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

流式文本语音合成支持在同一会话中分段输入文本，并以二进制数据流返回合成音频，适用于接收大语言模型逐字或分段输出并实时播报的场景。本文介绍功能限制、服务地址、交互流程、请求参数和支持的音色。

功能与使用限制

支持输出 PCM、WAV、MP3 和 OPUS 格式的音频。
支持选择不同场景及风格的音色，并设置语速、语调和音量。这些参数只能在输入流开启前配置。
同一会话中可以多次发送文本并接收音频，合成音频具有低延迟的特点。实时播放时，使用支持对应编码格式和流式输入的播放器。
输入文本必须采用 UTF-8 编码。单次发送的文本不超过 10000 个字符，同一会话累计不超过 100000 个字符。1 个汉字、英文字母、标点或句子中间的空格均计为 1 个字符。
流式文本输入不支持 SSML 标记。如需使用 SSML，应选择支持 SSML 的音色，并通过CosyVoice 长文本语音合成接口一次提交完整文本；该方式仍以数据流返回音频，但不支持在同一会话中分段发送文本。

计费和并发限制

流式文本语音合成仅提供商用版，不支持试用。使用前需开通商用版，开通方式及计费方式请参见计费方式。
费用涉及的计费项请参见计费项。
并发限制请参见并发和 QPS 说明。

服务地址

访问类型	说明	URL
公网访问	所有服务器均可使用。SDK 默认使用公网访问地址。	`wss://nls-gateway-cn-beijing.aliyuncs.com/ws/v1`
ECS 内网访问	华北 2（北京）地域的 ECS 实例可通过专有网络（VPC）访问。经典网络不支持通过 AnyTunnel 在内网访问语音服务。使用内网地址不产生 ECS 实例的公网流量费用。	`ws://nls-gateway-cn-beijing-internal.aliyuncs.com:80/ws/v1`

就近地域智能接入

流式文本语音合成支持通过 nls-gateway.aliyuncs.com 就近接入。推荐终端用户使用该域名，系统根据客户端的地理位置解析到最近地域的服务器。例如，在北京地域发起请求时，会解析到北京地域服务器，与指定 nls-gateway-cn-beijing.aliyuncs.com 的效果一致。

交互流程

鉴权：客户端建立 WebSocket 连接时，使用 NLS Token 进行鉴权。获取方式请参见获取Token。
开始合成：发送 StartSynthesis，设置 Appkey、音色和音频格式等参数。服务端返回 SynthesisStarted 后，可以发送文本。
发送文本并接收音频：通过 RunSynthesis 分段发送文本。服务端返回合成音频的二进制数据，客户端按接收顺序保存或播放。启用时间戳时，还可接收相应的字幕事件。
结束输入并等待完成：全部文本发送完毕后，发送 StopSynthesis，继续接收剩余音频，直到服务端返回 SynthesisCompleted。

请求参数

通过 SDK 的 FlowingSpeechSynthesizer 对象设置合成参数。下表中的 format 和 sample_rate 使用协议取值；在 Java SDK 中，也可使用相应的 OutputFormatEnum 和 SampleRateEnum 枚举。

参数	类型	是否必选	说明
`appkey`	String	是	在控制台创建的项目 Appkey。
`voice`	String	是	音色。取值及各音色支持的采样率、时间戳等能力，请参见音色列表。
`format`	String	否	音频编码格式，取值为 `pcm`、`wav`、`mp3` 或 `opus`。默认值：`pcm`。
`sample_rate`	Integer	否	音频采样率，单位为 Hz。取值为 `8000`、`16000`、`24000` 或 `48000`，需在所选音色支持的范围内。默认值：`16000`。Java SDK 对应枚举为 `SAMPLE_RATE_8K`、`SAMPLE_RATE_16K`、`SAMPLE_RATE_24K` 和 `SAMPLE_RATE_48K`。
`volume`	Integer	否	音量，范围为 0～100。默认值：50。
`speech_rate`	Integer	否	语速，范围为 -500～500。默认值：0。
`pitch_rate`	Integer	否	语调，范围为 -500～500。默认值：0。
`enable_subtitle`	Boolean	否	是否开启字级别时间戳。需选择支持时间戳的音色，使用方法请参见时间戳功能介绍。
`enable_aigc_tag`	Boolean	否	是否在生成的音频中添加 AIGC 隐性标识。设置为 `true` 时，将标识嵌入 WAV、MP3 或 OPUS 格式的音频中。默认值：`false`。
`aigc_propagator`	String	否	AIGC 隐性标识中的 `ContentPropagator` 字段，用于标识内容传播者。仅在 `enable_aigc_tag` 为 `true` 时生效。默认值：阿里云 UID。
`aigc_propagate_id`	String	否	AIGC 隐性标识中的 `PropagateID` 字段，用于唯一标识一次传播行为。仅在 `enable_aigc_tag` 为 `true` 时生效。默认值：本次语音合成请求的 Task ID。

