Этот API поддерживает синхронную генерацию речи на основе текста в речь; максимальный объем текста за один запрос — 10000 символов. Поддерживается более 100 системных голосов и самостоятельный выбор клонированных голосов; поддерживается настройка громкости, тона, скорости речи и формата вывода; поддерживаются 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 для длинного текста обратите внимание, что срок действия возвращаемого url составляет 24 часа с момента возврата url. Пожалуйста, учитывайте время загрузки информации.
Подходит для сценариев генерации коротких фраз, голосового чата, онлайн-социального общения и т. п.; имеет низкую задержку, но ограничение длины текста меньше 10000 символов. Для длинных текстов рекомендуется использовать асинхронный вызов синтеза речи.
Текст для синтеза, ограничение длины — меньше 10000 символов; переходы между абзацами заменяются символом новой строки. (Если нужно управлять интервалами в речи, добавьте между символами <#x#>, где x — секунды, поддерживается диапазон 0.01-99.99, максимум два знака после запятой). Поддерживается настройка пользовательских временных интервалов между фрагментами текста для реализации эффекта пользовательских пауз в озвучивании текста. Обратите внимание, что временной 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 — 0Тон генерируемого голоса. Необязательный параметр; (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:
Юный мужской голос: male-qn-qingse
Элитный молодой мужской голос: male-qn-jingying
Властный молодой мужской голос: male-qn-badao
Голос студента: male-qn-daxuesheng
Девичий голос: female-shaonv
Голос уверенной взрослой женщины: female-yujie
Зрелый женский голос: female-chengshu
Сладкий женский голос: female-tianmei
Мужчина-ведущий: presenter_male
Женщина-ведущая: 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
Юный мужской голос-beta: male-qn-qingse-jingpin
Элитный молодой мужской голос-beta: male-qn-jingying-jingpin
Властный молодой мужской голос-beta: male-qn-badao-jingpin
Этот параметр поддерживает нормализацию английского текста и может повысить производительность в сценариях чтения чисел, но немного увеличивает задержку. Если не указан, значение по умолчанию — false.
Диапазон 【32000,64000,128000,256000】Битрейт генерируемого звука. Необязательный параметр, значение по умолчанию — 128000. Этот параметр действует только для аудио в формате mp3.
Диапазон [1,100]Вес. Должен указываться синхронно с voice_id. Поддерживается смешивание до 4 голосов; значение должно быть целым числом. Чем выше доля отдельного голоса, тем больше синтезированный голос будет на него похож.
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 указанных малораспространенных языков и диалектов; после настройки может улучшить качество речи в сценариях указанного малораспространенного языка/диалекта. 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. 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.
Регулировка интенсивности (сила/мягкость), диапазон [-100,100]; чем ближе значение к -100, тем более жестким становится голос; чем ближе к 100, тем более мягким становится голос
Регулировка тембра (магнитный/звонкий), диапазон [-100,100]; чем ближе значение к -100, тем более насыщенным становится голос; чем ближе значение к 100, тем более звонким становится голос
Синтезированный аудиофрагмент, закодированный в hex, генерируется в соответствии с форматом, определенным во входных данных (audio_setting.format) (mp3/pcm/flac). Форма возврата определяется output_format; когда stream равен true, поддерживается только возврат в форме hex.