接口说明

长文本语音合成功能提供了将超长文本(如千字或者万字)合成为语音二进制数据的功能。

←返回语音合成产品详情页

新推出超高清合成声音

持续新增多个超高清合成声音,可提供超高音质合成效果,采样率高达48 kHz,无损声音,纤毫毕现。

超高清样音试听:

知琪(zhiqi)

知厨(zhichu)

更多合成效果可至语音合成产品详情页进行体验。

功能介绍

  • 支持输出PCM、WAV和MP3编码格式数据。

  • 支持设置语速、语调和音量。

  • 支持设置男声、女声。

  • 支持通过实时和异步方式获取合成结果,但部分超高清场景声音(如“知甜”“知青”)仅支持RESTful API异步调用,暂不支持通过实时接口(Java SDKC++ SDK)调用,具体请参见声音类型支持接口类型列的描述。

  • RESTful API支持句级别时间戳。详情请参见时间戳功能介绍

  • 长文本语音合成服务相比语音合成服务有其独特优势:

    • 支持更长文字输入:一次性合成最高10万字符,其中1个汉字、1个英文字母、1个标点或1个句子中间空格均算作1个字符。

    • 合成速度快:每合成5万字符最快仅需10分钟。

    • 循环使用:合成文件支持应用端缓存,可循环使用。

    • 专属声音:按场景打造专属精品声音,完美贴合阅读小说、新闻、视频配音等场景。

  • 提交长文本语音合成请求后,合成结果在3小时内完成,音频文件在服务端可保存7天。

  • 支持多情感声音调用,具体请参见标记语言介绍中的<emotion>标签。标签不算作字符。

说明

使用长文本语音合成功能,需要将SDK更新至最新版本。

声音类型

名称

voice参数值

类型

适用场景

支持语言

支持采样率(Hz)

