文本转人声音频‑文字播报合成‑TTS 语音生成处理 API 接口介绍

前言

语音播报、有声读物、短视频配音、智能设备提示音等产品，都需要把文本内容转化为流畅自然的人声音频。如果选择人工录音，不仅周期长、成本高昂，内容修改后还需要重新录制，迭代效率很低。自行搭建 TTS 语音合成模型，又需要投入算力、语料与模型调优工作，技术门槛高。文本合成语音接口可以直接输入文字，快速生成接近真人质感的语音音频，帮助各类业务快速补齐语音输出能力。

核心能力

• 支持将普通文本转换为高还原度合成语音；
• 提供多款不同风格的人声音色，涵盖男声、女声，适配播报、朗读、客服、资讯等不同业务风格；
• 可灵活调节语速、音量参数，适配快读播报、慢速朗读等差异化需求；
• 支持常见音频输出格式，音频发音连贯流畅，多音字、标点停顿处理自然，可适配中英文混合文本内容。

戳这里查看详情

API介绍

请求说明

名称	类型	必须	说明
text	String	是	待合成的文本 总字数不超过10万个字符，1个中文字、英文字母、数字或符号均算作1个字符
speed	String	语速 取值0-15，默认为5中语速
pitch	String	否	音调 取值0-15，默认为5中语调
volume	String	否	音量，取值0-15，默认为5中音量（取值为0时为音量最小值，并非为无声）
per	String	否	语音库
aue	String	否	3为mp3格式(默认)； 4为pcm-16k；5为pcm-8k；6为wav（内容同pcm-16k）; 注意aue=4或者6是语音识别要求的格式，但是音频内容不是语音识别要求的自然人发音，所以识别效果会受影响。

返回样例

{
  "code": 200, // 返回码，详见返回码说明
  "msg": "成功",  // 返回码对应描述
  "taskNo": "65605503936940344488", // 本次请求号
  "data": {
   "result":""// 合成结果地址，有效期1天
  }
}