语音合成CosyVoice Java API

本文介绍语音合成CosyVoice Java API的使用。

前提条件

调用模式

核心类(SpeechSynthesizer)提供了同步调用、异步调用和流式调用等接口。

请根据业务场景选择合适的调用模式:同步适用于短文本即时合成,异步适合长文本处理,流式适用于实时交互场景。

同步调用

同步提交语音合成任务,直接获取完整结果。

image
  1. 配置请求参数

    SpeechSynthesisParam param = SpeechSynthesisParam.builder()
        .model("cosyvoice-v1") // 指定模型
        .voice("longxiaochun") // 设置音色
        .build();
  2. 实例化核心类(SpeechSynthesizer)

    // 同步模式:禁用回调(第二个参数为null),禁用回调后,call 方法将阻塞线程直至返回完整音频数据
    SpeechSynthesizer synthesizer = new SpeechSynthesizer(param, null);  
  3. 同步调用。

    ByteBuffer audio = synthesizer.call("今天天气怎么样?");  // 阻塞直至音频返回  
  4. 处理音频数据。

    处理音频数据,例如保存到本地。

点击查看完整示例

import com.alibaba.dashscope.audio.ttsv2.SpeechSynthesisParam;
import com.alibaba.dashscope.audio.ttsv2.SpeechSynthesizer;
import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.nio.ByteBuffer;

public class Main {
    private static String model = "cosyvoice-v1";
    private static String voice = "longxiaochun";

    public static void streamAudioDataToSpeaker() {
        SpeechSynthesisParam param =
                SpeechSynthesisParam.builder()
                        // 若没有将API Key配置到环境变量中,需将下面这行代码注释放开,并将your-api-key替换为自己的API Key
                        // .apiKey("your-api-key")
                        .model(model)
                        .voice(voice)
                        .build();

        // 同步模式:禁用回调(第二个参数为null)
        SpeechSynthesizer synthesizer = new SpeechSynthesizer(param, null);
        // 阻塞直至音频返回 
        ByteBuffer audio = synthesizer.call("今天天气怎么样?");
        // 将音频数据保存到本地文件“output.mp3”中
        File file = new File("output.mp3");
        System.out.println(
                "[Metric] requestId: "
                        + synthesizer.getLastRequestId()
                        + ", first package delay ms: "
                        + synthesizer.getFirstPackageDelay());
        try (FileOutputStream fos = new FileOutputStream(file)) {
            fos.write(audio.array());
        } catch (IOException e) {
            throw new RuntimeException(e);
        }
    }

    public static void main(String[] args) {
        streamAudioDataToSpeaker();
        System.exit(0);
    }
}

异步调用

异步提交语音合成任务,通过注册ResultCallback回调,逐帧接收实时语音分段数据。

image
  1. 配置请求参数

    SpeechSynthesisParam param = SpeechSynthesisParam.builder()
        .model("cosyvoice-v1") // 指定模型
        .voice("longxiaochun") // 设置音色
        .build();
  2. 实例化回调接口(ResultCallback)

  3. 实例化核心类(SpeechSynthesizer)

    // 第二个参数传入回调即启用异步模式
    SpeechSynthesizer synthesizer = new SpeechSynthesizer(param, callback);  
  4. 异步调用。

    语音合成的结果在回调接口中处理。

    // 非阻塞调用,立即返回null(实际结果通过回调接口异步传递)
    synthesizer.call("今天天气怎么样?");  

点击查看完整示例

以下示例,展示如何使用同步接口调用语音大模型CosyVoice的音色“龙小淳(longxiaochun)”,将文案“今天天气怎么样”合成采样率为22050Hz,音频格式为MP3的音频。

import com.alibaba.dashscope.audio.tts.SpeechSynthesisResult;
import com.alibaba.dashscope.audio.ttsv2.SpeechSynthesisParam;
import com.alibaba.dashscope.audio.ttsv2.SpeechSynthesizer;
import com.alibaba.dashscope.common.ResultCallback;

import java.time.LocalDateTime;
import java.time.format.DateTimeFormatter;
import java.util.concurrent.CountDownLatch;

class TimeUtils {
    private static final DateTimeFormatter formatter =
            DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss.SSS");

    public static String getTimestamp() {
        return LocalDateTime.now().format(formatter);
    }
}

public class Main {
    private static String model = "cosyvoice-v1";
    private static String voice = "longxiaochun";

    public static void streamAudioDataToSpeaker() {
        CountDownLatch latch = new CountDownLatch(1);

