语音合成实时语音合成

1. 接口描述
接口请求域名：tts.cloud.tencent.com/stream
接口请求频率限制：20次/每秒。
接口请求协议：HTTPS
腾讯云语音合成技术（TTS）可以将任意文本转化为语音，实现让机器和应用张口说话。
腾讯 TTS 技术可以应用到很多场景，例如，在小说 App 完成有声阅读，移动 App 语音播报新闻；智能设备语音提醒；车载导航语音合成的个性化语音播报等。
实时合成支持 SSML，语法详见 SSML 标记语言。
2. 输入参数
请求方式 只支持 Post 请求
参数名称
必选
类型
描述
Action
是
String
本接口取值：TextToStreamAudio
AppId
是
Integer
账号 AppId（请确保该字段数据类型为整型 int）
SecretId
是
String
官网 SecretId
Timestamp
是
Integer
当前 UNIX 时间戳，可记录发起 API 请求的时间。例如1529223702，如果与当前时间相差过大，会引起签名过期错误
Expired
是
Integer
签名的有效期，是一个符合 UNIX Epoch 时间戳规范的数值，单位为秒；Expired 必须大于 Timestamp 且 Expired-Timestamp 小于90天
Text
是
String
合成语音的源文本。中文最大支持600个汉字（全角标点符号算一个汉字），英文最大支持1800个字母（半角标点符号算一个字母）
SessionId
是
String
一次请求对应一个 SessionId，会原样返回，建议传入类似于 uuid 的字符串防止重复
ModelType
否
Integer
模型类型，1：默认模型
Volume
否
Float
音量大小，范围[0，10]，对应音量大小。默认为0，代表正常音量，值越大音量越高。
Speed
否
Float
语速，范围：[-2，6]，分别对应不同语速：
-2代表0.6倍
-1代表0.8倍
0代表1.0倍（默认）
1代表1.2倍
2代表1.5倍
6代表2.5倍
如果需要更细化的语速，可以保留小数点后 2 位，例如0.5 1.1 1.8等。
﻿
参数值与实际语速转换，可参考代码示例﻿
ProjectId
否
Integer
项目 ID，用户自定义，默认为0
VoiceType
否
Integer
音色 ID，包括标准音色与精品音色，精品音色拟真度更高，价格不同于标准音色，请参见购买指南。完整的音色 ID 列表请参见音色列表。
PrimaryLanguage
否
Integer
主语音类型，当前不做区分，默认填1即可
SampleRate
否
Integer
音频采样率：
24000：24k（部分音色支持，请参见 音色列表）
16000：16k（默认）
8000：8k
Codec
否
String
返回音频格式：
opus：返回多段含 opus 压缩分片音频（默认）
pcm：返回二进制 pcm 音频
mp3：返回二进制 mp3 音频
SegmentRate
否
Integer
断句敏感阈值，取值范围：[0,1,2]，默认值：0
该值越大越不容易断句，模型会更倾向于仅按照标点符号断句。此参数建议不要随意调整，可能会影响合成效果
EmotionCategory
否
String
控制合成音频的情感，仅支持多情感音色使用。取值: neutral(中性)、sad(悲伤)、happy(高兴)、angry(生气)、fear(恐惧)、news(新闻)、story(故事)、radio(广播)、poetry(诗歌)、call(客服)、撒娇(sajiao)、厌恶(disgusted)、震惊(amaze)、平静(peaceful)、兴奋(exciting)、傲娇(aojiao)、解说(jieshuo)
EmotionIntensity
否
Integer
控制合成音频情感程度，取值范围为[50,200],默认为100；只有 EmotionCategory 不为空时生效；
Header 格式
{
        "Content-Type":"application/json",
        "Authorization":"HRCKlbwPhWtVvfGn914qE5O1rwc="
}
注意
 Authorization 字段值为 V1鉴权生成的 Signature （无需 urlencode）的值，鉴权只支持官网 V1鉴权，不支持 V3鉴权！
鉴权说明请参考官方统一 V1鉴权文档，例子中域名和参数需更换成本接口的域名和参数，如：  
GET 替换成 POST  
cvm.tencentcloudapi.com/ 替换成  tts.cloud.tencent.com/stream  
Action=DescribeInstances 替换成 Action=TextToStreamAudio
其他参数参考 Action 的替换方式  
Body 格式请求体为 json 格式的请求参数。
注意
 V1鉴权生成的 Signature 字段不需要放在 body 里，放在 Header 的 Authorization 中。
{
   "Action" : "TextToStreamAudio",
   "AppId" : 1300466766,
   "Codec" : "pcm",
   "Expired" : 1577090359,
   "ModelType" : 1,
   "PrimaryLanguage" : 1,
   "ProjectId" : 0,
   "SampleRate" : 16000,
   "SecretId" : "A******************************dR",
   "SessionId" : "123",
   "Speed" : 1,
   "Text" : "腾讯云语音合成欢迎您。",
   "Timestamp" : 1577003959,
   "VoiceType" : 0,
   "Volume" : 5
}
3. 输出参数
协议说明：使用 HTTP Chunk 协议，一次 HTTP 请求内按序返回多段分片直到音频结束。
Opus
Codec 参数为 opus 返回，默认返回。返回多个语音分片，分片大小不一，单个分片格式说明如下：
标识头“opus”H
(4字节字符串)
分片序号 S
(4字节二进制数据)
分片音频长度 L
(4字节二进制数据)
分片音频 D
(长度为分片音频长度 L)
标识新的分片的开始
序号从0开始，-1结束
按分片音频长度读取音频数据
base64后的 Opus 压缩音频
其中最后一片音频（序号 S = -1）数据固定为“AAAA”，该段数据无效。
Pcm
Codec 参数为 pcm 返回，同等条件下返回数据量约为 Opus 格式的10倍。
返回格式：二进制
返回内容：pcm 音频流
4. SDK 文档
﻿C++ SDK﻿Java SDK﻿Python SDK﻿PHP SDK﻿
﻿

