流式文本语音合成使用说明_智能语音交互(ISI)-阿里云帮助中心

流式文本语音合成功能可以将您输入的文本合成为语音二进制数据，相比于非流式语音合成，流式合成的优势在于实时性更强，用户在输入文本的同时就可以听到接近同步的语音输出，极大地提升了交互体验，减少了用户等待时间。适用于大规模语言模型的逐字输入型、流式文本入参形式的场景。

功能介绍

支持输出PCM、WAV和MP3编码格式的数据。
支持设置语速、语调和音量。
支持设置不同场景及风格的声音。
仅支持在输入流开启前配置语速、语调、音量和声音风格。
在同一个会话中可以分段多次发送文本并获得音频，合成的音频可以实时播放并且具有低延迟的特点。
在同一个流式TTS会话中，单次合成不超过1万字，总计不超过10万字，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。
仅支持采用UTF-8编码的文本输入。
不支持SSML标记。

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	支持儿化音	声音品质
阿斌	abin	广东普通话	对话数字人	支持中文及中英文混合场景	8K/16K/24K/48K	否	否	标准版
知小白	zhixiaobai	普通话女声	对话数字人	支持中文及中英文混合场景	8K/16K/24K/48K	否	是	标准版
知小夏	zhixiaoxia	普通话女声	对话数字人	支持中文及中英文混合场景	8K/16K/24K/48K	否	是	标准版
知小妹	zhixiaomei	普通话女声	直播数字人	支持中文及中英文混合场景	8K/16K/24K	是	是	标准版
知柜	zhigui	普通话女声	直播数字人	支持中文及中英文混合场景	8K/16K	是	是	标准版
知硕	zhishuo	普通话男声	客服数字人	支持中文及中英文混合场景	8K/16K	是	是	标准版
艾夏	aixia	普通话女声	客服数字人	支持中文及中英文混合场景	8K/16K	是	是	标准版
Cally	cally	美式英文女声	英语口语对话数字人	仅支持纯英文场景	8K/16K	是	是	标准版
知锋_多情感	zhifeng_emo	多种情感男声	通用场景	中文及中英文混合场景	8K/16K/24K	是	是	标准版
知冰_多情感	zhibing_emo	多种情感男声	通用场景	中文及中英文混合场景	8K/16K/24K	是	是	标准版
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	是	是	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	是	否	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	是	否	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	是	否	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	是	否	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	否	否	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	否	否	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	否	否	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	否	否	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	否	否	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	否	否	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	否	否	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	否	否	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	否	否	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	否	否	标准版
宁儿	ninger	标准女声	通用场景	纯中文场景	8K/16K/24K	否	否	标准版
瑞琳	ruilin	标准女声	通用场景	纯中文场景	8K/16K/24K	否	否	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	否	否	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	否	否	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	否	否	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	否	否	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	否	否	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	否	否	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	否	否	标准版
艾娜	aina	浙普女声	客服场景	纯中文场景	8K/16K	否	否	标准版
伊娜	yina	浙普女声	客服场景	纯中文场景	8K/16K/24K	否	否	标准版
思婧	sijing	严厉女声	客服场景	纯中文场景	8K/16K/24K	否	否	标准版
思彤	sitong	儿童音	童声场景	纯中文场景	8K/16K/24K	否	否	标准版
小北	xiaobei	萝莉女声	童声场景	纯中文场景	8K/16K/24K	否	否	标准版
艾彤	aitong	儿童音	童声场景	纯中文场景	8K/16K	否	否	标准版
艾薇	aiwei	萝莉女声	童声场景	纯中文场景	8K/16K	否	否	标准版
艾宝	aibao	萝莉女声	童声场景	纯中文场景	8K/16K	否	否	标准版
Harry	harry	英音男声	英文场景	英文场景	8K/16K	否	否	标准版
Abby	abby	美音女声	英文场景	英文场景	8K/16K	否	否	标准版
Andy	andy	美音男声	英文场景	英文场景	8K/16K	否	否	标准版
Eric	eric	英音男声	英文场景	英文场景	8K/16K	否	否	标准版
Emily	emily	英音女声	英文场景	英文场景	8K/16K	否	否	标准版
Luna	luna	英音女声	英文场景	英文场景	8K/16K	否	否	标准版
Luca	luca	英音男声	英文场景	英文场景	8K/16K	否	否	标准版
Wendy	wendy	英音女声	英文场景	英文场景	8K/16K/24K	否	否	标准版
William	william	英音男声	英文场景	英文场景	8K/16K/24K	否	否	标准版
Olivia	olivia	英音女声	英文场景	英文场景	8K/16K/24K	否	否	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	否	否	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	否	是	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	否	是	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	否	是	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	否	是	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	否	是	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	否	是	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	否	是	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	否	否	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	否	否	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	否	否	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	否	是	精品版
