Этот API поддерживает синхронную генерацию речи из текста; максимальный объем текста за одну передачу — 10000 символов. Поддерживает 100+ системных голосов и самостоятельный выбор клонированных голосов; настройку громкости, тона, скорости речи и формата вывода; пропорциональное микширование голосов и управление фиксированными интервалами; 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 возвращенного url составляет 24 часа с момента возврата url. Пожалуйста, своевременно скачайте данные.
Подходит для генерации коротких фраз, голосовых чатов, онлайн-социальных сценариев и т. п.; задержка малая, 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 диапазон 0.01–99.99, максимум два знака после запятой). Поддерживается настройка пользовательского временного интервала между фрагментами текста, чтобы добиться эффекта настраиваемых пауз в озвучивании. Обратите внимание: интервал между текстами должен быть установлен между двумя фрагментами текста, которые могут быть произнесены, и нельзя задавать несколько последовательных временных интервалов.
Диапазон [-12,12], значение по умолчанию — 0Тон 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 голосов: системные голоса (id) и клонированные голоса (id). Системные голоса (ID) перечислены ниже:
Голос застенчивого юноши: male-qn-qingse
Голос элитного молодого человека: male-qn-jingying
Голос властного молодого человека: male-qn-badao
Голос молодого студента университета: male-qn-daxuesheng
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.
Замена текста, символов и соответствующих произношений, требующих специальной разметки.Замена произношения (настройка тона/замена произношения другими символами), формат:["燕少飞/(yan4)(shao3)(fei1)","达菲/(da2)(fei1)","omg/oh my god"]Тоны заменяются цифрами: первый тон (иньпин) — 1, второй тон (янпин) — 2, третий тон (шаншэн) — 3, четвертый тон (цюйшэн) — 4, нейтральный тон — 5.
Диапазон [1,100]Вес; должен указываться одновременно с voice_id. Поддерживается смешивание максимум 4 голосов. Значение должно быть целым числом; чем выше доля отдельного голоса, тем сильнее синтезированный голос будет на него похож.
Если этот параметр установлен в True, последний chunk в потоковом режиме не будет содержать полные склеенные hex-данные речи. По умолчанию False, то есть последний chunk содержит полные склеенные hex-данные речи.
Усиливает способность распознавания указанного менее распространенного языка или диалекта; после настройки может улучшить качество речи в сценариях с указанным менее распространенным языком/диалектом. Если тип языка неизвестен, можно выбрать “auto”, и модель самостоятельно определит тип 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 выходного результата. Возможные значения: urlhex. Значение по умолчанию — hex. Этот параметр действует только в непотоковых сценариях; в потоковых сценариях поддерживается возврат только в форме hex. Возвращенный url действителен 24 часа.
Настройка интенсивности (сила/мягкость), диапазон [-100,100]; чем ближе значение к -100, тем более твердым становится голос; чем ближе к 100, тем мягче голос
Настройка тембра (бархатистый/звонкий), диапазон [-100,100]; чем ближе значение к -100, тем более плотным 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 определяется output_format; когда stream равен true, поддерживается возврат только в форме hex.