实时语音合成

本页目录：

1. 接口描述

2. 输入参数

请求方式只支持 Post 请求

3. 输出参数

Opus

Pcm

4. SDK 文档

参数名称	必选	类型	描述
Action	是	String	本接口取值：TextToStreamAudio
AppId	是	Integer	账号 AppId（请确保该字段数据类型为整型 int）
SecretId	是	String	官网 SecretId
Timestamp	是	Integer	当前 UNIX 时间戳，可记录发起 API 请求的时间。例如1529223702，如果与当前时间相差过大，会引起签名过期错误
Expired	是	Integer	签名的有效期，是一个符合 UNIX Epoch 时间戳规范的数值，单位为秒；Expired 必须大于 Timestamp 且 Expired-Timestamp 小于90天
Text	是	String	合成语音的源文本。中文最大支持600个汉字（全角标点符号算一个汉字），英文最大支持1800个字母（半角标点符号算一个字母）
SessionId	是	String	一次请求对应一个 SessionId，会原样返回，建议传入类似于 uuid 的字符串防止重复
ModelType	否	Integer	模型类型，1：默认模型
Volume	否	Float	音量大小，范围[0，10]，对应音量大小。默认为0，代表正常音量，值越大音量越高。
Speed	否	Float	语速，范围：[-2，6]，分别对应不同语速： -2代表0.6倍 -1代表0.8倍 0代表1.0倍（默认） 1代表1.2倍 2代表1.5倍 6代表2.5倍如果需要更细化的语速，可以保留小数点后 2 位，例如0.5 1.1 1.8等。参数值与实际语速转换，可参考代码示例
ProjectId	否	Integer	项目 ID，用户自定义，默认为0
VoiceType	否	Integer	音色 ID，包括标准音色与精品音色，精品音色拟真度更高，价格不同于标准音色，请参见购买指南。完整的音色 ID 列表请参见音色列表。
PrimaryLanguage	否	Integer	主语音类型，当前不做区分，默认填1即可
SampleRate	否	Integer	音频采样率： 24000：24k（部分音色支持，请参见音色列表） 16000：16k（默认） 8000：8k
Codec	否	String	返回音频格式： opus：返回多段含 opus 压缩分片音频（默认） pcm：返回二进制 pcm 音频 mp3：返回二进制 mp3 音频
SegmentRate	否	Integer	断句敏感阈值，取值范围：[0,1,2]，默认值：0 该值越大越不容易断句，模型会更倾向于仅按照标点符号断句。此参数建议不要随意调整，可能会影响合成效果
EmotionCategory	否	String	控制合成音频的情感，仅支持多情感音色使用。取值: neutral(中性)、sad(悲伤)、happy(高兴)、angry(生气)、fear(恐惧)、news(新闻)、story(故事)、radio(广播)、poetry(诗歌)、call(客服)、撒娇(sajiao)、厌恶(disgusted)、震惊(amaze)、平静(peaceful)、兴奋(exciting)、傲娇(aojiao)、解说(jieshuo)
EmotionIntensity	否	Integer	控制合成音频情感程度，取值范围为[50,200],默认为100；只有 EmotionCategory 不为空时生效；

标识头“opus”H (4字节字符串)	分片序号 S (4字节二进制数据)	分片音频长度 L (4字节二进制数据)	分片音频 D (长度为分片音频长度 L)
标识新的分片的开始	序号从0开始，-1结束	按分片音频长度读取音频数据	base64后的 Opus 压缩音频

实时语音合成

本页目录：

1. 接口描述

2. 输入参数

请求方式 只支持 Post 请求

3. 输出参数

Opus

Pcm

4. SDK 文档

请求方式只支持 Post 请求