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。
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
}
}