支持字\句级别时间戳

支持接口类型

支持儿化音

声音品质

知妙_多情感

zhimiao_emo

多种情感女声

中英场景

中文及英文场景

8K/16K

RESTful API

标准版

知米_多情感

zhimi_emo

多种情感女声

通用场景

中文及中英文混合场景

8K/16K

RESTful API

标准版

知燕_多情感

zhiyan_emo

多种情感女声

通用场景

中文及中英文混合场景

8K/16K

RESTful API

标准版

知贝_多情感

zhibei_emo

多种情感童声

通用场景

中文及中英文混合场景

8K/16K

RESTful API

标准版

知甜_多情感

zhitian_emo

多种情感女声

通用场景

中文及中英文混合场景

8K/16K

RESTful API

标准版

小云

xiaoyun

标准女声

通用场景

中文及中英文混合场景

8K/16K

RESTful API

lite版

小刚

xiaogang

标准男声

通用场景

中文及中英文混合场景

8K/16K

RESTful API

lite版

若兮

ruoxi

温柔女声

通用场景

中文及中英文混合场景

8K/16K/24K

RESTful API

标准版

思琪

siqi

温柔女声

通用场景

中文及中英文混合场景

8K/16K/24K

RESTful API

标准版

思佳

sijia

标准女声

通用场景

中文及中英文混合场景

8K/16K/24K

RESTful API

标准版

思诚

sicheng

标准男声

通用场景

中文及中英文混合场景

8K/16K/24K

RESTful API

标准版

艾琪

aiqi

温柔女声

通用场景

中文及中英文混合场景

8K/16K

RESTful API

标准版

艾佳

aijia

标准女声

通用场景

中文及中英文混合场景

8K/16K

RESTful API

标准版

艾诚

aicheng

标准男声

通用场景

中文及中英文混合场景

8K/16K

RESTful API

标准版

艾达

aida

标准男声

通用场景

中文及中英文混合场景

8K/16K

RESTful API

标准版

宁儿

ninger

标准女声

通用场景

纯中文场景

8K/16K/24K

RESTful API

标准版

瑞琳

ruilin

标准女声

通用场景

纯中文场景

8K/16K/24K

RESTful API

标准版

思悦

siyue

温柔女声

客服场景

中文及中英文混合场景

8K/16K/24K

RESTful API

标准版

艾雅

aiya

严厉女声

客服场景

中文及中英文混合场景

8K/16K

RESTful API

标准版

艾夏

aixia

亲和女声

客服场景

中文及中英文混合场景

8K/16K

RESTful API

标准版

艾美

aimei

甜美女声

客服场景

中文及中英文混合场景

8K/16K

RESTful API

标准版

艾雨

aiyu

自然女声

客服场景

中文及中英文混合场景

8K/16K

RESTful API

标准版

艾悦

aiyue

温柔女声

客服场景

中文及中英文混合场景

8K/16K

RESTful API

标准版

艾婧

aijing

严厉女声

客服场景

中文及中英文混合场景

8K/16K

RESTful API

标准版

小美

xiaomei

甜美女声

客服场景

中文及中英文混合场景

8K/16K/24K

RESTful API

标准版

艾娜

aina

浙普女声

客服场景

纯中文场景

8K/16K

RESTful API

标准版

伊娜

yina

浙普女声

客服场景

纯中文场景

8K/16K/24K

RESTful API

标准版

思婧

sijing

严厉女声

客服场景

纯中文场景

8K/16K/24K

RESTful API

标准版

思彤

sitong

儿童音

童声场景

纯中文场景

8K/16K/24K

RESTful API

标准版

小北

xiaobei

萝莉女声

童声场景

纯中文场景

8K/16K/24K

RESTful API

标准版

艾彤

aitong

儿童音

童声场景

纯中文场景

8K/16K

RESTful API

标准版

艾薇

aiwei

萝莉女声

童声场景

纯中文场景

8K/16K

RESTful API

标准版

艾宝

aibao

萝莉女声

童声场景

纯中文场景

8K/16K

RESTful API

标准版

Harry

harry

英音男声

英文场景

英文场景

8K/16K

RESTful API

标准版

Abby

abby

美音女声

英文场景

英文场景

8K/16K

RESTful API

标准版

Andy

andy

美音男声

英文场景

英文场景

8K/16K

RESTful API

标准版

Eric

eric

英音男声

英文场景

英文场景

8K/16K

RESTful API

标准版

Emily

emily

英音女声

英文场景

英文场景

8K/16K

RESTful API

标准版

Luna

luna

英音女声

英文场景

英文场景

8K/16K

RESTful API

标准版

Luca

luca

英音男声

英文场景

英文场景

8K/16K

RESTful API

标准版

Wendy

wendy

英音女声

英文场景

英文场景

8K/16K/24K

RESTful API

标准版

William

william

英音男声

英文场景

英文场景

8K/16K/24K

RESTful API

标准版

Olivia

olivia

英音女声

英文场景

英文场景

8K/16K/24K

RESTful API

标准版

姗姗

