参数 | 类型 | 是否必选 | 描述 |
|---|
model | string | 是 | 请求的模型版本，可选范围：
speech-2.8-hd
speech-2.6-hd
speech-02-hd
speech-2.8-turbo
speech-2.6-turbo
speech-02-turbo |
text | string | 是 | 需要合成语音的文本，长度限制小于10000字符，若文本长度大于3000字符，推荐使用流式输出
•段落切换用换行符标记
•停顿控制：支持自定义文本之间的语音时间间隔，以实现自定义文本语音停顿时间的效果。使用方式：在文本中增加<#x#>标记，x 为停顿时长（单位：秒），范围 [0.01, 99.99]，最多保留两位小数。文本间隔时间需设置在两个可以语音发音的文本之间，不可连续使用多个停顿标记
•语气词标签：仅当模型选择 speech-2.8-hd,speech-2.8-turbo时，支持在文本中插入语气词标签。支持的语气词：(laughs)（笑声）、(chuckle)（轻笑）、(coughs)（咳嗽）、(clear-throat)（清嗓子）、(groans)（呻吟）、(breath)（正常换气）、(pant)（喘气）、(inhale)（吸气）、(exhale)（呼气）、(gasps)（倒吸气）、(sniffs)（吸鼻子）、(sighs)（叹气）、(snorts)（喷鼻息）、(burps)（打嗝）、(lip-smacking)（咂嘴）、(humming)（哼唱）、(hissing)（嘶嘶声）、(emm)（嗯）、(sneezes)（喷嚏） |
stream | boolean | 否 | 控制是否流式输出。默认 false，即不开启流式 |
stream_options | object | 否 | stream输出控制
|
stream_options.
exclude_aggregated_audio | boolean | 否 | 设置最后一个 chunk 是否包含拼接后的语音 hex 数据。默认值为 False，即最后一个 chunk 中包含拼接后的完整语音 hex 数据 |
voice_setting | object | 否 | 声音设置 |
voice_setting.voice_id | string | 否 | 合成音频的音色编号。若需要设置混合音色，请设置 timbre_weights 参数，本参数设置为空值。支持系统音色、复刻音色以及文生音色三种类型，音色ID可查看系统音色列表 |
voice_setting.speed | float | 否 | 合成音频的语速，取值越大，语速越快。取值范围 [0.5,2]，默认值为1.0 |
voice_setting.vol | float | 否 | 合成音频的音量，取值越大，音量越高。取值范围 (0,10]，默认值为 1.0 |
voice_setting.pitch | int | 否 | 合成音频的语调，取值范围 [-12,12]，默认值为 0，其中 0 为原音色输出 |
voice_setting.emotion | enum<string> | 否 | 控制合成语音的情绪，参数范围 ["happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm", "fluent", "whisper"]，分别对应 8 种情绪：高兴，悲伤，愤怒，害怕，厌恶，惊讶，中性，生动，低语
选项 fluent, whisper 仅对 speech-2.6-hd,speech-2.6-turbo 模型生效，speech-2.8-hd,speech-2.8-turbo 模型不支持 whisper |
voice_setting.text_normalization | boolean | 否 | 是否启用中文、英语文本规范化，开启后可提升数字阅读场景的性能，但会略微增加延迟，默认值为 false |
voice_setting.latex_read | boolean | 否 | 控制是否朗读 latex 公式，默认为 false
•仅支持中文，开启该参数后，language_boost 参数会被设置为 Chinese
•请求中的公式需要在公式的首尾加上 $$
•请求中公式若有 "\"，需转义成 "\\". |
audio_setting | object | 否 | 音频设置 |
audio_setting.sample_rate | int | 否 | 生成音频的采样率。可选范围[8000，16000，22050，24000，32000，44100]，默认为 32000 |
audio_setting.bitrate | int | 否 | 生成音频的比特率。可选范围 [32000，64000，128000，256000]，默认值为 128000。该参数仅对 mp3 格式的音频生效 |
audio_setting.format | enum<string> | 否 | 生成音频的格式，默认值:mp3。
•wav 仅在非流式输出下支持。
•可用选项: mp3, pcm, flac, wav |
audio_setting.channel | int | 否 | 生成音频的声道数。可选范围：[1,2]，其中 1 为单声道，2 为双声道，默认值为 1 |
audio_setting.force_cbr | boolean | 否 | 对于音频恒定比特率（cbr）控制，可选 false、 true。当此参数设置为true，将以恒定比特率方式进行音频编码。
注意：本参数仅当音频设置为流式输出，且音频格式为 mp3 时生效。 |
pronunciation_dict | object | 否 | 声调 |
pronunciation_dict.tone | string[] | 否 | 定义需要特殊标注的文字或符号对应的注音或发音替换规则。在中文文本中，声调用数字表示：
一声为 1，二声为 2，三声为 3，四声为 4，轻声为 5
示例如下：
["燕少飞/(yan4)(shao3)(fei1)", "omg/oh my god"] |
timber_weights | object[] | 否 | 音色比重 |
timber_weights.voice_id | string | 是 | 合成音频的音色编号，须和weight参数同步填写。支持系统音色、复刻音色以及文生音色三种类型。系统支持的全部音色可查看 系统音色列表 |
timber_weights.weight | int | 是 | 合成音频各音色所占的权重，须与 voice_id 同步填写。可选值范围为[1, 100]，最多支持 4 种音色混合，单一音色取值占比越高，合成音色与该音色相似度越高. |
language_boost | enum<string> | 否 | 是否增强对指定的小语种和方言的识别能力。默认值为 null，可设置为 auto 让模型自主判断。 可用选项: 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 |
voice_modify | object | 否 | 声音效果器设置，该参数支持的音频格式：
非流式：mp3, wav, flac
流式：mp3 |
voice_modify.pitch | int | 否 | 音高调整（低沉/明亮），范围 [-100,100]，数值接近 -100，声音更低沉；接近 100，声音更明亮 |
voice_modify.intensity | int | 否 | 强度调整（力量感/柔和），范围 [-100,100]，数值接近 -100，声音更刚劲；接近 100，声音更轻柔 |
voice_modify.timbre | int | 否 | 音色调整（磁性/清脆），范围 [-100,100]，数值接近 -100，声音更浑厚；数值接近 100，声音更清脆 |
voice_modify.sound_effects | enum<string> | 否 | 音效设置，单次仅能选择一种，可选值：
spacious_echo（空旷回音）
auditorium_echo（礼堂广播）
lofi_telephone（电话失真）
robotic（电音） |
subtitle_enable | boolean | 否 | 控制是否开启字幕服务，默认值为 false。此参数仅在非流式输出场景下有效 |
output_format | enum<string> | 否 | 控制输出结果形式的参数，可选值范围为[url, hex]，默认值为hex 。该参数仅在非流式场景生效，流式场景仅支持返回 hex 形式。返回的 url 有效期为 24 小时 |
aigc_watermark | bool | 否 | 控制在合成音频的末尾添加音频节奏标识，默认值为 false。该参数仅对非流式合成生效 |