        // 实现回调接口ResultCallback
        ResultCallback<SpeechSynthesisResult> callback = new ResultCallback<SpeechSynthesisResult>() {
            @Override
            public void onEvent(SpeechSynthesisResult result) {
                // System.out.println("收到消息: " + result);
                if (result.getAudioFrame() != null) {
                    // 此处实现保存音频数据到本地的逻辑
                    System.out.println(TimeUtils.getTimestamp() + " 收到音频");
                }
            }

            @Override
            public void onComplete() {
                System.out.println(TimeUtils.getTimestamp() + " 收到Complete");
                latch.countDown();
            }

            @Override
            public void onError(Exception e) {
                System.out.println("收到错误: " + e.toString());
                latch.countDown();
            }
        };

        SpeechSynthesisParam param =
                SpeechSynthesisParam.builder()
                        // 若没有将API Key配置到环境变量中,需将下面这行代码注释放开,并将your-api-key替换为自己的API Key
                        // .apiKey("your-api-key")
                        .model(model)
                        .voice(voice)
                        .build();
        // 第二个参数传入回调即启用异步模式
        SpeechSynthesizer synthesizer = new SpeechSynthesizer(param, callback);
        // 非阻塞调用,立即返回null(实际结果通过回调接口异步传递)
        synthesizer.call("今天天气怎么样?");
        // 等待合成完成
        try {
            latch.await();
            // 等待播放线程全部播放完
        } catch (InterruptedException e) {
            throw new RuntimeException(e);
        }
        System.out.println(
                "[Metric] requestId: "
                        + synthesizer.getLastRequestId()
                        + ", first package delay ms: "
                        + synthesizer.getFirstPackageDelay());
    }

    public static void main(String[] args) {
        streamAudioDataToSpeaker();
        System.exit(0);
    }
}

流式调用

分多次提交文本,通过注册ResultCallback回调,逐帧接收实时语音分段数据。

说明
  • 流式输入时可多次调用streamingCall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

    • 不完整语句缓存至完整后合成

    调用 streamingComplete 时,服务端会强制合成所有已接收但未处理的文本片段(包括未完成的句子)。

  • 发送文本片段的间隔不得超过23秒,否则触发“request timeout after 23 seconds”异常。

    若无待发送文本,需及时调用 streamingComplete结束任务。

    服务端强制设定23秒超时机制,客户端无法修改该配置。
image
  1. 配置请求参数

    SpeechSynthesisParam param = SpeechSynthesisParam.builder()
        .model("cosyvoice-v1") // 指定模型
        .voice("longxiaochun") // 设置音色
        .build();
  2. 实例化回调接口(ResultCallback)

  3. 实例化核心类(SpeechSynthesizer)

    SpeechSynthesizer synthesizer = new SpeechSynthesizer(
        param,     // 注入语音参数
        callback   // 注册事件监听器
    );
  4. 分片提交文本。

    多次调用核心类(SpeechSynthesizer)streamingCall方法分片提交待合成文本。语音合成的结果在回调接口中处理。

    List<String> textFragments = Arrays.asList("第一段文本", "第二段文本", "[结束标记]");  
    for (String fragment : textFragments) {  
        synthesizer.streamingCall(fragment); 
    } 
  5. 文本提交完成后结束任务。

    必须调用 streamingComplete() 结束流式任务,否则服务端可能不会返回缓存的剩余音频数据。

    synthesizer.streamingComplete();

点击查看完整示例

import com.alibaba.dashscope.audio.tts.SpeechSynthesisResult;
import com.alibaba.dashscope.audio.ttsv2.SpeechSynthesisAudioFormat;
import com.alibaba.dashscope.audio.ttsv2.SpeechSynthesisParam;
import com.alibaba.dashscope.audio.ttsv2.SpeechSynthesizer;
import com.alibaba.dashscope.common.ResultCallback;

import java.time.LocalDateTime;
import java.time.format.DateTimeFormatter;
import java.util.concurrent.CountDownLatch;

class TimeUtils {
    private static final DateTimeFormatter formatter =
            DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss.SSS");

    public static String getTimestamp() {
        return LocalDateTime.now().format(formatter);
    }
}