青青	qingqing	中国台湾话女声	方言场景	纯中文场景	8K/16K	否	否	标准版
翠姐	cuijie	东北话女声	方言场景	纯中文场景	8K/16K	否	是	标准版
小泽	xiaoze	湖南重口音男声	方言场景	纯中文场景	8K/16K	否	否	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	否	是	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	否	是	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	否	是	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	否	是	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	否	是	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	否	是	精品版
智香	tomoka	日语女声	多语种场景	纯日文场景	8K/16K	否	否	标准版
智也	tomoya	日语男声	多语种场景	纯日文场景	8K/16K	否	否	标准版
Annie	annie	美语女声	英文场景	纯英文场景	8K/16K	否	否	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	否	是	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	否	是	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	否	否	标准版
Indah	indah	印尼语女声	多语种场景	纯印尼语场景	8K/16K	否	否	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	否	否	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	否	是	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	否	是	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	否	是	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	否	是	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	否	是	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	否	否	标准版
马树	mashu	儿童剧男声	通用场景	通用场景	8K/16K	否	否	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	否	否	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	否	是	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	否	是	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	否	否	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	否	是	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	否	否	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	否	否	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	否	否	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	否	否	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	否	否	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	否	否	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	否	否	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	否	是	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	否	是	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	否	是	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	否	是	标准版
ava	ava	美语女生	英文场景	仅支持纯英文场景	8K/16K	否	否	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	否	否	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	否	是	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	否	是	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	否	否	精品版
老铁	laotie	东北老铁	直播场景	仅支持纯中文场景	8K/16K	否	是	标准版
老妹	laomei	吆喝女声	直播场景	仅支持纯中文场景	8K/16K	否	是	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	否	是	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	否	否	标准版
Tien	tien	越南语女声	多语种场景	仅支持越南语场景	8K/16K	否	否	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	否	否	标准版
Kyong	Kyong	韩语女声	韩语场景	韩语	8K/16K	否	否	标准版
masha	masha	俄语女声	俄语场景	俄语	8K/16K	否	否	标准版
camila	camila	西班牙语女声	西班牙语场景	西班牙语	8k/16k	否	否	标准版
perla	perla	意大利语女声	意大利语场景	意大利语	8k/16k	否	否	标准版
知猫	zhimao	普通话女声	直播	中文	8k/16k	是	否	标准版
知媛	zhiyuan	普通话女声	通用场景	中文	8k/16k	是	否	标准版
知雅	zhiya	普通话女声	客服	中文	8k/16k	是	否	标准版
知悦	zhiyue	普通话女声	通用场景	中文	8k/16k	是	否	标准版
知达	zhida	普通话男声	通用场景	中文	8k/16k	是	否	标准版
知莎	zhistella	普通话女声	通用场景	中文	8k/16k	是	否	标准版
Kelly	kelly	香港粤语女声	方言场景	香港粤语	8k/16k	是	否	标准版
clara	clara	法语女声	通用场景	法语	8k/16k	否	否	标准版
hanna	hanna	德语女声	通用场景	德语	8k/16k	否	否	标准版
waan	waan	泰语女声	通用场景	泰语	8k/16k	否	否	标准版
betty	betty	美式英文女声	通用场景	美式英文	8k/16k	是	否	标准版
beth	beth	美式英文女声	通用场景	美式英文	8k/16k	是	否	标准版
cindy	cindy	美式英文女声	通用场景	美式英文	8k/16k	是	否	标准版
donna	donna	美式英文女声	通用场景	美式英文	8k/16k	是	否	标准版
eva	eva	美式英文女声	通用场景	美式英文	8k/16k	是	否	标准版
brian	brian	美式英文男声	通用场景	美式英文	8k/16k	是	否	标准版