shanshan

粤语女声

方言场景

标准粤文(简体)及粤英文混合场景

8K/16K/24K

RESTful API

标准版

艾媛

aiyuan

知心姐姐

文学场景

中文及中英文混合场景

8K/16K

RESTful API

精品版

艾颖

aiying

软萌童声

文学场景

中文及中英文混合场景

8K/16K

RESTful API

精品版

艾祥

aixiang

磁性男声

文学场景

中文及中英文混合场景

8K/16K

RESTful API

精品版

艾墨

aimo

情感男声

文学场景

中文及中英文混合场景

8K/16K

RESTful API

精品版

艾晔

aiye

青年男声

文学场景

中文及中英文混合场景

8K/16K

RESTful API

精品版

艾婷

aiting

电台女声

文学场景

中文及中英文混合场景

8K/16K

RESTful API

精品版

艾凡

aifan

情感女声

文学场景

中文及中英文混合场景

8K/16K

RESTful API

精品版

Lydia

lydia

英中双语女声

英文场景

英文及英中文混合场景

8K/16K

RESTful API

标准版

小玥

chuangirl

四川话女声

方言场景

中文及中英文混合场景

8K/16K

RESTful API

标准版

艾硕

aishuo

自然男声

客服场景

中文及中英文混合场景

8K/16K

RESTful API

标准版

艾德

aide

新闻男声

文学场景

中文及中英文混合场景

8K/16K

RESTful API

精品版

青青

qingqing

中国台湾话女声

方言场景

纯中文场景

8K/16K

RESTful API

标准版

翠姐

cuijie

东北话女声

方言场景

纯中文场景

8K/16K

RESTful API

标准版

小泽

xiaoze

湖南重口音男声

方言场景

纯中文场景

8K/16K

RESTful API

标准版

艾楠

ainan

广告男声

文学场景

中文及中英文混合场景

8K/16K

RESTful API

精品版

艾浩

aihao

资讯男声

文学场景

中文及中英文混合场景

8K/16K

RESTful API

精品版

艾茗

aiming

诙谐男声

文学场景

中文及中英文混合场景

8K/16K

RESTful API

精品版

艾笑

aixiao

资讯女声

文学场景

中文及中英文混合场景

8K/16K

RESTful API

精品版

艾厨

aichu

舌尖男声

文学场景

中文及中英文混合场景

8K/16K

RESTful API

精品版

艾倩

aiqian

资讯女声

文学场景

中文及中英文混合场景

8K/16K

RESTful API

精品版

智香

tomoka

日语女声

多语种场景

纯日文场景

8K/16K

RESTful API

标准版

智也

tomoya

日语男声

多语种场景

纯日文场景

8K/16K

RESTful API

标准版

Annie

annie

美语女声

英文场景

纯英文场景

8K/16K

RESTful API

标准版

艾树

aishu

资讯男声

文学场景

中文及中英文混合场景

8K/16K

RESTful API

精品版

艾茹

airu

新闻女声

文学场景

中文及中英文混合场景

8K/16K

RESTful API

精品版

佳佳

jiajia

粤语女声

方言场景

标准粤文(简体)及粤英文混合场景

8K/16K

RESTful API

标准版

Indah

indah

印尼语女声

多语种场景

纯印尼语场景

8K/16K

RESTful API

标准版

桃子

taozi

粤语女声

方言场景

支持标准粤文(简体)及粤英文混合场景

8K/16K

RESTful API

标准版

柜姐

guijie

亲切女声

通用场景

支持中文及中英文混合场景

8K/16K

RESTful API

标准版

Stella

stella

知性女声

通用场景

支持中文及中英文混合场景

8K/16K

RESTful API

标准版

Stanley

stanley

沉稳男声

通用场景

支持中文及中英文混合场景

8K/16K

RESTful API

标准版

Kenny

kenny

沉稳男声

通用场景

支持中文及中英文混合场景

8K/16K

RESTful API

标准版

Rosa

rosa

自然女声

通用场景

支持中文及中英文混合场景

8K/16K

RESTful API

标准版

Farah

farah

马来语女声

多语种场景

仅支持纯马来语场景

8K/16K

RESTful API

标准版

马树

mashu

儿童剧男声

通用场景

通用场景

8K/16K

RESTful API

标准版

知琪

zhiqi

温柔女声

超高清场景

支持中文及中英文混合场景

8K/16K/24K/48K

RESTful API

精品版

知厨

zhichu

舌尖男声

超高清场景

支持中文及中英文混合场景

8K/16K/24K/48K

RESTful API

精品版

小仙

xiaoxian

亲切女声

直播场景

支持中文及中英文混合场景

8K/16K

RESTful API

标准版

悦儿

yuer

儿童剧女声

通用场景

仅支持纯中文场景

8K/16K

RESTful API

标准版

猫小美

maoxiaomei

活力女声

直播场景

支持中文及中英文混合场景

8K/16K

RESTful API

标准版

知祥

zhixiang

磁性男声

超高清场景

支持中文及中英文混合场景

8K/16K/24K/48K

RESTful API

精品版

知佳

zhijia

标准女声

超高清场景

支持中文及中英文混合场景