public class Main {
    private static String[] textArray = {"流式文本语音合成SDK,",
            "可以将输入的文本", "合成为语音二进制数据,", "相比于非流式语音合成,",
            "流式合成的优势在于实时性", "更强。用户在输入文本的同时",
            "可以听到接近同步的语音输出,", "极大地提升了交互体验,",
            "减少了用户等待时间。", "适用于调用大规模", "语言模型(LLM),以",
            "流式输入文本的方式", "进行语音合成的场景。"};
    private static String model = "cosyvoice-v1";
    private static String voice = "longxiaochun";

    public static void streamAudioDataToSpeaker() {
        CountDownLatch latch = new CountDownLatch(1);

        // 配置回调函数
        ResultCallback<SpeechSynthesisResult> callback = new ResultCallback<SpeechSynthesisResult>() {
            @Override
            public void onEvent(SpeechSynthesisResult result) {
                // System.out.println("收到消息: " + result);
                if (result.getAudioFrame() != null) {
                    // 此处实现处理音频数据的逻辑
                    System.out.println(TimeUtils.getTimestamp() + " 收到音频");
                }
            }

            @Override
            public void onComplete() {
                System.out.println(TimeUtils.getTimestamp() + " 收到Complete");
                latch.countDown();
            }

            @Override
            public void onError(Exception e) {
                System.out.println("收到错误: " + e.toString());
                latch.countDown();
            }
        };

        SpeechSynthesisParam param =
                SpeechSynthesisParam.builder()
                        // 若没有将API Key配置到环境变量中,需将下面这行代码注释放开,并将your-api-key替换为自己的API Key
                        // .apiKey("your-api-key")
                        .model(model)
                        .voice(voice)
                        .format(SpeechSynthesisAudioFormat
                                .PCM_22050HZ_MONO_16BIT) // 流式合成使用PCM或者MP3
                        .build();
        SpeechSynthesizer synthesizer = new SpeechSynthesizer(param, callback);
        // 带Callback的call方法将不会阻塞当前线程
        for (String text : textArray) {
            synthesizer.streamingCall(text);
        }
        synthesizer.streamingComplete();
        System.out.println(
                "[Metric] requestId: "
                        + synthesizer.getLastRequestId()
                        + ", first package delay ms: "
                        + synthesizer.getFirstPackageDelay());
        // 等待合成完成
        try {
            latch.await();
            // 等待播放线程全部播放完
        } catch (InterruptedException e) {
            throw new RuntimeException(e);
        }
    }

    public static void main(String[] args) {
        streamAudioDataToSpeaker();
        System.exit(0);
    }
}

通过Flowable调用

Flowable是一个用于工作流和业务流程管理的开源框架,它基于Apache 2.0许可证发布。关于Flowable的使用,请参见Flowable API详情

使用Flowable前需确保已集成RxJava库,并了解响应式编程基础概念。

非流式调用

以下示例展示了通过Flowable对象的blockingForEach接口,阻塞式地获取每次流式返回的SpeechSynthesisResult类型数据。

您也可以在Flowable的所有流式数据返回完成后,通过核心类(SpeechSynthesizer)getAudioData来获取完整的合成结果。

点击查看完整示例

import com.alibaba.dashscope.audio.ttsv2.SpeechSynthesisParam;
import com.alibaba.dashscope.audio.ttsv2.SpeechSynthesizer;
import com.alibaba.dashscope.exception.NoApiKeyException;

import java.time.LocalDateTime;
import java.time.format.DateTimeFormatter;

class TimeUtils {
    private static final DateTimeFormatter formatter =
            DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss.SSS");

    public static String getTimestamp() {
        return LocalDateTime.now().format(formatter);
    }
}

public class Main {
    private static String model = "cosyvoice-v1";
    private static String voice = "longxiaochun";

    public static void streamAudioDataToSpeaker() throws NoApiKeyException {
        SpeechSynthesisParam param =
                SpeechSynthesisParam.builder()
                        // 若没有将API Key配置到环境变量中,需将下面这行代码注释放开,并将your-api-key替换为自己的API Key
                        // .apiKey("your-api-key")
                        .model(model)
                        .voice(voice)
                        .build();
        SpeechSynthesizer synthesizer = new SpeechSynthesizer(param, null);
        synthesizer.callAsFlowable("今天天气怎么样?").blockingForEach(result -> {
            // System.out.println("收到消息: " + result);
            if (result.getAudioFrame() != null) {
                // 此处实现处理音频数据的逻辑
                System.out.println(TimeUtils.getTimestamp() + " 收到音频");
            }
        });
        System.out.println(
                "[Metric] requestId: "
                        + synthesizer.getLastRequestId()
                        + ", first package delay ms: "
                        + synthesizer.getFirstPackageDelay());
    }

    public static void main(String[] args) throws NoApiKeyException {
        streamAudioDataToSpeaker();
        System.exit(0);
    }
}

