TTS（语音合成）能力对接说明 #

中控 WebSocket 全双工接口 TTS 调用方式的说明，链接方式为 WebSocket 协议，报文皆为使用 UTF-8 编码的 JSON 文本。

调用流程 #

建立 WebSocket 连接（无需鉴权），如果在本地启动中控，地址通常为 ws://localhost:8070/v1；
发送 Starter 包，内容为后续 TTS 请求的通用配置信息，如果格式错误或超过 10 秒未发送会被断开 WebSocket 连接；
收到响应，表示鉴权成功或失败；
发送 Task 包，内容为特定需要合成的文字和格式信息；
收到对应 Task 的数据包；
如果当前没有更多语音合成任务，可以直接断开（没有链接断开报文的设计）；

sequenceDiagram
    participant Client
    participant CS as Control System
    Client-->>CS: 1. Establish Connection
    activate CS
    Client->>CS: 2. Request: Starter
    CS-->>Client: 3. Response: Authentication
    loop
        Note right of Client: 重复4、5步至全部请求发送完毕
        Client->>CS: 4. Request: Task
        loop
          Note right of Client: 返回多条合成结果
          CS-->>Client: 5. Response
        end
    end
    Client-->>CS: 6. Close Connection
    deactivate CS

请求报文格式 #

Starter #

每次建立连接后发送的第一个包，表示此连接的目的和后续数据包的解析方式。格式为 JSON 文本，包含以下字段：

字段	名称	类型	默认值	说明
`auth`	AuthN Token	string	空字符串	设备鉴权 Token，如服务端开启鉴权则必填
`type`	Workflow Type	string	必填	填写能力对应的服务引擎编号，例如：“TTS3”，完整列表参见快速参考的服务引擎列表部分
`device`	Device ID	string	空字符串	设备 ID，建议填写，以便追溯和定位问题
`session`	Session ID	string	随机 UUIDv4	建议调用者自行生成 Session ID 并填写，以便追溯和定位问题
`tts`	TTS Config	object	必填	TTS 专属配置，具体信息见下

