1. 接口描述
接口请求域名:tts.cloud.tencent.com/stream
接口请求频率限制:20次/每秒。
接口请求协议:HTTPS
腾讯云语音合成技术(TTS)可以将任意文本转化为语音,实现让机器和应用张口说话。
腾讯 TTS 技术可以应用到很多场景,例如,在小说 App 完成有声阅读,移动 App 语音播报新闻;智能设备语音提醒;车载导航语音合成的个性化语音播报等。
实时合成支持 SSML,语法详见 SSML 标记语言。
2. 输入参数
请求方式 只支持 Post 请求
参数名称 | 必选 | 类型 | 描述 |
---|---|---|---|
Action | 是 | String | 本接口取值:TextToStreamAudio |
AppId | 是 | Integer | 账号 AppId(请确保该字段数据类型为整型 int) |
SecretId | 是 | String | 官网 SecretId |
Timestamp | 是 | Integer | 当前 UNIX 时间戳,可记录发起 API 请求的时间。例如1529223702,如果与当前时间相差过大,会引起签名过期错误 |
Expired | 是 | Integer | 签名的有效期,是一个符合 UNIX Epoch 时间戳规范的数值,单位为秒;Expired 必须大于 Timestamp 且 Expired-Timestamp 小于90天 |
Text | 是 | String | 合成语音的源文本。中文最大支持600个汉字(全角标点符号算一个汉字),英文最大支持1800个字母(半角标点符号算一个字母) |
SessionId | 是 | String | 一次请求对应一个 SessionId,会原样返回,建议传入类似于 uuid 的字符串防止重复 |
ModelType | 否 | Integer | 模型类型,1:默认模型 |
Volume | 否 | Float | 音量大小,范围[0,10],对应音量大小。默认为0,代表正常音量,值越大音量越高。 |
Speed | 否 | Float | 语速,范围:[-2,6],分别对应不同语速: 参数值与实际语速转换,可参考代码示例 |
ProjectId | 否 | Integer | 项目 ID,用户自定义,默认为0 |
VoiceType | 否 | Integer | 音色 ID,包括标准音色与精品音色,精品音色拟真度更高,价格不同于标准音色,请参见购买指南。完整的音色 ID 列表请参见音色列表。 |
PrimaryLanguage | 否 | Integer | 主语音类型,当前不做区分,默认填1即可 |
SampleRate | 否 | Integer | 音频采样率: |
Codec | 否 | String | 返回音频格式: opus:返回多段含 opus 压缩分片音频(默认) pcm:返回二进制 pcm 音频 mp3:返回二进制 mp3 音频 |
SegmentRate | 否 | Integer | 断句敏感阈值,取值范围:[0,1,2],默认值:0 该值越大越不容易断句,模型会更倾向于仅按照标点符号断句。此参数建议不要随意调整,可能会影响合成效果 |
EmotionCategory | 否 | String | 控制合成音频的情感,仅支持多情感音色使用。取值: neutral(中性)、sad(悲伤)、happy(高兴)、angry(生气)、fear(恐惧)、news(新闻)、story(故事)、radio(广播)、poetry(诗歌)、call(客服)、撒娇(sajiao)、厌恶(disgusted)、震惊(amaze)、平静(peaceful)、兴奋(exciting)、傲娇(aojiao)、解说(jieshuo) |
EmotionIntensity | 否 | Integer | 控制合成音频情感程度,取值范围为[50,200],默认为100;只有 EmotionCategory 不为空时生效; |
Header 格式
{
"Content-Type":"application/json",
"Authorization":"HRCKlbwPhWtVvfGn914qE5O1rwc="
}
注意:Authorization 字段值为 V1鉴权生成的 Signature (无需 urlencode)的值,鉴权只支持官网 V1鉴权,不支持 V3鉴权!
鉴权说明请参考官方统一 V1鉴权文档,例子中域名和参数需更换成本接口的域名和参数,如:
GET 替换成 POST
cvm.tencentcloudapi.com/ 替换成 tts.cloud.tencent.com/stream
Action=DescribeInstances 替换成 Action=TextToStreamAudio
其他参数参考 Action 的替换方式
Body 格式
请求体为 json 格式的请求参数。
注意:V1鉴权生成的 Signature 字段不需要放在 body 里,放在 Header 的 Authorization 中。
{
"Action" : "TextToStreamAudio",
"AppId" : 1300466766,
"Codec" : "pcm",
"Expired" : 1577090359,
"ModelType" : 1,
"PrimaryLanguage" : 1,
"ProjectId" : 0,
"SampleRate" : 16000,
"SecretId" : "AKIDf9JEuLiXPEuSlssPkLm3IJ5cM5q*****",
"SessionId" : "123",
"Speed" : 1,
"Text" : "腾讯云语音合成欢迎您。",
"Timestamp" : 1577003959,
"VoiceType" : 0,
"Volume" : 5
}
3. 输出参数
协议说明:使用 HTTP Chunk 协议,一次 HTTP 请求内按序返回多段分片直到音频结束。
Opus
Codec 参数为 opus 返回,默认返回。返回多个语音分片,分片大小不一,单个分片格式说明如下:
标识头“opus”H (4字节字符串) |
分片序号 S (4字节二进制数据) |
分片音频长度 L (4字节二进制数据) |
分片音频 D (长度为分片音频长度 L) |
---|---|---|---|
标识新的分片的开始 | 序号从0开始,-1结束 | 按分片音频长度读取音频数据 | base64后的 Opus 压缩音频 |
其中最后一片音频(序号 S = -1)数据固定为“AAAA”,该段数据无效。
Pcm
Codec 参数为 pcm 返回,同等条件下返回数据量约为 Opus 格式的10倍。
返回格式:二进制
返回内容:pcm 音频流