全部产品

接口说明

更新时间:2020-11-30 16:25:35

语音合成为您提供将输入文本合成为语音二进制数据的功能。

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。

  • 支持设置不同类型的声音。

    注意

    字级别音素边界接口:语音合成服务在输出音频的同时,可输出每个汉字/英文单词在音频中的时间位置,即时间戳。该时间信息可用于驱动虚拟人口型、做视频配音字幕等。详情请参见语音合成时间戳功能介绍

    名称

    voice参数值

    类型

    适用场景

    支持语言

    支持采样率(Hz)

    支持字级别音素边界接口

    小云

    Xiaoyun

    标准女声

    通用场景

    中文及中英文混合场景

    8K/16K

    小刚

    Xiaogang

    标准男声

    通用场景

    中文及中英文混合场景

    8K/16K

    若兮

    Ruoxi

    温柔女声

    通用场景

    中文及中英文混合场景

    8K/16K/24K

    思琪

    Siqi

    温柔女声

    通用场景

    中文及中英文混合场景

    8K/16K/24K

    思佳

    Sijia

    标准女声

    通用场景

    中文及中英文混合场景

    8K/16K/24K

    思诚

    Sicheng

    标准男声

    通用场景

    中文及中英文混合场景

    8K/16K/24K

    艾琪

    Aiqi

    温柔女声

    通用场景

    中文及中英文混合场景

    8K/16K

    艾佳

    Aijia

    标准女声

    通用场景

    中文及中英文混合场景

    8K/16K

    艾诚

    Aicheng

    标准男声

    通用场景

    中文及中英文混合场景

    8K/16K

    艾达

    Aida

    标准男声

    通用场景

    中文及中英文混合场景

    8K/16K

    宁儿

    Ninger

    标准女声

    通用场景

    纯中文场景

    8K/16K/24K

    瑞琳

    Ruilin

    标准女声

    通用场景

    纯中文场景

    8K/16K/24K

    思悦

    Siyue

    温柔女声

    客服场景

    中文及中英文混合场景

    8K/16K/24K

    艾雅

    Aiya

    严厉女声

    客服场景

    中文及中英文混合场景

    8K/16K

    艾夏

    Aixia

    亲和女声

    客服场景

    中文及中英文混合场景

    8K/16K

    艾美

    Aimei

    甜美女声

    客服场景

    中文及中英文混合场景

    8K/16K

    艾雨

    Aiyu

    自然女声

    客服场景

    中文及中英文混合场景

    8K/16K

    艾悦

    Aiyue

    温柔女声

    客服场景

    中文及中英文混合场景

    8K/16K

    艾婧

    Aijing

    严厉女声

    客服场景

    中文及中英文混合场景

    8K/16K

    小美

    Xiaomei

    甜美女声

    客服场景

    中文及中英文混合场景

    8K/16K/24K

    艾娜

    Aina

    浙普女声

    客服场景

    纯中文场景

    8K/16K

    伊娜

    Yina

    浙普女声

    客服场景

    纯中文场景

    8K/16K/24K

    思婧

    Sijing

    严厉女声

    客服场景

    纯中文场景

    8K/16K/24K

    思彤

    Sitong

    儿童音

    童声场景

    纯中文场景

    8K/16K/24K

    小北

    Xiaobei

    萝莉女声

    童声场景

    纯中文场景

    8K/16K/24K

    艾彤

    Aitong

    儿童音

    童声场景

    纯中文场景

    8K/16K

    艾薇

    Aiwei

    萝莉女声

    童声场景

    纯中文场景

    8K/16K

    艾宝

    Aibao

    萝莉女声

    童声场景

    纯中文场景

    8K/16K

    Harry

    Harry

    英音男声

    英文场景

    英文场景

    8K/16K

    Abby

    Abby

    美音女声

    英文场景

    英文场景

    8K/16K

    Andy

    Andy

    美音男声

    英文场景

    英文场景

    8K/16K

    Eric

    Eric

    英音男声

    英文场景

    英文场景

    8K/16K

    Emily

    Emily

    英音女声

    英文场景

    英文场景

    8K/16K

    Luna

    Luna

    英音女声

    英文场景

    英文场景

    8K/16K

    Luca

    Luca

    英音男声

    英文场景

    英文场景

    8K/16K

    Wendy

    Wendy

    英音女声

    英文场景

    英文场景

    8K/16K/24K

    William

    William

    英音男声

    英文场景

    英文场景

    8K/16K/24K

    Olivia

    Olivia

    英音女声

    英文场景

    英文场景