TTS Config 配置见下：

字段	名称	类型	默认值	说明
`qid`	Quick ID	string	空	可选字段，表示预配置 QuickID。填写此字段会覆盖 `voice`, `language`, `style`, `conversion_id`, `conversion_transform` 等字段，且会覆盖 Starter 包设定的 `type` 引擎编号。此字段的长度较长，建议以 `VARCHAR(512)` 类型进行存储
`language`	Language Code	string	`zh-CN`	可选字段，待合成的语言，需发音人支持
`voice`	Voice ID	string	服务引擎不同，默认发音人不同	可选字段，可选发音人见快速参考的发音人列表部分
`pitch_offset`	Pitch Offset	float	`0.0`	可选字段，音调，数值越大越尖锐，越低越低沉，支持范围 [-10, 10]
`style`	Style	string	空	可选字段，表示发音人的情感
`speed_ratio`	Speed Ratio	float	`1.0`	可选字段，语速，数值越大语速越慢，支持范围 [0.5, 2]
`sample_rate`	Sample Rate	int	`16000`	可选字段，采样率，支持：8000, 11025, 16000, 22050, 24000, 32000, 44100, 48000
`volume`	Volume	int	`100`	可选字段，音量，数值越大声音越大，支持范围 [1, 400]
`format`	File Format	string	`pcm`	可选字段，音频文件和内容，可能支持 pcm, wav, mp3, silk，但只有 pcm 和 silk 支持流式返回
`omit_error`	Omit Error Message in Response	bool	`false`	可选字段，是否删去报错信息，即默认会返回
`audio`	Return Audio Data	bool	`true`	可选字段，是否返回音频，默认会返回
`phone`	Return Phonetic Symbols	bool	`false`	可选字段，是否返回音素，默认不返回
`polyphone`	Return Polyphone	bool	`false`	可选字段，是否返回 query 中的多音字，默认不返回
`facefeature`	Face Feature ID	string	空字符串	可选字段，返回 Face Feature 的对应模型的 ID，空表示不返回
`conversion_id`	Voice Conversion ID	string	空字符串	可选字段，音色迁移模型的 ID，空表示不使用音色迁移
`conversion_transform`	Voice Conversion Transform	int	0	可选字段，音色迁移变调，数值越大越尖锐，越低越低沉，支持范围[-12, +12]。男转女，请调整为+12；女转男，请调整为-12，默认为0
`subtitle`	Subtitle Format	string	空字符串	可选字段，返回格式字幕的格式，空表示不返回，支持：srt
`subtitle_max_length`	Subtitle Max Length	int	0	可选字段，返回每行字幕/句级别时间戳的最大字数，0表示不限制字数，仅在返回字幕或句级别时间戳时有效
`subtitle_cut_by_punc`	Subtitle Cut by Punctuation	bool	`false`	可选字段，是否根据标点符号对字幕/句级别时间戳进行换行并去掉标点，仅在返回字幕或句级别时间戳时有效。标点符号范围见字幕换行标点符号
`subtitle_custom_punc`	Custom Subtitle Punctuation	string list	字幕换行标点符号	可选字段，使用自定义用于换行的标点符号，而不使用默认的标点符号，仅在返回字幕或句级别时间戳且 `subtitle_cut_by_punc` 为 true 时有效。
`subtitle_punc_keep`	Keep Subtitle Punctuation	bool	`false`	可选字段，是否保留换行的标点符号，仅在返回字幕或句级别时间戳且 `subtitle_cut_by_punc` 为 true 时有效。
`sentence_time`	Return Sentence-Level Timestamp	bool	`false`	可选字段，是否返回句级别时间戳
`word_time`	Return Word-Level Timestamp	bool	`false`	可选字段，是否返回字级别时间戳
`cache_url`	Return Cache URL for Data	bool	`false`	可选字段，是否将音频、音素、字幕文件上传 Object Store 存储并返回缓存 URL
`stream_mode`	Use Stream Mode	bool	`false`	可选字段，是否使用流式模式。当此字段为 true 时，累积 Task 文本直到文本中出现指定的分隔符号后向 TTS 引擎发送请求。TTS 结果数据将按顺序返回，不会返回每个分隔请求的 EOF 包，仅在收到 signal eof 后，返回 EOF 包。默认为 false，收到 Task 后立刻发送请求。请注意，如需在流式模式下使用 SSML，必须保证每个分隔的请求为一个完整的 SSML 语法。目前只有 `format` 为 pcm 的请求支持使用流式模式。
`stream_separator`	Separator for Stream Mode	string list	`["。", "！", "？", "：", ". ", "!", "?", ": "]`	可选字段，当使用 Stream Mode 时，指定用于表示分隔累积文本的符号，默认为中英文的句号、叹号、问号、冒号

Task #

Starter 包发送并成功建立连接后，后续可重复发送多个 Task 来提交合成任务。Task 包格式为 JSON 文本，包含以下字段：

字段	名称	类型	默认值	说明
`id`	Task ID	string	随机 UUIDv4	可选字段，建议调用者自行生成并填写，用于区分并发请求时不同请求的返回
`query`	Query	string	必填	待合成语音的文本内容。
`signal`	Signal	string	`query`	可选字段，使用流式模式时生效。为 `eof` 时，表示文本发送完毕，将合成累积的未合成文本并返回 EOF 包。默认为 `query`，表示此 Task 为文本请求。使用流式模式时，必须发送 `eof`，使用非流式模式时，默认会返回 EOF 包，不需要额外发送 `eof`。
`ssml`	Use SSML	bool	`false`	可选字段，是否使用 SSML 来对合成文本进行标记，写法参考 ONES 使用文档
`no_cache`	Disable Cache	bool	`false`	可选字段，是否为当前请求关闭结果缓存，开启后针对当前请求既不会使用缓存结果，也不会将结果存入缓存
`override`	TTS Config	object	空	可选字段，单条 TTS 请求的独立配置，仅为为当前任务完整替换 Starter 报文中的 TTS 配置（注意：是直接替换，而不是将两者合并）

