语音合成
POST
/ent/v2/audio-tts
- 官方文档: https://platform.vidu.cn/docs/speech-synthesis
- 语音合成，返回 task_id 或任务详情
- 使用请求参数控制生成行为
Authorizations
bearer
Type
HTTP (bearer)
Request Body
application/json
需要合成语音的文本
- 长度限制小于 10000 字符
- 段落切换用换行符标记
- 停顿控制：支持自定义文本之间的语音时间间隔，以实现自定义文本语音停顿时间的效果。
- 使用方式：在文本中增加<#x#>标记，x 为停顿时长（单位：秒），范围 [0.01, 99.99]，最多保留两位小数。文本间隔时间需设置在两个可以语音发音的文本之间，不可连续使用多个停顿标记
- 示例：你好<#2#>我是vidu<#2#>很高兴见到你
合成音频的音色id
可查看音色列表查询全部可用音色：https://shengshu.feishu.cn/sheets/EgFvs6DShhiEBStmjzccr5gonOg
语速，默认为1.0
1.0为正常语速，范围 [0.5,2]，值为0.5时播报语速最慢，值为2时播报语速最快
音量大小
范围 0 - 10，默认为0，代表正常音量，值越大音量越高
合成音频的语调
范围 [-12,12]，默认 0，其中 0 为原音色输出
控制合成语音的情绪
- 参数范围 ["happy", "sad", "angry", "fearful", "disgusted", "surprised", "calm"]，分别对应 7 种情绪：高兴，悲伤，愤怒，害怕，厌恶，惊讶，中性
- 模型会根据输入文本自动匹配合适的情绪，一般无需手动指定
定义多音字发音
- 定义需要特殊标注的文字或符号对应的注音或发音替换规则，针对多音字场景，在中文文本中，声调用数字表示：一声为 1；二声为 2；三声为 3；四声为 4；轻声为 5。
- 示例如下：
["燕少飞/(yan4)(shao3)(fei1)", "达菲/(da2)(fei1)", "omg/oh my god"]
透传参数
不做任何处理，仅数据传输
注：最多 1048576个字符
Responses
成功
application/json