8K/16K/24K/48K

RESTful API

精品版

知楠

zhinan

广告男声

超高清场景

支持中文及中英文混合场景

8K/16K/24K/48K

RESTful API

精品版

知倩

zhiqian

资讯女声

超高清场景

支持中文及中英文混合场景

8K/16K/24K/48K

RESTful API

精品版

知茹

zhiru

新闻女声

超高清场景

支持中文及中英文混合场景

8K/16K/24K/48K

RESTful API

精品版

知德

zhide

新闻男声

超高清场景

支持中文及中英文混合场景

8K/16K/24K/48K

RESTful API

精品版

知飞

zhifei

激昂解说

超高清场景

支持中文及中英文混合场景

8K/16K

RESTful API

精品版

艾飞

aifei

激昂解说

直播场景

支持中文及中英文混合场景

8K/16K

RESTful API

标准版

亚群

yaqun

卖场广播

直播场景

支持中文及中英文混合场景

8K/16K

RESTful API

标准版

巧薇

qiaowei

卖场广播

直播场景

支持中文及中英文混合场景

8K/16K

RESTful API

标准版

大虎

dahu

东北话男声

方言场景

支持中文及中英文混合场景

8K/16K

RESTful API

标准版

ava

ava

美语女生

英文场景

仅支持纯英文场景

8K/16K

RESTful API

标准版

知伦

zhilun

悬疑解说

超高清场景

支持中文及中英文混合场景

8K/16K

RESTful API

精品版

艾伦

ailun

悬疑解说

直播场景

支持中文及中英文混合场景

8K/16K

RESTful API

标准版

杰力豆

jielidou

治愈童声

童声场景

仅支持纯中文场景

8K/16K

RESTful API

标准版

知薇

zhiwei

萝莉女声

超高清场景

仅支持纯中文场景

8K/16K/24K/48K

RESTful API

精品版

老铁

laotie

东北老铁

直播场景

仅支持纯中文场景

8K/16K

RESTful API

标准版

老妹

laomei

吆喝女声

直播场景

仅支持纯中文场景

8K/16K

RESTful API

标准版

艾侃

aikan

天津话男声

方言场景

仅支持纯中文场景

8K/16K

RESTful API

标准版

Tala

tala

菲律宾语女声

多语种场景

仅支持菲律宾语场景

8K/16K

RESTful API

标准版

知甜

zhitian

甜美女声

通用场景

支持中文及中英文混合场景

8K/16K

RESTful API

精品版

知青

zhiqing

中国台湾话女生

方言场景

仅支持纯中文场景

8K/16K

RESTful API

精品版

Tien

tien

越南语女声

多语种场景

仅支持越南语场景

8K/16K

RESTful API

标准版

Becca

becca

美语客服女声

美式英文

仅支持纯英语场景

8K/16K

RESTful API

标准版

Kyong

Kyong

韩语女声

韩语场景

韩语

8K/16K

RESTful API

标准版

masha

masha

俄语女声

俄语场景

俄语

8K/16K

RESTful API

标准版

多情感声音支持说明

只有多情感发音人模型才可以支持多情感选择。多情感声音支持的情感如下表所示,每个音色支持的情感分类不完全相同,主要包括:neutral(中性)、happy(开心)、angry(生气)、sad(悲伤)、fear(害怕)、hate(憎恨)、surprise(惊讶)、arousal(激动)、serious(严肃)、disgust(厌恶)、jealousy(嫉妒)、embarrassed(尴尬)、frustrated(沮丧)、affectionate(深情)、gentle(温柔)、newscast(播报)、customer-service(客服)、story(小说)、living(直播)。

音色名

voice参数值

情感分类(emotion category)

知妙_多情感

zhimiao_emo

serious,sad,disgust,jealousy,embarrassed,happy,fear,surprise,neutral,frustrated,affectionate,gentle,angry,newscast,customer-service,story,living

知米_多情感

zhimi_emo

angry,fear,happy,hate,neutral,sad,surprise

知燕_多情感

zhiyan_emo

neutral,happy,angry,sad,fear,hate,surprise,arousal

知贝_多情感

zhibei_emo

neutral,happy,angry,sad,fear,hate,surprise

知甜_多情感

zhitian_emo

neutral,happy,angry,sad,fear,hate,surprise

调用说明

  • 传入文本必须采用UTF-8编码。

  • 长文本语音合成和语音合成在很多地方都是相似的,可进行对比。

服务地址

访问类型

说明

URL

Host

外网访问

所有服务器均可使用外网访问URL(SDK中默认设置了外网访问URL,不需您设置)

https://nls-gateway.cn-shanghai.aliyuncs.com/rest/v1/tts/async

nls-gateway.cn-shanghai.aliyuncs.com

阿里云上海ECS内网访问

使用阿里云上海ECS(ECS地域为华东2(上海)),可使用内网访问URL。 ECS的经典网络不能访问AnyTunnel,即不能在内网访问语音服务;如果希望使用AnyTunnel,需要创建专有网络在其内部访问。