返回报文格式 #

鉴权结果 #

发送 Starter 请求后会返回包含鉴权结果的报文。格式为 JSON 文本，包含以下字段：

字段	名称	类型	是否必现	说明
`service`	Service Name	string	Yes	当前请求对应的服务模块，即`auth`
`session`	Session ID	string	Yes	当前连接的 Session ID
`status`	Status Name	enum	Yes	当前会话的状态，正常为 `ok`，失败为 `fail`
`error`	Error Message	string	No	如果失败，返回的错误信息

TTS 结果数据 #

每个成功的 Task 持续返回多个数据包，分别为音频、音频文件地址、音素、音素文件地址、字幕、和字幕文件地址包。同类型数据包按照逻辑顺序依次返回，不保证不同类型数据包的返回顺序。如果在 Starter 请求中未要求返回音素、字幕、Cache URL，则仅返回音频。

返回报文的格式为 JSON 文本，包含以下字段：

字段	名称	类型	是否必现	说明
`service`	Service Name	string	Yes	当前请求对应的服务模块，即`tts`
`session`	Session ID	string	Yes	当前连接的 Session ID
`trace`	Trace ID	string	Yes	当前 Task 对应的 Trace ID
`status`	Status Name	enum	Yes	当前 Task 的状态，正常为 `ok`，失败为 `fail`
`error`	Error Message	string	No	如果失败，返回的错误信息
`tts`	TTS Content	object	No	如果成功，返回的合成结果，具体字段含义见下

具体合成结果位于 TTS Content 中：

字段	名称	类型	是否必现	说明
`id`	Task ID	string	Yes	当前 Task 对应的 ID
`index`	Index No.	int	Yes	返回音频包、音素包序列号
`type`	Package Type	enum	Yes	音频包为 `audio`，音频地址包为 `audio_url`，音素包为 `phone`，音素地址包为 `phone_url`，字幕包为 `subtitle`，字幕地址包为 `subtitle_url`，多音字包为 `polyphone`，Face Feature 包为 `facefeature`，时间戳包为 `timestamp`，表示全部发送完毕为`eof`
`audio_data`	Base64-encoded Audio Data	string	No	音频数据，仅在音频包中有
`phone_data`	Base64-encoded Phonetic Symbols	string	No	音素数据，仅在音素包中有
`polyphones`	Polyphone Data	object	No	多音字数据，仅在多音字包中有
`subtitle_data`	Base64-encoded Subtitles	string	No	字幕数据，仅在字幕包中有
`sentence_time`	Sentence-Level Timestamp	object	No	句子级别时间戳，仅在时间戳包中有
`word_times`	Word-Level Timestamp	object	No	字级别时间戳，仅在时间戳包中有
`facefeature_data`	Base64-encoded Face Feature	string	No	Face Feature 数据，仅在 Face Feature 包中有
`audio_url`	URL of Audio File	string	No	音频文件 URL，仅在音频包中有（使用 TTS2 单次返回接口时，必会返回此字段）
`phone_url`	URL of JSON for Phonetic Symbols	string	No	音素文件 URL，仅在音素包中有（使用 TTS2 单次返回接口时，必会返回此字段）
`subtitle_url`	URL of Subtitle File	string	No	字幕文件 URL，仅在字幕包中有
`resource`	Phonetic Symbols Info	object	No	音素相关信息，仅在音素包中有（使用 TTS2 单次返回接口时，必会返回此字段）

音频包 #

包含 Base64 编码的合成音频数据结果。

当请求音频格式为 pcm 时，分为多包流式返回，其他格式会在音频合成后单包返回。

音频包样例：

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "851ab562-ec51-4ad7-bd21-4f4af19875cb",
  "tts": {
    "id": "02261a7e-7df8-4554-b2a1-ad2fa8bf2cbb",
    "index": 1,
    "type": "audio",
    "audio_data": "AAAAAAA...DYBfQHDAeMBEwI8AlQCRAIaAu0BpAFCAckARQCv...AAAAAAAAAAAAAAAAAAAAAAAAAAA=="
  }
}