流式调用

以下示例展示了通过Flowable对象作为输入参数,输入文本流。并通过Flowable对象作为返回值,利用的blockingForEach接口,阻塞式地获取每次流式返回的SpeechSynthesisResult类型数据。

您也可以在Flowable的所有流式数据返回完成后,通过核心类(SpeechSynthesizer)getAudioData来获取完整的合成结果。

点击查看完整示例

import com.alibaba.dashscope.audio.ttsv2.SpeechSynthesisParam;
import com.alibaba.dashscope.audio.ttsv2.SpeechSynthesizer;
import com.alibaba.dashscope.exception.NoApiKeyException;
import io.reactivex.BackpressureStrategy;
import io.reactivex.Flowable;

import java.time.LocalDateTime;
import java.time.format.DateTimeFormatter;

class TimeUtils {
    private static final DateTimeFormatter formatter =
            DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss.SSS");

    public static String getTimestamp() {
        return LocalDateTime.now().format(formatter);
    }
}

public class Main {
    private static String[] textArray = {"流式文本语音合成SDK,",
            "可以将输入的文本", "合成为语音二进制数据,", "相比于非流式语音合成,",
            "流式合成的优势在于实时性", "更强。用户在输入文本的同时",
            "可以听到接近同步的语音输出,", "极大地提升了交互体验,",
            "减少了用户等待时间。", "适用于调用大规模", "语言模型(LLM),以",
            "流式输入文本的方式", "进行语音合成的场景。"};
    private static String model = "cosyvoice-v1";
    private static String voice = "longxiaochun";

    public static void streamAudioDataToSpeaker() throws NoApiKeyException {
        // 模拟流式输入
        Flowable<String> textSource = Flowable.create(emitter -> {
            new Thread(() -> {
                for (int i = 0; i < textArray.length; i++) {
                    emitter.onNext(textArray[i]);
                    try {
                        Thread.sleep(1000);
                    } catch (InterruptedException e) {
                        throw new RuntimeException(e);
                    }
                }
                emitter.onComplete();
            }).start();
        }, BackpressureStrategy.BUFFER);

        SpeechSynthesisParam param =
                SpeechSynthesisParam.builder()
                        // 若没有将API Key配置到环境变量中,需将下面这行代码注释放开,并将apiKey替换为自己的API Key
                        // .apiKey("yourApikey")
                        .model(model)
                        .voice(voice)
                        .build();
        SpeechSynthesizer synthesizer = new SpeechSynthesizer(param, null);
        synthesizer.streamingCallAsFlowable(textSource).blockingForEach(result -> {
            if (result.getAudioFrame() != null) {
                // 此处实现播放音频的逻辑
                System.out.println(
                        TimeUtils.getTimestamp() +
                                " audio result length: " + result.getAudioFrame().capacity());
            }
        });
        System.out.println(
                "[Metric] requestId: "
                        + synthesizer.getLastRequestId()
                        + ", first package delay ms: "
                        + synthesizer.getFirstPackageDelay());
    }

    public static void main(String[] args) throws NoApiKeyException {
        streamAudioDataToSpeaker();
        System.exit(0);
    }
}

高并发调用

DashScope Java SDK中,采用了OkHttp3的连接池技术,以减少重复建立连接的开销。详情请参见高并发场景

请求参数

请求参数通过SpeechSynthesisParam的链式方法进行配置。

点击查看示例

SpeechSynthesisParam param = SpeechSynthesisParam.builder()
    .model("cosyvoice-v1")
    .voice("longxiaochun")
    .format(SpeechSynthesisAudioFormat.WAV_8000HZ_MONO_16BIT)
    .volume(50)
    .speechRate(1.0)
    .pitchRate(1.0)
    .build();