    8K/16K/24K

    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

    小玥

    Xiaoyue

    四川话女声

    方言场景

    中文及中英文混合场景

    8K/16K

    Lydia

    Lydia

    英中双语女声

    英文场景

    英文及英中文混合场景

    8K/16K

    艾硕

    Aishuo

    自然男声

    客服场景

    中文及中英文混合场景

    8K/16K

    青青

    Qingqing

    台湾话女声

    方言场景

    中文场景

    8K/16K

    翠姐

    Cuijie

    东北话女声

    方言场景

    中文场景

    8K/16K

    小泽

    Xiaoze

    湖南重口音男声

    方言场景

    中文场景

    8K/16K

    智香

    Tomoka

    日语女声

    文学场景

    日文场景

    8K/16K

    智也

    Tomoya

    日语男声

    文学场景

    日文场景

    8K/16K

    Annie

    Annie

    美语女声

    文学场景

    英文场景

    8K/16K

    说明

    文学场景相关发音人信息,请参见接口说明

调用限制

  • 输入文本必须采用UTF-8编码。

  • 输入文本不能超过300个字符,超过300字符的内容会被截断。

服务地址

访问类型

说明

URL

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)。

wss://nls-gateway.cn-shanghai.aliyuncs.com/ws/v1

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

ws://nls-gateway.cn-shanghai-internal.aliyuncs.com:80/ws/v1

交互流程

语音合成交互流程

说明

  • 上图不包含RESTful API的交互流程,关于RESTful API的交互流程图请参见RESTful API

  • 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,请记录该值。如果出现错误,请将task_id和错误信息提交到工单。

1. 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

2. 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SpeechSynthesizer对象的set方法设置,含义如下。

参数

类型

是否必需

说明

appkey

String

管控台创建的项目appkey。

text

String

待合成文本,文本内容必须采用UTF-8编码,长度不超过300个字符(英文字母之间需要添加空格)。

voice

String

发音人,默认是xiaoyun

format

String

音频编码格式,默认值:PCM。支持PCM/WAV/MP3格式。

sample_rate

Integer

音频采样率,默认值:16000。

volume

Integer

音量,取值范围:0~100。默认值:50。

speech_rate

Integer

语速,取值范围:-500~500,默认值:0。

pitch_rate

Integer

语调,取值范围:-500~500,默认值:0。

3. 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。

4. 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": "SpeechSynthesizer",
        "name": "SynthesisCompleted",
        "status": 20000000,
        "status_message": "GATEWAY|SUCCESS|Success."
    }
}
说明

文档示例将合成的音频保存在文件中,如果您需要播放音频且对实时性要求较高,建议使用流式播放,即边接收语音数据边播放,减少延时。

服务状态码

服务的每一次响应都包含status字段,即服务状态码,各状态码含义如下。

通用错误:

错误码

原因

解决办法

40000001

身份认证失败

检查使用的令牌是否正确,是否过期。

40000002

无效的消息

检查发送的消息是否符合要求。

403

令牌过期或无效的参数

首先检查使用的令牌是否过期,然后检查参数值设置是否合理。

40000004

空闲超时

确认是否长时间(10秒)没有发送数据到服务端。

40000005

请求数量过多

检查是否超过了并发连接数或者每秒钟请求数。如果超过并发数,建议从免费版升级到商用版,或者商用版扩容并发资源。

40000000

默认的客户端错误码

查看错误消息或提交工单。

50000000

默认的服务端错误

如果偶现可以忽略,重复出现请提交工单。

50000001

内部调用错误

如果偶现可以忽略,重复出现请提交工单。

网关错误:

错误码

原因

解决办法

40010001

不支持的接口

使用了不支持的接口,如果使用SDK请提交工单。

40010002

不支持的指令

使用了不支持的指令,如果使用SDK请提交工单。

40010003

无效的指令

指令格式错误,如果使用SDK请提交工单。

40010004

客户端提前断开连接

检查是否在请求正常完成之前关闭了连接。

40010005

任务状态错误

发送了当前任务状态不能处理的指令。

配置错误:

错误码

原因

解决办法

40020105

应用不存在

检查应用appkey是否正确,是否与令牌归属同一个账号。

TTS(Text to Speech)错误:

错误码

原因

解决办法

41020001

参数错误

检查是否传递了正确的参数。

51020001

TTS服务端错误

如果偶现可以忽略,重复出现请提交工单。