音频地址 #

包含上传至 Object Store 存储的音频文件缓存 URL。

音频地址样例：

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "851ab562-ec51-4ad7-bd21-4f4af19875cb",
  "tts": {
    "id": "02261a7e-7df8-4554-b2a1-ad2fa8bf2cbb",
    "index": 6,
    "type": "audio_url",
    "audio_url": "https://aigc.blob.core.chinacloudapi.cn/audio/tts-audio/02261a7e-7df8-4554-b2a1-ad2fa8bf2cbb_851ab562-ec51-4ad7-bd21-4f4af19875cb.pcm"
  }
}

音素包 #

包含 Base64 编码的合成音素数据结果。

音素包样例：

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "08a5785a-a6a2-4140-b587-a6cead592531",
  "tts": {
    "id": "02261a7e-7df8-4554-b2a1-ad2fa8bf2cbb",
    "index": 2,
    "type": "phone",
    "phone_data": "biBuIGkgaSBpIGkgaSBpIDIgMiAjMSAjMSAjMSAjMSAjMSAjMSBoIGggaCBoIGggaCBhbyBhbyBhbyBhbyBhbyBhbyBhbyBhbyBhbyBhbyBhbyBhbyBhbyBhbyBhbyBhbyBhbyBhbyBhbyBhbyBhbyBhbyBhbyBhbyBlbmQgZW5kIGVuZCBlbmQgZW5kIGVuZCBlbmQgZW5kIGVuZCBlbmQgZW5kIGVuZCBlbmQgZW5k"
  }
}

音素地址 #

包含上传至 Object Store 存储的音素文件缓存 URL。

音素地址样例：

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "08a5785a-a6a2-4140-b587-a6cead592531",
  "tts": {
    "id": "02261a7e-7df8-4554-b2a1-ad2fa8bf2cbb",
    "index": 7,
    "type": "phone_url",
    "phone_url": "https://aigc.blob.core.chinacloudapi.cn/audio/tts-phone/02261a7e-7df8-4554-b2a1-ad2fa8bf2cbb_08a5785a-a6a2-4140-b587-a6cead592531.phone"
  }
}

字幕 #

包含 Base64 编码的合成字幕数据结果。

字幕包样例：

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "d923181d-9d9b-4be1-9370-40f456be3771",
  "tts": {
    "id": "02261a7e-7df8-4554-b2a1-ad2fa8bf2cbb",
    "index": 4,
    "type": "subtitle",
    "subtitle_data": "MQowMDowMDowMCwwMDAgLS0+IDAwOjAwOjAwLDUyOArkvaDlpb3jgIIKCg=="
  }
}

字幕地址 #

包含上传至 Object Store 存储的字幕文件缓存 URL。

字幕地址样例：

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "d923181d-9d9b-4be1-9370-40f456be3771",
  "tts": {
    "id": "02261a7e-7df8-4554-b2a1-ad2fa8bf2cbb",
    "index": 5,
    "type": "subtitle_url",
    "subtitle_url": "https://aigc.blob.core.chinacloudapi.cn/audio/tts-srt/02261a7e-7df8-4554-b2a1-ad2fa8bf2cbb_d923181d-9d9b-4be1-9370-40f456be3771.srt"
  }
}

时间戳包 #

包含句子级别和字级别的时间戳信息。

时间戳样例：

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "d923181d-9d9b-4be1-9370-40f456be3771",
  "tts": {
    "id": "4d5ed90f-2188-42a0-b4d7-db00f1a2a944", 
    "index": 7, 
    "type": "timestamp", 
    "sentence_time": {
        "begin_ms": 7770,
        "end_ms": 9140, 
        "text": "新人起步很不容易"
    }, 
    "word_times": [
        {"begin_ms": 7770, "end_ms": 7960, "text": "新"}, 
        {"begin_ms": 7960, "end_ms": 8120, "text": "人"}, 
        {"begin_ms": 8120, "end_ms": 8310, "text": "起"}, 
        {"begin_ms": 8310, "end_ms": 8430, "text": "步"}, 
        {"begin_ms": 8430, "end_ms": 8630, "text": "很"}, 
        {"begin_ms": 8630, "end_ms": 8720, "text": "不"}, 
        {"begin_ms": 8720, "end_ms": 8920, "text": "容"}, 
        {"begin_ms": 8920, "end_ms": 9140, "text": "易"}
    ]
  }
}

