmei
Мужской голос ведущего: presenter_male
Женский голос ведущей: presenter_female
Мужской голос для аудиокниг 1: audiobook_male_1
Мужской голос для аудиокниг 2: audiobook_male_2
Женский голос для аудиокниг 1: audiobook_female_1
Женский голос для аудиокниг 2: audiobook_female_2
Наивный молодой мужской голос-beta: male-qn-qingse-jingpin
Молодой голос профессионала-beta: male-qn-jingying-jingpin
Властный молодой мужской голос-beta: male-qn-badao-jingpin
Голос молодого студента-beta: male-qn-daxuesheng-jingpin
Этот параметр поддерживает нормализацию английского текста и может повысить производительность в сценариях чтения чисел, но немного увеличивает задержку. Если параметр не предоставлен, значение по умолчанию — false.
Диапазон【32000,64000,128000,256000】Битрейт генерируемого голоса. 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 тембров; значение должно быть целым числом. Чем выше доля одного тембра, тем больше синтезированный тембр похож на него.
Когда этот параметр установлен в True, последний chunk в потоковом режиме не будет содержать hex-данные полной склеенной речи. По умолчанию False, то есть последний chunk содержит hex-данные полной склеенной речи.
Усиливает способность распознавания заданных малораспространенных языков и диалектов; после настройки может улучшить качество речи в сценариях с указанным малораспространенным языком/диалектом. Если тип малораспространенного языка неясен, 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. Допустимые значения: urlhex. Значение по умолчанию — hex. Этот параметр действует только в непотоковом сценарии; в потоковом сценарии поддерживается возврат только в формате hex. Возвращенный url действителен 24 часа.
Регулировка тембра (магнитный/звонкий), диапазон [-100,100]: чем ближе значение к -100, тем более насыщенный голос; чем ближе значение к 100, тем более звонкий голос
Синтезированный аудиофрагмент, закодированный в hex, генерируется в формате, определенном во входных данных (audio_setting.format) (mp3/pcm/flac). Форма возврата определяется output_format; когда stream равен true, поддерживается только возврат в формате hex.