说明

  • 使用内网访问方式,将不产生ECS实例的公网流量费用。

  • 关于ECS的网络类型请参见网络类型

http://nls-gateway.cn-shanghai-internal.aliyuncs.com/rest/v1/tts/async

nls-gateway.cn-shanghai-internal.aliyuncs.com

交互流程

客户端向服务端发送携带文本内容的HTTPS POST方法的请求,服务端返回对应的处理。此后客户端有两种处理方式:

  • 主动轮询合成状态,直至合成完成。

  • 等待服务端全部完成语音合成后主动回调用户设置的回调地址,此时用户端程序可以继续进行后续处理。

说明

  • 不同于语音合成的RESTful接口,长文本语音合成RESTful接口并不会把实际的合成数据直接返回给客户端,而是返回一个HTTP地址,您可以通过该HTTP地址下载录音文件或者播放。

  • 服务端的响应除了音频流之外,都会在返回信息的header包含本次识别任务的task_id参数,是本次请求的唯一标识。

交互流程

请求参数

异步长文本语音合成的请求参数如下表所示。

发送HTTP/HTTPS请求时需要将这些参数设置到请求体(Body)中。

名称

类型

是否必选

描述

appkey

String

应用Appkey。更多信息,请参见管理项目

token

String

服务鉴权Token。

text

String

待合成的文本,需要为UTF-8编码。

说明

调用某音色的多情感内容,需要在text中加上ssml-emotion标签,具体请参见标记语言介绍中的<emotion>标签。

format

String

音频编码格式,支持PCM/WAV/MP3格式。默认值:pcm

sample_rate

Integer

音频采样率,支持16000 Hz和8000 Hz,默认是16000 Hz。

voice

String

发音人,默认是xiaoyun。更多发音人请参见声音类型

volume

Integer

音量,范围是0~100,默认50。

speech_rate

Integer

语速,范围是-500~500,默认是0。

pitch_rate

Integer

语调,范围是-500~500,默认是0。

enable_subtitle

Boolean

是否启用句级时间戳功能,默认值为false。

enable_notify

Boolean

是否启用回调功能,默认值为false。

notify_url

String

回调服务的地址。当enable_notify取值为true时,本字段必填。

URL支持HTTP/HTTPS协议,Host不能使用IP地址。

服务状态码

在服务的每一次响应中,都包含status字段,即服务状态码,状态码各种取值含义如下。

通用错误码

状态码

状态消息

原因

解决方案

40000000

默认的客户端错误码,对应了多个错误消息。

用户使用了不合理的参数或者调用逻辑。

请参考官网文档示例代码进行对比测试验证。

40000001

The token 'xxx' has expired;

The token 'xxx' is invalid

用户使用了不合理的参数或者调用逻辑。通用客户端错误码,通常是涉及Token相关的不正确使用,例如Token过期或者非法。

请参考官网文档示例代码进行对比测试验证。

40000002

Gateway:MESSAGE_INVALID:Can't process message in state'FAILED'!

无效或者错误的报文消息。

请参考官网文档示例代码进行对比测试验证。

40000003

PARAMETER_INVALID;

Failed to decode url params

用户传递的参数有误,一般常见于RESTful接口调用。

请参考官网文档示例代码进行对比测试验证。

40000005

Gateway:TOO_MANY_REQUESTS:Too many requests!

并发请求过多。

如果是试用版调用,建议您升级为商用版本以增大并发。

如果已是商用版,可购买并发资源包,或通过钉钉搜索群号23050005920,加入智能语音交互产品咨询群,联系阿里云商务扩充您的并发额度。

40000009

Invalid wav header!

错误的消息头。

如果您发送的是WAV语音文件,且设置formatwav,请注意检查该语音文件的WAV头是否正确,否则可能会被服务端拒绝。

40000009

Too large wav header!

传输的语音WAV头不合法。

建议使用PCM、OPUS等格式发送音频流,如果是WAV,建议关注语音文件的WAV头信息是否为正确的数据长度大小。

40000010

Gateway:FREE_TRIAL_EXPIRED:The free trial has expired!

