header （必选） | {
"header": {
"action": "run-task",
"task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
"streaming": "duplex"
},
"payload": {
"task_group": "audio",
"task": "tts",
"function": "SpeechSynthesizer",
"model": "cosyvoice-v3-flash",
"parameters": {
"text_type": "PlainText",
"voice": "longanyang",
"format": "mp3",
"sample_rate": 22050,
"volume": 50,
"rate": 1.0,
"pitch": 1.0,
"enable_ssml": false
},
"input": {}
}
}
|
payload object （必选） 属性 function string （必选） 功能类型，固定为 SpeechSynthesizer。 parameters object （必选） 语音合成参数。 属性 voice string （必选） 语音合成所使用的音色。 系统音色：参见音色列表 复刻音色：通过声音复刻功能定制 声音设计音色：通过声音设计功能定制
sample_rate integer （可选） 音频采样率（Hz）。 取值范围：8000, 16000, 22050（默认）, 24000, 44100, 48000。 rate float （可选） 语速。 默认值：1.0。 取值范围：[0.5, 2.0]。 pitch float （可选） 音调。 默认值：1.0。 取值范围：[0.5, 2.0]。 bit_rate integer （可选） 音频码率（kbps）。音频格式为opus时，支持通过bit_rate参数调整码率。 默认值：32。 取值范围：[6, 510]。 cosyvoice-v1模型不支持该参数。
enable_ssml boolean （可选） 是否开启 SSML 功能。 默认值：false。 设为 true 后，仅允许发送一次 continue-task 指令。 word_timestamp_enabled boolean （可选） 适用范围：仅适用于cosyvoice-v3-flash、cosyvoice-v3-plus和cosyvoice-v2模型的复刻音色，以及音色列表中标记为支持的系统音色。 seed integer （可选） 生成时使用的随机数种子，使合成的效果产生变化。在模型版本、文本、音色及其他参数均相同的前提下，使用相同的seed可复现相同的合成结果。 默认值0。 取值范围：[0, 65535]。 cosyvoice-v1不支持该参数。 language_hints array[string] （可选） 指定语音合成的目标语言，提升合成效果。cosyvoice-v1不支持该功能。 当数字、缩写、符号等朗读方式或者小语种合成效果不符合预期时使用，例如： 取值范围： zh：中文 en：英文 fr：法语 de：德语 ja：日语 ko：韩语 ru：俄语 pt：葡萄牙语 th：泰语 id：印尼语 vi：越南语
instruction string （可选） 设置指令，用于控制方言、情感或角色等合成效果。该功能仅适用于cosyvoice-v3.5-flash、cosyvoice-v3.5-plus和cosyvoice-v3-flash模型的复刻音色，以及音色列表中标记为支持Instruct的系统音色。 长度限制：100字符。 汉字（包括简/繁体汉字、日文汉字和韩文汉字）按2个字符计算，其他所有字符（如标点符号、字母、数字、日韩文假名/谚文等）均按 1个字符计算 使用要求（因模型而异）： cosyvoice-v3.5-flash和cosyvoice-v3.5-plus：可以输入任意指令控制合成效果（如情感、语速等）
重要 cosyvoice-v3.5-flash和cosyvoice-v3.5-plus无系统音色，仅支持使用声音设计/复刻音色。 指令示例： 请用非常激昂且高亢的语气说话，表现出获得重大成功后的狂喜与激动。
