接口说明

功能介绍

• 支持输出PCM、WAV和MP3编码格式数据。

• 支持设置语速、语调和音量。

• 支持设置不同类型的声音。

  说明

  • 字级别音素边界接口：语音合成服务在输出音频的同时，可输出每个汉字/英文单词在音频中的时间位置，即时间戳。该时间信息可用于驱动虚拟人口型、做视频配音字幕等。详情请参见语音合成时间戳功能介绍。

  • 文学场景相关发音人信息，请参见接口说明。

  名称	voice参数值	类型	适用场景	支持语言	支持采样率(Hz)	支持字级别音素边界接口
  小云	Xiaoyun	标准女声	通用场景	中文及中英文混合场景	8K/16K	否
  小刚	Xiaogang	标准男声	通用场景	中文及中英文混合场景	8K/16K	否
  若兮	Ruoxi	温柔女声	通用场景	中文及中英文混合场景	8K/16K/24K	否
  思琪	Siqi	温柔女声	通用场景	中文及中英文混合场景	8K/16K/24K	是
  思佳	Sijia	标准女声	通用场景	中文及中英文混合场景	8K/16K/24K	否
  思诚	Sicheng	标准男声	通用场景	中文及中英文混合场景	8K/16K/24K	是
  艾琪	Aiqi	温柔女声	通用场景	中文及中英文混合场景	8K/16K	是
  艾佳	Aijia	标准女声	通用场景	中文及中英文混合场景	8K/16K	是
  艾诚	Aicheng	标准男声	通用场景	中文及中英文混合场景	8K/16K	是
  艾达	Aida	标准男声	通用场景	中文及中英文混合场景	8K/16K	是
  宁儿	Ninger	标准女声	通用场景	纯中文场景	8K/16K/24K	否
  瑞琳	Ruilin	标准女声	通用场景	纯中文场景	8K/16K/24K	否
  思悦	Siyue	温柔女声	客服场景	中文及中英文混合场景	8K/16K/24K	否
  艾雅	Aiya	严厉女声	客服场景	中文及中英文混合场景	8K/16K	是
  艾夏	Aixia	亲和女声	客服场景	中文及中英文混合场景	8K/16K	是
  艾美	Aimei	甜美女声	客服场景	中文及中英文混合场景	8K/16K	是
  艾雨	Aiyu	自然女声	客服场景	中文及中英文混合场景	8K/16K	是
  艾悦	Aiyue	温柔女声	客服场景	中文及中英文混合场景	8K/16K	是
  艾婧	Aijing	严厉女声	客服场景	中文及中英文混合场景	8K/16K	是
  小美	Xiaomei	甜美女声	客服场景	中文及中英文混合场景	8K/16K/24K	否
  艾娜	Aina	浙普女声	客服场景	纯中文场景	8K/16K	是
  伊娜	Yina	浙普女声	客服场景	纯中文场景	8K/16K/24K	否
  思婧	Sijing	严厉女声	客服场景	纯中文场景	8K/16K/24K	是
  思彤	Sitong	儿童音	童声场景	纯中文场景	8K/16K/24K	否
  小北	Xiaobei	萝莉女声	童声场景	纯中文场景	8K/16K/24K	是
  艾彤	Aitong	儿童音	童声场景	纯中文场景	8K/16K	是
  艾薇	Aiwei	萝莉女声	童声场景	纯中文场景	8K/16K	是
  艾宝	Aibao	萝莉女声	童声场景	纯中文场景	8K/16K	是
  Harry	Harry	英音男声	英文场景	英文场景	8K/16K	否
  Abby	Abby	美音女声	英文场景	英文场景	8K/16K	是
  Andy	Andy	美音男声	英文场景	英文场景	8K/16K	否
  Eric	Eric	英音男声	英文场景	英文场景	8K/16K	否
  Emily	Emily	英音女声	英文场景	英文场景	8K/16K	否
  Luna	Luna	英音女声	英文场景	英文场景	8K/16K	是
  Luca	Luca	英音男声	英文场景	英文场景	8K/16K	否
  Wendy	Wendy	英音女声	英文场景	英文场景	8K/16K/24K	否
  William	William	英音男声	英文场景	英文场景	8K/16K/24K	否
  Olivia	Olivia	英音女声	英文场景	英文场景	8K/16K/24K	否
  姗姗	Shanshan	粤语女声	方言场景	标准粤文（简体）及粤英文混合场景	8K/16K/24K	否
  小玥	chuangirl	四川话女声	方言场景	中文及中英文混合场景	8K/16K	否
  Lydia	Lydia	英中双语女声	英文场景	英文及英中文混合场景	8K/16K	是
  艾硕	Aishuo	自然男声	客服场景	中文及中英文混合场景	8K/16K	是
  青青	Qingqing	台湾话女声	方言场景	中文场景	8K/16K	否
  翠姐	Cuijie	东北话女声	方言场景	中文场景	8K/16K	否
  小泽	Xiaoze	湖南重口音男声	方言场景	中文场景	8K/16K	否
  智香	Tomoka	日语女声	文学场景	日文场景	8K/16K	是
  智也	Tomoya	日语男声	文学场景	日文场景	8K/16K	是
  Annie	Annie	美语女声	文学场景	英文场景	8K/16K	是

交互流程

1. 鉴权

   客户端在与服务端建立WebSocket连接时，使用Token进行鉴权。关于Token获取请参见获取Token。

2. 开始合成

   客户端发起语音合成请求，在请求消息中进行参数设置，各参数通过SDK中SpeechSynthesizer对象的set方法设置，含义如下。

   参数	类型	是否必需	说明
   appkey	String	是	管控台创建的项目appkey。
   text	String	是	待合成文本，文本内容必须采用UTF-8编码，长度不超过300个字符（英文字母之间需要添加空格）。
   voice	String	否	发音人，默认是xiaoyun。
   format	String	否	音频编码格式，默认值：PCM。支持PCM/WAV/MP3格式。
   sample_rate	Integer	否	音频采样率，默认值：16000。
   volume	Integer	否	音量，取值范围：0～100。默认值：50。
   speech_rate	Integer	否	语速，取值范围：-500～500，默认值：0。
   pitch_rate	Integer	否	语调，取值范围：-500～500，默认值：0。

3. 接收合成数据

   服务端返回合成的语音二进制数据，SDK接收并处理二进制数据。

4. 结束合成

   语音合成完毕，服务端发送合成完毕事件通知，举例如下。

   {
       "header": {
           "message_id": "05450bf69c53413f8d88aed1ee60****",
           "task_id": "640bc797bb684bd6960185651307****",
           "namespace": "SpeechSynthesizer",
           "name": "SynthesisCompleted",
           "status": 20000000,
           "status_message": "GATEWAY|SUCCESS|Success."
       }
   }

   说明

   文档示例将合成的音频保存在文件中，如果您需要播放音频且对实时性要求较高，建议使用流式播放，即边接收语音数据边播放，减少延时。