试用期已结束,并且未开通商用版、或账号欠费。

请登录控制台确认服务开通状态以及账户余额。

40010001

Gateway:NAMESPACE_NOT_FOUND:RESTful url path illegal

不支持的接口或参数。

请检查调用时传递的参数内容是否和官网文档要求的一致,并结合错误信息对比排查,设置为正确的参数。

比如您是否通过curl命令执行RESTful接口请求, 拼接的URL是否合法。

40010003

Gateway:DIRECTIVE_INVALID:[xxx]

客户端侧通用错误码。

表示客户端传递了不正确的参数或指令,在不同的接口上有对应的详细报错信息,请参考对应文档进行正确设置。

40010004

Gateway:CLIENT_DISCONNECT:Client disconnected before task finished!

在请求处理完成前客户端主动结束。

无,或者请在服务端响应完成后再关闭链接。

40010005

Gateway:TASK_STATE_ERROR:Got stop directive while task is stopping!

客户端发送了当前不支持的消息指令。

请参考官网文档示例代码进行对比测试验证。

40020105

Meta:APPKEY_NOT_EXIST:Appkey not exist!

使用了不存在的Appkey。

请确认是否使用了不存在的Appkey,Appkey可以通过登录控制台后查看项目配置。

40020106

Meta:APPKEY_UID_MISMATCH:Appkey and user mismatch!

调用时传递的Appkey和Token并非同一个账号UID所创建,导致不匹配。

请检查是否存在两个账号混用的情况,避免使用账号A名下的Appkey和账号B名下生成的Token搭配使用。

403

Forbidden

使用的Token无效,例如Token不存在或者已过期。

请设置正确的Token。Token存在有效期限制,请及时在过期前获取新的Token。

41000003

MetaInfo doesn't have end point info

无法获取该Appkey的路由信息。

请检查是否存在两个账号混用的情况,避免使用账号A名下的Appkey和账号B名下生成的Token搭配使用。

41010101

UNSUPPORTED_SAMPLE_RATE

不支持的采样率格式。

当前实时语音识别只支持8000 Hz和16000 Hz两种采样率格式的音频。

41040201

Realtime:GET_CLINET_DATA_TIMEOUT:Client data does not send continuously!

获取客户端发送的数据超时失败。

客户端在调用实时语音识别时请保持实时速率发送,发送完成后及时关闭链接。

50000000

GRPC_ERROR:Grpc error!

受机器负载、网络等因素导致的异常,通常为偶发出现。

一般重试调用即可恢复,如有大规模报错,请加入钉钉群23050005920咨询产品技术支持。

50000001

GRPC_ERROR:Grpc error!

受机器负载、网络等因素导致的异常,通常为偶发出现。

一般重试调用即可恢复,如有大规模报错,请加入钉钉群23050005920咨询产品技术支持。

52010001

GRPC_ERROR:Grpc error!

受机器负载、网络等因素导致的异常,通常为偶发出现。

一般重试调用即可恢复,如有大规模报错,请加入钉钉群23050005920咨询产品技术支持。

语音合成/长文本语音合成错误码

状态码

状态消息

原因

解决方案

40000001

Gateway:ACCESS_DENIED:No privilege to this voice!

设置了错误的发音人名称。

请参考官网文档,设置正确的发音人。

40000004

Gateway:IDLE_TIMEOUT:Websocket session is idle for too long time,the last directive is 'StartSynthesis'!

请求建立链接后,长时间没有发送任何数据,超过10s后服务端会返回此错误信息。

请求处理完成后请及时关闭链接,此外,当服务端瞬时压力过大不能及时返回数据时也可能出现此错误,此时可以重试恢复。

40010003

Gateway:DIRECTIVE_INVALID:No text specified!

没有设置有效的待合成文本文字。

请参考官网文档示例代码设置待合成的文本。

41020001

语音合成调用客户端错误

可能有多个错误消息,需根据对应的错误消息调整。

  • 如果提示Engine return error code: 424.表示传递的背景音乐或拼接录音不符合格式,请参考文档说明设置正确的背景音。

  • 如果提示Engine return error code:418表示传递了不支持的发音人名称。

  • 如果提示Request json illegal,failed to parse request.表示传递的JSON格式非法。

  • 如果提示SSML text length should be less than 300.表示传递的合成文本过长,建议使用长文本语音合成接口。

51020001

TTS:TtsServerError

受机器负载或网络等因素导致的异常,通常为偶发出现。

一般重试调用即可恢复,如有大规模报错,请加入钉钉群23050005920咨询产品技术支持。

阿里云首页 智能语音交互 相关技术圈