就近地域智能接入

流式文本语音合成支持就近地域智能接入，域名为nls-gateway.aliyuncs.com。

推荐终端用户使用就近地域接入。根据调用接口时客户端所在的地理位置，系统会自动解析到最近的某个具体地域的服务器。例如在北京地域发起请求，系统会自动解析到北京地域的服务器，与指定域名nls-gateway-cn-beijing.aliyuncs.com的实现效果一致。

服务地址

访问类型	说明	URL
外网访问（默认上海地域）	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）。	上海：`wss://nls-gateway-cn-shanghai.aliyuncs.com/ws/v1` 北京：`wss://nls-gateway-cn-beijing.aliyuncs.com/ws/v1` 深圳：`wss://nls-gateway-cn-shenzhen.aliyuncs.com/ws/v1`
ECS内网访问	使用阿里云上海、北京、深圳ECS（即ECS地域为华东2（上海）、华北2（北京）、华南1（深圳）），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。	上海：`ws://nls-gateway-cn-shanghai-internal.aliyuncs.com:80/ws/v1` 北京：`ws://nls-gateway-cn-beijing-internal.aliyuncs.com:80/ws/v1` 深圳：`ws://nls-gateway-cn-shenzhen-internal.aliyuncs.com:80/ws/v1`

交互流程

鉴权
客户端在与服务端建立WebSocket连接时，使用Token进行鉴权。关于Token获取请参见获取Token概述。

开始合成

客户端发起语音合成请求，在请求消息中进行参数设置，各参数通过SDK中FlowingSpeechSynthesizer对象的set方法设置，含义如下。

参数	类型	是否必选	说明
appkey	String	是	管控台创建的项目Appkey。获取Appkey请前往控制台。
voice	String	是	说话人音色。
format	枚举类型/String	否	音频编码格式，在OutputFormatEnum中的枚举类型：`.pcm`、`.wav`和`.mp3`，默认为`.pcm`。
sample_rate	枚举类型/Integer	否	音频采样率，默认为16000 Hz，在SampleRateEnum中的枚举类型：SAMPLE_RATE_8K, SAMPLE_RATE_16K, SAMPLE_RATE_24K, SAMPLE_RATE_48K。
volume	Integer	否	朗读音量，范围是0~100，默认50。
speech_rate	Integer	否	朗读语速，范围是-500~500，默认是0。
pitch_rate	Integer	否	朗读语调，范围是-500~500，默认是0。
enable_subtitle	Boolean	否	开启字级别时间戳。更多使用方法，请参见时间戳功能介绍。

接收合成数据
服务端返回合成的语音二进制数据，SDK接收并处理二进制数据。

结束合成

语音合成完毕，服务端发送合成完毕事件通知，举例如下。

{
    "header": {
        "message_id": "05450bf69c53413f8d88aed1ee60****",
        "task_id": "640bc797bb684bd6960185651307****",
        "namespace": "FlowingSpeechSynthesizer",
        "name": "SynthesisCompleted",
        "status": 20000000,
        "status_message": "GATEWAY|SUCCESS|Success."
    }
}