响应说明

服务端通过 WebSocket 二进制消息返回音频，通过 JSON 消息通知合成状态。合成完成后返回 SynthesisCompleted 事件。以下示例仅列出主要字段：

{
    "header": {
        "message_id": "05450bf69c53413f8d88aed1ee60****",
        "task_id": "640bc797bb684bd6960185651307****",
        "namespace": "FlowingSpeechSynthesizer",
        "name": "SynthesisCompleted",
        "status": 20000000,
        "status_text": "Gateway:SUCCESS:Success."
    },
    "payload": {
        "measureType": "TextLength",
        "measureLength": 12
    }
}

字段	类型	说明
`header.name`	String	事件名称。`SynthesisCompleted` 表示合成完成。
`header.status`	Integer	状态码，`20000000` 表示成功。
`header.status_text`	String	状态描述。
`payload.measureType`	String	计量类型。
`payload.measureLength`	Integer	本次合成的文本长度。该字段是响应计量信息，不是请求参数。

音色列表

根据合成语言、采样率和时间戳等需求选择音色，使用对应的 voice 参数值。

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	纯中文场景	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	否	标准版
艾彤	aitong	儿童音	童声场景	纯中文场景	8K/16K	是	否	标准版
艾薇	aiwei	萝莉女声	童声场景	纯中文场景	8K/16K	是	否	标准版
艾宝	aibao	萝莉女声	童声场景	纯中文场景	8K/16K	是	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	是	否	标准版
Andy	andy	美音男声	英文场景	英文场景	8K/16K	是	否	标准版
Eric	eric	英音男声	英文场景	英文场景	8K/16K	是	否	标准版
Emily	emily	英音女声	英文场景	英文场景	8K/16K	是	否	标准版
Luna	luna	英音女声	英文场景	英文场景	8K/16K	是	否	标准版
Luca	luca	英音男声	英文场景	英文场景	8K/16K	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	否	标准版
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	是	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	是	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	是	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	是	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	是	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	是	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	是	是	精品版
智香	tomoka	日语女声	多语种场景	纯日文场景	8K/16K	是	否	标准版
智也	tomoya	日语男声	多语种场景	纯日文场景	8K/16K	是	否	标准版
Annie	annie	美语女声	英文场景	纯英文场景	8K/16K	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	是	标准版
ava	ava	美语女生	英文场景	仅支持纯英文场景	8K/16K	是	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	是	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	是	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	是	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	是	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	是	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	是	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	是	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
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	是	否	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	是	否	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	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	中文及中英文混合场景	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
david	david	美式英文男声	通用场景	美式英文	8k/16k/24k	是	否	标准版
abby_ecmix	abby_ecmix	美式英文女声	通用场景	英文及英中文混合场景	8k/16k/24k	是	否	标准版
annie_ecmix	annie_ecmix	美式英文女声	通用场景	英文及英中文混合场景	8k/16k/24k	是	否	标准版
andy_ecmix	andy_ecmix	美式英文男声	通用场景	英文及英中文混合场景	8k/16k/24k	是	否	标准版
ava_ecmix	ava_ecmix	美式英文女声	通用场景	英文及英中文混合场景	8k/16k/24k	是	否	标准版
betty_ecmix	betty_ecmix	美式英文女声	通用场景	英文及英中文混合场景	8k/16k/24k	是	否	标准版
beth_ecmix	beth_ecmix	美式英文女声	通用场景	英文及英中文混合场景	8k/16k/24k	是	否	标准版
brian_ecmix	brian_ecmix	美式英文男声	通用场景	英文及英中文混合场景	8k/16k/24k	是	否	标准版
cindy_ecmix	cindy_ecmix	美式英文女声	通用场景	英文及英中文混合场景	8k/16k/24k	是	否	标准版
cally_ecmix	cally_ecmix	美式英文女声	通用场景	英文及英中文混合场景	8k/16k/24k	是	否	标准版
donna_ecmix	donna_ecmix	美式英文女声	通用场景	英文及英中文混合场景	8k/16k/24k	是	否	标准版
david_ecmix	david_ecmix	美式英文男声	通用场景	英文及英中文混合场景	8k/16k/24k	是	否	标准版
eva_ecmix	eva_ecmix	美式英文女声	通用场景	英文及英中文混合场景	8k/16k/24k	是	否	标准版