多音字包 #

包含多音字信息，推荐读音在前，其他读音在后。

多音字样例：

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "b2b2b2b2-b2b2-b2b2-b2b2-b2b2b2b2b2b2",
  "tts": {
    "id": "a5e8b592-f0b1-46ad-bc97-836cbb010310",
    "index": 4,
    "type": "polyphone",
    "polyphones": [
        {
            "word": "好",
            "phones": ["hao3", "hao4"]
        }
    ]
  }
}

Face Feature #

包含 Base64 编码的 Face Feature 数据结果。

Face Feature 样例：

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "b8557f0e-5cb1-44d9-b658-0960adacf906",
  "tts": {
    "id": "f41fb486-0055-473e-be49-e5de729aecc4",
    "index": 5,
    "type": "facefeature",
    "facefeature_data": "AAAAAAAAAAAAAAAAAAAAAAAAAAA...651AxPPQIKYzzcsng8J7IBPfdKwT24LrI9"
  }
}

EOF #

EOF 结果包，表示结果全部发送完毕。

EOF 样例：

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "d923181d-9d9b-4be1-9370-40f456be3771",
  "tts": {
    "id": "02261a7e-7df8-4554-b2a1-ad2fa8bf2cbb",
    "index": 8,
    "type": "eof"
  }
}

实际流程样例解析 #

Case 1: 最小配置流程 #

Request: Starter

{
  "type": "TTS3",
  "tts": {}
}

Response: 1

{
  "service": "auth",
  "status": "ok",
  "session": "49d3af81-f344-4ccf-8231-574ceac1a260"
}

Request: Task

{
  "query": "大家好！"
}

Response: 2

{
  "service": "tts",
  "status": "ok",
  "session": "49d3af81-f344-4ccf-8231-574ceac1a260",
  "trace": "f2e13c02-c629-4db8-a942-4393583a5182",
  "tts": {
    "id": "4b69geebj4septyxh72qy885f",
    "index": 1,
    "type": "audio",
    "audio_data": "AAAAAAAAAAAAAAAAAAAAAAAAAAAAA...//wkA/P8CAP//AAD4/wMA0v8oAL3/...AAAAAAAAAAAAA=="
  }
}

Response: 3 EOF

{
  "service": "tts",
  "status": "ok",
  "session": "49d3af81-f344-4ccf-8231-574ceac1a260",
  "trace": "f2e13c02-c629-4db8-a942-4393583a5182",
  "tts": {
    "id": "4b69geebj4septyxh72qy885f",
    "index": 2,
    "type": "eof"
  }
}

Case 2: 完整配置流程 #

Request: Starter

{
  "auth": "XSMLTGKQVVCPJCQHJZ4VEDMGIY",
  "type": "TTS3",
  "device": "device-wei",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "tts": {
    "language": "zh-CN",
    "voice": "xiaoling",
    "speed_ratio": 1.05,
    "sample_rate": 16000,
    "volume": 200,
    "phone": true,
    "polyphone": true,
    "subtitle": "srt",
    "sentence_time": true,
    "word_time": true,
    "cache_url": true,
    "facefeature": "0404_jiaboyang_s1",
    "conversion_id": "nina",
    "conversion_transform": -2
  }
}

Response: 1

{
  "service": "auth",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a"
}

Request: Task

{
  "id": "bf3qmpuuk18ktv7cv4b6kzhs9",
  "query": "你好。",
  "ssml": false
}

Response: 2 音频

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "335d508e-688f-4fc1-b057-4a4aa78b9ee7",
  "tts": {
    "id": "bf3qmpuuk18ktv7cv4b6kzhs9",
    "index": 1,
    "type": "audio",
    "audio_data": "AAAAAAAAAAAAAAAAAAAAAAAAAAAAA...//wkA/P8CAP//AAD4/wMA0v8oAL3/...AAAAAAAAAAAAA=="
  }
}