参数

类型

默认值

是否必须

说明

model

String

-

指定模型,支持cosyvoice-v1cosyvoice-v2

voice

String

-

指定音色名称,详情请参见音色列表

format

enum

若未指定format,系统将根据voice参数自动选择该音色的推荐格式(如龙小淳默认使用MP3_22050HZ_MONO_256KBPS),详情请参见音色列表

指定音频编码格式及采样率:

  • SpeechSynthesisAudioFormat.WAV_8000HZ_MONO_16BIT,代表音频格式为wav,采样率为8kHz

  • SpeechSynthesisAudioFormat.WAV_16000HZ_MONO_16BIT,代表音频格式为wav,采样率为16kHz

  • SpeechSynthesisAudioFormat.WAV_22050HZ_MONO_16BIT,代表音频格式为wav,采样率为22.05kHz

  • SpeechSynthesisAudioFormat.WAV_24000HZ_MONO_16BIT,代表音频格式为wav,采样率为24kHz

  • SpeechSynthesisAudioFormat.WAV_44100HZ_MONO_16BIT,代表音频格式为wav,采样率为44.1kHz

  • SpeechSynthesisAudioFormat.WAV_48000HZ_MONO_16BIT,代表音频格式为wav,采样率为48kHz

  • SpeechSynthesisAudioFormat.MP3_8000HZ_MONO_128KBPS,代表音频格式为mp3,采样率为8kHz

  • SpeechSynthesisAudioFormat.MP3_16000HZ_MONO_128KBPS,代表音频格式为mp3,采样率为16kHz

  • SpeechSynthesisAudioFormat.MP3_22050HZ_MONO_256KBPS,代表音频格式为mp3,采样率为22.05kHz

  • SpeechSynthesisAudioFormat.MP3_24000HZ_MONO_256KBPS,代表音频格式为mp3,采样率为24kHz

  • SpeechSynthesisAudioFormat.MP3_44100HZ_MONO_256KBPS,代表音频格式为mp3,采样率为44.1kHz

  • SpeechSynthesisAudioFormat.MP3_48000HZ_MONO_256KBPS,代表音频格式为mp3,采样率为48kHz

  • SpeechSynthesisAudioFormat.PCM_8000HZ_MONO_16BIT,代表音频格式为pcm,采样率为8kHz

  • SpeechSynthesisAudioFormat.PCM_16000HZ_MONO_16BIT,代表音频格式为pcm,采样率为16kHz

  • SpeechSynthesisAudioFormat.PCM_22050HZ_MONO_16BIT,代表音频格式为pcm,采样率为22.05kHz

  • SpeechSynthesisAudioFormat.PCM_24000HZ_MONO_16BIT,代表音频格式为pcm,采样率为24kHz

  • SpeechSynthesisAudioFormat.PCM_44100HZ_MONO_16BIT,代表音频格式为pcm,采样率为44.1kHz

  • SpeechSynthesisAudioFormat.PCM_48000HZ_MONO_16BIT,代表音频格式为pcm,采样率为48kHz

volume

int

50

指定音量,取值范围:0~100。

speechRate

float

1.0

指定语速,取值范围:0.5~2。

  • 0.5:表示默认语速的0.5倍速。

  • 1:表示默认语速。默认语速是指模型默认输出的合成语速,语速会因音色不同而略有不同。约每秒钟4个字。

  • 2:表示默认语速的2倍速。

pitchRate

float

1.0

指定语调,取值范围:0.5~2。

apiKey

String

-

指定用户API Key。如已将API Key配置到环境变量,则无须在代码中设置。

响应结果

服务器返回二进制音频数据:

  • 同步调用模式:对核心类(SpeechSynthesizer)call方法返回的二进制音频数据进行处理。

  • 异步调用流式调用模式:对回调接口(ResultCallback)onEvent方法的参数(SpeechSynthesisResult类型)进行处理。

    SpeechSynthesisResult的关键接口如下:

    接口/方法

    参数

    返回值

    描述

    public ByteBuffer getAudioFrame()

    二进制音频数据

    返回当前流式合成片段的增量二进制音频数据,可能为空(当无新数据到达时)。

关键接口

回调接口(ResultCallback

实现异步监听需继承ResultCallback抽象类,具备以下特征:

