本文介绍通过WebSocket连接访问CosyVoice实时语音合成服务的交互流程、服务端点和请求头。
DashScope SDK目前仅支持Java和Python。使用其他编程语言时，可通过WebSocket连接与服务进行通信。
用户指南：关于模型介绍和选型建议请参见语音合成。
服务端点
WebSocket URL固定如下：
中国内地
服务部署范围为中国内地时，模型推理计算资源仅限于中国内地；静态数据存储于您所选的地域。该部署范围支持的地域：华北2（北京）。
wss://dashscope.aliyuncs.com/api-ws/v1/inference
国际
服务部署范围为国际时，模型推理计算资源在全球范围内动态调度（不含中国内地）；静态数据存储于您所选的地域。该部署范围支持的地域：新加坡。
wss://dashscope-intl.aliyuncs.com/api-ws/v1/inference
URL 必须使用 wss:// 协议，且固定不变。Authorization 在请求头中设置（参见请求头）。
请求头
请求头中需添加如下信息：
参数 | 类型 | 是否必选 | 说明 |
Authorization | string | 是 | 鉴权令牌，格式为 |
user-agent | string | 否 | 客户端标识，便于服务端追踪来源。 |
X-DashScope-WorkSpace | string | 否 | 阿里云百炼业务空间ID。 |
X-DashScope-DataInspection | string | 否 | 是否启用数据合规检测功能。默认不传或设为 |
Authorization 鉴权在 WebSocket 握手阶段验证。如果 API Key 无效或缺失，握手将失败并返回 HTTP 401/403 错误。
交互流程
客户端事件和服务端事件的详细说明，请参见客户端事件和服务端事件。
按时间顺序，客户端与服务端的交互流程如下：
建立连接：客户端与服务端建立WebSocket连接。
开启任务：客户端发送run-task事件以开启任务。
等待确认：客户端收到服务端返回的task-started事件，标志着任务已成功开启，可以进行后续步骤。
发送待合成文本：
客户端按顺序向服务端发送一个或多个包含待合成文本的continue-task事件，服务端接收到完整语句后返回result-generated事件和音频流（文本长度有约束， 详情参见continue-task事件中
text字段描述）。说明支持多次发送continue-task事件，按顺序提交文本片段。服务端接收文本片段后自动进行分句：
完整语句立即合成，此时客户端能够接收到服务端返回的音频
不完整语句缓存至完整后合成，语句不完整时服务端不返回音频
当发送finish-task事件时，服务端会强制合成所有缓存内容。
接收音频：通过
binary通道接收音频流通知服务端结束任务：
待文本发送完毕后，客户端发送finish-task事件通知服务端结束任务，并继续接收服务端返回的音频流。此步骤不可省略，否则可能导致语音数据不完整。
任务结束：
客户端收到服务端返回的task-finished事件，标志着任务结束。
关闭连接：客户端关闭WebSocket连接。
为提高资源利用率，建议复用 WebSocket 连接处理多个任务，而非为每个任务建立新连接。
同一次合成任务中，run-task、所有 continue-task、finish-task 必须使用相同的 task_id。每次发起新任务时生成新的 task_id（如使用 UUID）。使用不同 task_id 会导致音频错乱或任务失败。