语速请保持中等偏慢，语气要显得优雅、知性，给人以从容不迫的安心感。
语气要充满哀伤与怀念，带有轻微的鼻音，仿佛正在诉说一段令人心碎的往事。
请尝试用气声说话，音量极轻，营造出一种在耳边亲密低语的神秘感。
语气要显得非常急躁且不耐烦，语速加快，句子之间的停顿要尽量缩短。
请模拟一位慈祥、温和的长辈，语速平稳，声音中要透出满满的关怀与爱意。
语气要充满讽刺和不屑，在关键词上加重读音，句尾语调略微上扬。
请用一种极度恐惧且颤抖的声音说话。
语气要像专业的新闻播音员一样，冷静、客观且字正腔圆，情绪保持中立。
语气要显得活泼俏皮，带着明显的笑意，让声音听起来充满朝气与阳光。
cosyvoice-v3-flash：需遵照如下要求 复刻音色：可使用任意自然语言控制语音合成效果。 指令示例： 请用广东话表达。（支持的方言：广东话、东北话、甘肃话、贵州话、河南话、湖北话、江西话、闽南话、宁夏话、山西话、陕西话、山东话、上海话、四川话、天津话、云南话。）
请尽可能非常大声地说一句话。
请用尽可能慢地语速说一句话。
请用尽可能快地语速说一句话。
请非常轻声地说一句话。
你可以慢一点说吗
你可以非常快一点说吗
你可以非常慢一点说吗
你可以快一点说吗
请非常生气地说一句话。
请非常开心地说一句话。
请非常恐惧地说一句话。
请非常伤心地说一句话。
请非常惊讶地说一句话。
请尽可能表现出坚定的感觉。
请尽可能表现出愤怒的感觉。
请尝试一下亲和的语调。
请用冷酷的语调讲话。
请用威严的语调讲话。
我想体验一下自然的语气。
我想看看你如何表达威胁。
我想看看你怎么表现智慧。
我想看看你怎么表现诱惑。
我想听听用活泼的方式说话。
我想听听你用激昂的感觉说话。
我想听听用沉稳的方式说话的样子。
我想听听你用自信的感觉说话。
你能用兴奋的感觉和我交流吗？
你能否展示狂傲的情绪表达？
你能展现一下优雅的情绪吗？
你可以用幸福的方式回答问题吗？
你可以做一个温柔的情感演示吗？
能用冷静的语调和我谈谈吗？
能用深沉的方法回答我吗？
能用粗犷的情绪态度和我对话吗？
用阴森的声音告诉我这个答案。
用坚韧的声音告诉我这个答案。
用自然亲切的闲聊风格叙述。
用广播剧博客主的语气讲话。
系统音色：指令必须使用固定格式和内容，详情请参见音色列表
enable_aigc_tag boolean （可选） 是否在生成的音频中添加AIGC隐性标识。设置为true时，会将隐性标识嵌入到支持格式（wav/mp3/opus）的音频中。 默认值：false。 仅cosyvoice-v3-flash、cosyvoice-v3-plus、cosyvoice-v2支持该功能。 aigc_propagator string （可选） 设置AIGC隐性标识中的 ContentPropagator 字段，用于标识内容的传播者。仅在 enable_aigc_tag 为 true 时生效。 默认值：阿里云UID。 仅cosyvoice-v3-flash、cosyvoice-v3-plus、cosyvoice-v2支持该功能。 aigc_propagate_id string （可选） 设置AIGC隐性标识中的 PropagateID 字段，用于唯一标识一次具体的传播行为。仅在 enable_aigc_tag 为 true 时生效。 默认值：本次语音合成请求Request ID。 仅cosyvoice-v3-flash、cosyvoice-v3-plus、cosyvoice-v2支持该功能。 hot_fix object （可选） 文本热修复配置，用于自定义指定词语的发音或对待合成文本进行替换。仅cosyvoice-v3-flash复刻音色支持该功能。 参数介绍： 示例： "hot_fix": {
"pronunciation": [
{"天气": "tian1 qi4"}
],
"replace": [
{"今天": "金天"}
]
}
enable_markdown_filter boolean （可选）
重要 仅cosyvoice-v3-flash复刻音色支持该功能。 是否启用 Markdown 过滤。启用该功能后，系统在合成语音前自动过滤输入文本中的 Markdown 标记符号，避免将其朗读为文字内容。 默认值：false。 取值范围： true：启用Markdown过滤 false：禁用Markdown过滤
|
