/** * TextToVoice返回参数结构体 */ export interface TextToVoiceResponse { /** * base64编码的wav/mp3音频数据 */ Audio?: string; /** * 一次请求对应一个SessionId */ SessionId?: string; /** * 时间戳信息，若未开启时间戳，则返回空数组。 */ Subtitles?: Array; /** * 唯一请求 ID，由服务端生成，每次请求都会返回（若请求因其他原因未能抵达服务端，则该次请求不会获得 RequestId）。定位问题时需要提供该次请求的 RequestId。 */ RequestId?: string; } /** * CreateTtsTask返回参数结构体 */ export interface CreateTtsTaskResponse { /** *

任务 id

*/ Data?: CreateTtsTaskRespData; /** * 唯一请求 ID，由服务端生成，每次请求都会返回（若请求因其他原因未能抵达服务端，则该次请求不会获得 RequestId）。定位问题时需要提供该次请求的 RequestId。 */ RequestId?: string; } /** * DescribeTtsTaskStatus返回参数结构体 */ export interface DescribeTtsTaskStatusResponse { /** * 任务状态返回 */ Data?: DescribeTtsTaskStatusRespData; /** * 唯一请求 ID，由服务端生成，每次请求都会返回（若请求因其他原因未能抵达服务端，则该次请求不会获得 RequestId）。定位问题时需要提供该次请求的 RequestId。 */ RequestId?: string; } /** * 异步合成请求的返回数据 */ export interface CreateTtsTaskRespData { /** * 任务ID，可通过此ID在轮询接口获取合成状态与结果。注意：TaskId数据类型为string */ TaskId: string; } /** * 获取异步合成结果的返回参数 */ export interface DescribeTtsTaskStatusRespData { /** * 任务标识。 */ TaskId?: string; /** * 任务状态码，0：任务等待，1：任务执行中，2：任务成功，3：任务失败。 */ Status?: number; /** * 任务状态，waiting：任务等待，doing：任务执行中，success：任务成功，failed：任务失败。 */ StatusStr?: string; /** * 合成音频COS地址（链接有效期1天）。 */ ResultUrl?: string; /** * 时间戳信息，若未开启时间戳，则返回空数组。 */ Subtitles?: Array; /** * 失败原因说明。 */ ErrorMsg?: string; } /** * 时间戳信息。 */ export interface Subtitle { /** * ⽂本信息。 */ Text?: string; /** * ⽂本对应tts语⾳开始时间戳，单位ms。 */ BeginTime?: number; /** * ⽂本对应tts语⾳结束时间戳，单位ms。 */ EndTime?: number; /** * 该文本在时间戳数组中的开始位置，从0开始。 */ BeginIndex?: number; /** * 该文本在时间戳数组中的结束位置，从0开始。 */ EndIndex?: number; /** * 该字的音素。 注意：此字段可能返回 null，表示取不到有效值。 */ Phoneme?: string; } /** * DescribeTtsTaskStatus请求参数结构体 */ export interface DescribeTtsTaskStatusRequest { /** * 任务id */ TaskId: string; } /** * CreateTtsTask请求参数结构体 */ export interface CreateTtsTaskRequest { /** *

合成语音的源文本，按UTF-8编码统一计算，最多支持10万字符

*/ Text: string; /** *

音量大小，范围[-10，10]，对应音量大小。默认为0，代表正常音量，值越大音量越高。

*/ Volume?: number; /** *

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0.5/1.25/2.81等。
    参数值与实际语速转换，可参考代码示例

    */ Speed?: number; /** *

    项目id，用户自定义，默认为0。

    */ ProjectId?: number; /** *

    模型类型，1-默认模型。

    */ ModelType?: number; /** *

    音色 ID，价格请参见购买指南。完整的音色 ID 列表请参见音色列表。

    */ VoiceType?: number; /** *

    主语言类型：

  • 1-中文（默认）
  • 2-英文

    • */ PrimaryLanguage?: number; /** *

    音频采样率：

  • 16000：16k（默认）
  • 8000：8k

    • */ SampleRate?: number; /** *

    返回音频格式，可取值：mp3（默认），wav，pcm

    */ Codec?: string; /** *

    回调 URL，用户自行搭建的用于接收识别结果的服务URL。如果用户使用轮询方式获取识别结果，则无需提交该参数。回调说明

    */ CallbackUrl?: string; /** *

    是否开启时间戳功能，默认为false。

    */ EnableSubtitle?: boolean; /** *

    旁白与对白文本解析，分别合成相应风格（仅适用于旁对白音色10510000、100510000），默认 false

    */ VoiceoverDialogueSplit?: boolean; /** *

    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)、sajiao(撒娇)、disgusted(厌恶)、amaze(震惊)、peaceful(平静)、exciting(兴奋)、aojiao(傲娇)、jieshuo(解说)

    */ EmotionCategory?: string; /** *

    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。

    */ EmotionIntensity?: number; } /** * TextToVoice请求参数结构体 */ export interface TextToVoiceRequest { /** * 合成语音的源文本，按UTF-8编码统一计算。 中文最大支持150个汉字（全角标点符号算一个汉字）；英文最大支持500个字母（半角标点符号算一个字母）。 */ Text: 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。 */ SessionId: string; /** * 音量大小，范围[-10，10]，对应音量大小。默认为0，代表正常音量，值越大音量越高。 */ Volume?: number; /** * 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0.5/1.25/2.81等。
    参数值与实际语速转换，可参考[代码示例](https://sdk-1300466766.cos.ap-shanghai.myqcloud.com/sample/speed_sample.tar.gz) */ Speed?: number; /** * 项目id，用户自定义，默认为0。 */ ProjectId?: number; /** * 模型类型，1-默认模型。 */ ModelType?: number; /** * 音色 ID，包括精品音色、大模型音色与基础版复刻音色。不同音色价格有差异，详情请参见[购买指南](https://cloud.tencent.com/document/product/1073/34112)。完整的音色 ID 列表请参见[音色列表](https://cloud.tencent.com/document/product/1073/92668)。
    若使用一句话版声音复刻，请填入固定值“200000000”。 */ VoiceType?: number; /** * 一句话版声音复刻音色ID，使用一句话版声音复刻音色时需填写。 */ FastVoiceType?: string; /** * 主语言类型：
  • 1-中文（默认）
  • 2-英文
    • */ PrimaryLanguage?: number; /** * 音频采样率：
  • 24000：24k（部分音色支持，请参见[音色列表](https://cloud.tencent.com/document/product/1073/92668)）
  • 16000：16k（默认）
  • 8000：8k
    • */ SampleRate?: number; /** * 返回音频格式，可取值：wav（默认），mp3，pcm */ Codec?: string; /** * 是否开启时间戳功能，默认为false。 */ EnableSubtitle?: boolean; /** * 断句敏感阈值，默认值为：0，取值范围：[0,1,2]。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。 */ SegmentRate?: number; /** * 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)、sajiao(撒娇)、disgusted(厌恶)、amaze(震惊)、peaceful(平静)、exciting(兴奋)、aojiao(傲娇)、jieshuo(解说) 示例值：neutral */ EmotionCategory?: string; /** * 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； */ EmotionIntensity?: number; }