text string(必选)
待合成文本。
支持 SSML 和 LaTeX 格式输入。将待合成文本替换为对应格式即可。
- 使用 SSML 时,需同时将
enable_ssml 设置为 true。支持的 SSML 标签及用法,请参见SSML 与 LaTeX。
- 使用 LaTeX 时,将待合成文本替换为 LaTeX 格式即可,无需额外配置。支持的 LaTeX 语法及用法,请参见LaTeX 公式转语音。
voice string(必选)
音色。
取值范围:
format string(可选)
音频编码格式。
默认值:mp3。
取值范围:
sample_rate integer(可选)
音频采样率(Hz)。
取值范围:8000, 16000, 22050(默认), 24000, 44100, 48000。
volume integer(可选)
音量。
默认值:50。
取值范围:[0, 100]。
rate float(可选)
语速。
默认值:1.0。
取值范围:[0.5, 2.0]。
bit_rate integer(可选)
音频码率(单位:kbps)。
默认值:32。
取值范围:[6, 510]。
pitch float(可选)
音调。
默认值:1.0。
取值范围:[0.5, 2.0]。
enable_ssml boolean(可选)
是否开启SSML功能。SSML 的使用限制(支持的模型、音色和接口),请参见使用限制。
word_timestamp_enabled boolean(可选)
是否开启字级别时间戳。
默认值:false。
仅在流式输出模式下可用。支持的音色范围:qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-flash、cosyvoice-v3-plus和cosyvoice-v2模型的复刻音色,以及Qwen-Audio-TTS音色列表、CosyVoice音色列表中标记为支持的系统音色。其他模型的复刻音色不支持此功能。
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]。
language_hints array[string](可选)
重要
- 此参数为数组,但当前版本仅处理第一个元素,因此建议只传入一个值。
- 此参数用于指定语音合成的目标语言,该设置与声音复刻时的样本音频的语种无关。如需设置复刻任务的源语言,请参见声音复刻API参考。
指定语音合成的目标语言,提升合成效果。
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:
- 数字朗读方式不符合预期,“hello, this is 110”读成“hello, this is one one zero”而非“hello, this is 幺幺零”
- 符号朗读不准确,“@”读成“艾特”而非“at”
- 小语种合成效果差,合成不自然
取值范围:
- zh:中文
- en:英语
- 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
- es:西班牙语
- it:意大利语
- ms:马来西亚语
- fil:菲律宾语
- ar:阿拉伯语
instruction string(可选)
设置指令,用于控制方言、情感或角色等合成效果。
具体用法请参见非实时语音合成。
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qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、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qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、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qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、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。
cosyvoice-v2不支持该功能。
参数介绍:
- pronunciation:自定义发音。指定词语的拼音标注,用于纠正默认发音不准确的情况。
- replace:文本替换。在语音合成前将指定词语替换为目标文本,替换后的文本将作为实际合成内容。
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