Response: 3 音素

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "335d508e-688f-4fc1-b057-4a4aa78b9ee7",
  "tts": {
    "id": "bf3qmpuuk18ktv7cv4b6kzhs9",
    "index": 2,
    "type": "phone",
    "phone_data": "aiBqIGluIGluIGluIGluIGluIG...ZCBlbmQgZW5k"
  }
}

Response: 4 时间戳

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "335d508e-688f-4fc1-b057-4a4aa78b9ee7",
  "tts": {
    "id": "bf3qmpuuk18ktv7cv4b6kzhs9", 
    "index": 3, 
    "type": "timestamp", 
    "sentence_time": {
      "begin_ms": 500, 
      "end_ms": 1010, 
      "text": "你好。"
    }, 
    "word_times": [
      {"begin_ms": 500, "end_ms": 590, "text": "你"}, 
      {"begin_ms": 590, "end_ms": 1010, "text": "好"}
    ]
  }
}

Response: 5 多音字

```json
{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "335d508e-688f-4fc1-b057-4a4aa78b9ee7",
  "tts": {
    "id": "bf3qmpuuk18ktv7cv4b6kzhs9",
    "index": 4,
    "type": "polyphone",
    "polyphones": [
        {
            "word": "好",
            "phones": ["hao3", "hao4"]
        }
    ]
}
}

Response: 6 字幕

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "335d508e-688f-4fc1-b057-4a4aa78b9ee7",
  "tts": {
    "id": "bf3qmpuuk18ktv7cv4b6kzhs9",
    "index": 5,
    "type": "subtitle",
    "subtitle_data": "MQowMDowMDowMCwwMDAgLS0+IDAwOjAwOjAwLDUyOArkvaDlpb3jgIIKCg=="
  }
}

Response: 7 字幕地址

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "335d508e-688f-4fc1-b057-4a4aa78b9ee7",
  "tts": {
    "id": "bf3qmpuuk18ktv7cv4b6kzhs9",
    "index": 6,
    "type": "subtitle_url",
    "subtitle_url": "https://aigc.blob.core.chinacloudapi.cn/audio/tts-srt/02261a7e-7df8-4554-b2a1-ad2fa8bf2cbb_d923181d-9d9b-4be1-9370-40f456be3771.srt"
  }
}

Response: 8 音频地址

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "335d508e-688f-4fc1-b057-4a4aa78b9ee7",
  "tts": {
    "id": "bf3qmpuuk18ktv7cv4b6kzhs9",
    "index": 7,
    "type": "audio_url",
    "audio_url": "https://aigc.blob.core.chinacloudapi.cn/audio/tts-audio/02261a7e-7df8-4554-b2a1-ad2fa8bf2cbb_851ab562-ec51-4ad7-bd21-4f4af19875cb.pcm"
  }
}

Response: 9 音素地址

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "08a5785a-a6a2-4140-b587-a6cead592531",
  "tts": {
    "id": "bf3qmpuuk18ktv7cv4b6kzhs9",
    "index": 8,
    "type": "phone_url",
    "phone_url": "https://aigc.blob.core.chinacloudapi.cn/audio/tts-phone/02261a7e-7df8-4554-b2a1-ad2fa8bf2cbb_08a5785a-a6a2-4140-b587-a6cead592531.phone"
  }
}

Response: 10 Face Feature

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "08a5785a-a6a2-4140-b587-a6cead592531",
  "tts": {
    "id": "bf3qmpuuk18ktv7cv4b6kzhs9",
    "index": 9,
    "type": "facefeature",
    "facefeature_data": "AAAAAAAAAAAAAAAAAAAAAAAAAAA...651AxPPQIKYzzcsng8J7IBPfdKwT24LrI9"
  }
}

Response: 11 EOF

