火山引擎语音合成请求参数详解

前言说明

火山引擎语音合成，适用于有声阅读、音视频创作、汽车等场景，使用 HTTP Post 方式进行请求，返回的结果为 JSON 格式，需要进行解析，每次合成时 reqid 这个参数需要重新设置，且要保证唯一性（建议使用 uuid.V4 生成）！

认证方式采用 Bearer Token，AppID 和 Token 可在火山引擎-语音技术控制台查看，需要在请求的 Header 中填入：

Authorization":"Bearer;${token}

火山引擎语音合成的请求参数主要包括以下几个方面：

请求参数

请求示例

{
    "app": {
        "appid": "appid123",
        "token": "access_token",
        "cluster": "volcano_tts",
    },
    "user": {
        "uid": "uid123"
    },
    "audio": {
        "voice": "other",
        "voice_type": "BV001_streaming",
        "encoding": "mp3",
        "compression_rate": 1,
        "rate": 24000,
        "bits": 16,
        "channel": 1,
        "speed_ratio": 1.0,
        "volume_ratio": 1.0,
        "pitch_ratio": 1.0,
        "style_name": "happy"
    },
    "request": {
        "reqid": "uuid",
        "text": "字节跳动语音合成",
        "text_type": "plain",
        "operation": "query",
        "silence_duration": "125",
        "with_frontend": "1",
        "frontend_type": "unitTson"
    }
}

请求示意

火山引擎语音合成API的请求示例，可以用来向API发送请求。其中：

• "appid" 指的是应用程序ID，需要开发者自己注册并获得。
• "token" 表示访问API时需要的Access Token。
• "uid" 表示用户ID，可以自定义，方便后续数据统计和分析。
• "voice" 表示使用的发音人，可以选择默认的“xiaoyan”、“xiaoyu”等，也可以选择其他预设发音人，或者上传自定义发音人模型。
• "voice_type" 表示使用的发音人模型类型，可以选择“BV001_streaming”、“BV001”等，也可以在API开发者文档中查看可选项。
• "encoding" 表示返回的音频数据格式，可以选择“mp3”、“wav”等等。
• "compression_rate"、"rate"、"bits"、"channel" 分别表示压缩比、采样率、采样位数和声道数等音频参数。
• "speed_ratio"、"volume_ratio"、"pitch_ratio" 分别表示语速、音量和音调的控制参数。
• "style_name" 表示所需的语音风格名称，可以选择不同的语音风格，如“happy”、“neutral”等。
• "reqid" 表示请求ID，用于跟踪请求并查询结果。
• "text" 表示需要转化为语音的文本内容。
• "text_type" 表示文本类型，可以选择“plain”、“ssml”等。
• "operation" 表示操作类型，可以选择“query”、“tts_stream”、”tts_wav”等。
• "silence_duration" 表示语音播放完毕之后的静默时间，单位为毫秒。
• "with_frontend" 表示是否使用前置端点。
• "frontend_type" 表示前置端点类型，可以选择“unitTson”、“sdp”等等。