  1. 类型化处理:通过泛型SpeechSynthesisResult处理结构化数据。

  2. 事件驱动:专注处理有效业务数据,需实现以下方法:

    • onEvent(SpeechSynthesisResult result):接收实时音频分片(可能为空,参见响应结果)。

    • onComplete():任务成功完成时回调。

    • onError(Exception e):异常处理,建议记录日志并释放资源。

点击查看示例

ResultCallback<SpeechSynthesisResult> callback = new ResultCallback<SpeechSynthesisResult>() {
    @Override
    public void onEvent(SpeechSynthesisResult result) {
        System.out.println("RequestId为:" + result.getRequestId());
        // 实时处理音频分片(如播放/写入缓冲)
    }

    @Override
    public void onComplete() {
        System.out.println("任务完成");
        // 处理合成结束逻辑(如释放播放器)
    }

    @Override
    public void onError(Exception e) {
        System.out.println("任务失败:" + e.getMessage());
        // 处理异常(网络错误/服务端错误码)
    }
};

接口/方法

参数

返回值

描述

public void onEvent(SpeechSynthesisResult result)

result响应结果

当服务端推送语音合成数据时被异步回调。

public void onComplete()

当任务完成后被异步回调。

public void onError(Exception e)

e:异常信息

发生异常时该接口被异步回调。

建议在onError方法中实现完整的异常日志记录和资源清理逻辑。

核心类(SpeechSynthesizer

通过“import com.alibaba.dashscope.audio.ttsv2.SpeechSynthesizer;”方式引入,关键接口如下:

接口/方法

参数

返回值

描述

public SpeechSynthesizer(SpeechSynthesisParam param, ResultCallback<SpeechSynthesisResult> callback)
  • param:语音合成请求参数

  • callback:回调接口(设为null时启用同步模式)

SpeechSynthesizer实例

构造函数。

public ByteBuffer call(String text)

text:待合成文本(UTF-8)

ByteBuffernull

非流式发送待合成文本并获取语音合成结果。

  • 创建SpeechSynthesizer实例时,没有指定ResultCallback,则call方法会阻塞当前线程直到语音合成完成

  • 创建SpeechSynthesizer实例时,指定ResultCallback,则call方法会立刻返回null,并在回调函数中传递语音合成的结果。

public void streamingCall(String text)

text:待合成文本,须为utf-8格式

流式发送待合成文本。

您可以多次调用该接口,将待合成文本分多次发送给服务端。

必须在所有streamingCall调用完成后执行streamingCompleteasyncStreamingComplete或者streamingCancel结束任务。

public void streamingComplete() throws RuntimeException

结束流式任务。

该方法阻塞调用线程直至发生以下条件之一:

  • 服务端完成最终音频合成(成功)

  • 流式会话异常中断(失败)

  • 达到10分钟超时阈值(自动解除阻塞)

public void streamingComplete(long completeTimeoutMillis) throws RuntimeException

completeTimeoutMillis:等待时间,单位为毫秒

结束流式任务。

该方法阻塞调用线程直至发生以下条件之一:

  • 服务端完成最终音频合成(成功)

  • 流式会话异常中断(失败)

  • 达到completeTimeoutMillis参数设置的超时时间(自动解除阻塞)

completeTimeoutMillis0时,表示无限等待。

public void asyncStreamingComplete()

非阻塞结束流式任务。

该方法不会阻塞当前线程,调用该方法后,在回调函数onEvent中会返回STREAM_INPUT_TTS_EVENT_SYNTHESIS_COMPLETE事件。

public void streamingCancel()

立即结束流式任务。

public Flowable<SpeechSynthesisResult> callAsFlowable(String text)

text:待合成文本,须为utf-8格式

合成结果,封装在 Flowable<SpeechSynthesisResult>

非流式文本输入实时转换为流式语音输出,合成结果在flowable中流式返回。

public Flowable<SpeechSynthesisResult> streamingCallAsFlowable(Flowable<String> textStream)

textStream:封装了待合成文本的Flowable实例

合成结果,封装在 Flowable<SpeechSynthesisResult>

流式文本输入实时转换为流式语音输出,合成结果在flowable中流式返回。

public void updateParamAndCallback(SpeechSynthesisParam param, ResultCallback<SpeechSynthesisResult> callback)
  • param:语音合成相关参数