{
  "service": "tts",
  "status": "ok",
  "session": "5ef8b534-3b54-47e2-94d9-ff165864ad4a",
  "trace": "08a5785a-a6a2-4140-b587-a6cead592531",
  "tts": {
    "id": "bf3qmpuuk18ktv7cv4b6kzhs9",
    "index": 10,
    "type": "eof"
  }
}

Case 3: 使用 TTS 单次返回接口 #

Request: Starter

{
  "auth": "XSMLTGKQVVCPJCQHJZ4VEDMGIY",
  "type": "TTS2",
  "device": "device-wei",
  "session": "d6bad1c4-eda9-4abd-8294-7ebb4e72cf89",
  "tts": {
    "language": "zh-CN",
    "voice": "aningfp",
    "speed_ratio": 1.05,
    "sample_rate": 16000,
    "volume": 200,
    "format": "mp3",
    "phone": true
  }
}

Response: 1

{
  "service": "auth",
  "status": "ok",
  "session": "d6bad1c4-eda9-4abd-8294-7ebb4e72cf89"
}

Request: Task

{
  "id": "bf3qmpuuk18ktv7cv4b6kzhs9",
  "query": "大家好！",
  "ssml": false
}

Response: 2

{
  "service": "tts",
  "status": "ok",
  "session": "d6bad1c4-eda9-4abd-8294-7ebb4e72cf89",
  "trace": "335d508e-688f-4fc1-b057-4a4aa78b9ee7",
  "tts": {
    "id": "bf3qmpuuk18ktv7cv4b6kzhs9",
    "index": 1,
    "type": "audio",
    "audio_url": "http://tts.dui.ai/runtime/v1/cache/91891217-e1f6-4a91-9a31-1f2ce402b243?productId=914011300"
  }
}

Response: 3

{
  "service": "tts",
  "status": "ok",
  "session": "d6bad1c4-eda9-4abd-8294-7ebb4e72cf89",
  "trace": "335d508e-688f-4fc1-b057-4a4aa78b9ee7",
  "tts": {
    "id": "bf3qmpuuk18ktv7cv4b6kzhs9",
    "index": 2,
    "type": "phone",
    "phone_url": "http://tts.dui.ai/runtime/v1/cache/91891217-e1f6-4a91-9a31-1f2ce402b243.json?productId=914011300",
    "resource": {
      "phonetic_duration_msec": [125, 125, 130, 90, 350, 95, 395],
      "phonetic_symbols": ["d", "a4", "j", "ia1", "h", "ao3", "sil"],
      "total_duration_msec": 1310
    }
  }
}

Case 4: 使用流式文字 TTS 接口 #

Request: Starter

{
  "type": "TTS3",
  "tts": {
    "qid": "JQb7Qv:AEA_Z10Mqp9GYwDGdLzMvPzEzIqwo",
    "stream_mode": true
  }
}

Response: 1

{
  "service": "auth",
  "status": "ok",
  "session": "49d3af81-f344-4ccf-8231-574ceac1a260"
}

Request: 1 Task

{
  "query": "大"
}

Request: 2 Task

{
  "query": "家"
}

Request: 3 Task

{
  "query": "好"
}

Request: 4 EOF

{
  "signal": "eof"
}

Response: 2

{
  "service": "tts",
  "status": "ok",
  "session": "49d3af81-f344-4ccf-8231-574ceac1a260",
  "trace": "f2e13c02-c629-4db8-a942-4393583a5182",
  "tts": {
    "id": "4b69geebj4septyxh72qy885f",
    "index": 1,
    "type": "audio",
    "audio_data": "AAAAAAAAAAAAAAAAAAAAAAAAAAAAA...//wkA/P8CAP//AAD4/wMA0v8oAL3/...AAAAAAAAAAAAA=="
  }
}

Response: 3 EOF

{
  "service": "tts",
  "status": "ok",
  "session": "49d3af81-f344-4ccf-8231-574ceac1a260",
  "trace": "f2e13c02-c629-4db8-a942-4393583a5182",
  "tts": {
    "id": "4b69geebj4septyxh72qy885f",
    "index": 2,
    "type": "eof"
  }
}