  • callback:回调接口,可以设为null

更新SpeechSynthesizer实例对应的SpeechSynthesisParamResultCallback配置。

public String getLastRequestId()

当前上一个任务的request id

获取上一个任务的request id,在调用callstreamingCallcallAsFlowablestreamingCallAsFlowable开始新任务之后可以使用。

public long getFirstPackageDelay()

当前任务首包延迟

获取当前任务的首包延迟,任务结束后使用。

首包延迟是开始发送文本和接收第一个音频包之间的时间,单位为毫秒。

错误码

在使用API过程中,如果调用失败并返回错误信息,请参见错误信息进行解决。

更多示例

更多示例,请参见GitHub

常见问题

请参见GitHub QA

音色列表

说明

默认采样率代表当前音色的最佳采样率,缺省条件下默认按照该采样率输出,同时支持降采样或升采样。如龙小淳音色,默认采样率22.05 kHz,使用时可以降采样到8 kHz,但升采样到48 kHz时不会有额外效果提升。

音色

音频试听

音频下载

model参数

voice 参数

适用场景

语言

默认采样率(Hz)

默认音频格式

龙婉

cosyvoice-v1

longwan

语音助手、

导航播报、

聊天数字人

中文普通话

22050

mp3

龙橙

cosyvoice-v1

longcheng

语音助手、

导航播报、

聊天数字人

中文普通话

22050

mp3

龙华

cosyvoice-v1

longhua

语音助手、

导航播报、

聊天数字人

中文普通话

22050

mp3

龙小淳

cosyvoice-v1

longxiaochun

语音助手、

导航播报、

聊天数字人

中文+英文

22050

mp3

龙小夏

cosyvoice-v1

longxiaoxia

语音助手、聊天数字人

中文

22050

mp3

龙小诚

cosyvoice-v1

longxiaocheng

语音助手、导航播报、聊天数字人

中文+英文

22050

mp3

龙小白

cosyvoice-v1

longxiaobai

聊天数字人、有声书、语音助手

中文

22050

mp3

龙老铁

cosyvoice-v1

longlaotie

新闻播报、有声书、语音助手、直播带货、导航播报

中文东北口音

22050

mp3

龙书

cosyvoice-v1

longshu

有声书、语音助手、导航播报、新闻播报、智能客服

中文

22050

mp3

龙硕

cosyvoice-v1

longshuo

语音助手、导航播报、新闻播报、客服催收

中文

22050

mp3

龙婧

cosyvoice-v1

longjing

语音助手、导航播报、新闻播报、客服催收

中文

22050

mp3

龙妙

cosyvoice-v1

longmiao

客服催收、导航播报、有声书、语音助手

中文

22050

mp3

龙悦

cosyvoice-v1

longyue

语音助手、诗词朗诵、有声书朗读、导航播报、新闻播报、客服催收

中文

22050

mp3

龙媛

cosyvoice-v1

longyuan

有声书、语音助手、聊天数字人

中文

22050

mp3

龙飞

cosyvoice-v1

longfei

会议播报、新闻播报、有声书

中文

22050

mp3

龙杰力豆

cosyvoice-v1

longjielidou

新闻播报、有声书、聊天助手

中文+英文

22050

mp3

龙彤

cosyvoice-v1

longtong

有声书、导航播报、聊天数字人

中文

22050

mp3

龙祥

cosyvoice-v1

longxiang

新闻播报、有声书、导航播报

中文

22050

mp3

Stella

cosyvoice-v1

loongstella

语音助手、直播带货、导航播报、客服催收、有声书

中文+英文

22050

mp3

Bella

cosyvoice-v1

loongbella

语音助手、客服催收、新闻播报、导航播报

中文

22050

mp3

升级CosyVoice2.0说明

部分音色支持升级使用CosyVoice2.0模型,升级方法:

  1. model字段替换为"cosyvoice-v2"

  2. voice字段使用CosyVoice2.0音色

升级后调用方法和计费不变,默认QPS3。支持升级的音色包括:

升级前voice参数

升级后voice参数

longcheng

longcheng_v2

longhua

longhua_v2

longshu

longshu_v2

loongbella

loongbella_v2

longwan

longwan_v2

longxiaochun

longxiaochun_v2

longxiaoxia

longxiaoxia_v2

更多的音色会陆续上线,敬请期待。

重要

目前cosyvoice-v2服务只支持使用主账号调用。