语音合成

POSThttps://www.aipro2.com/ent/v2/audio-tts

官方文档:https://platform.vidu.cn/docs/text-to-speech

请求体参数

application/json

• payloadstring
  透传参数
  不做任何处理，仅数据传输
  注：最多 1048576个字符
• pronunciation_dict_tonestring
  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"]
• text*string
  需要合成语音的文本
  1. 长度限制小于 10000 字符
  2. 段落切换用换行符标记
  3. 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
• voice_setting_emotionstring
  控制合成语音的情绪
  1. 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
  2. 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
• voice_setting_pitchstring
  合成音频的语调
  范围 [-12,12]，默认 0，其中 0 为原音色输出
• voice_setting_speedstring
  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
• voice_setting_voice_id*string
  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
• voice_setting_volumestring
  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

响应

OK

application/json

无响应结构说明

请求体示例示例 1

1{2  "text": "人工智能正在改变我们的生活方式，从智能家居到自动驾驶，技术的进步让世界变得更加便利。",3  "voice_setting_voice_id": "male-qn-daxuesheng"4}

代码示例cURLPythonJavaScriptGoPHP

1curl -X POST "https://www.aipro2.com/ent/v2/audio-tts" \2  -H "Authorization: Bearer <API Key>" \3  -H "Content-Type: application/json" \4  -d '{5    "text": "人工智能正在改变我们的生活方式，从智能家居到自动驾驶，技术的进步让世界变得更加便利。",6    "voice_setting_voice_id": "male-qn-daxuesheng"7  }'

响应示例 · 200成功示例

1{2  "created_at": "2026-01-20T07:16:38.094635957Z",3  "credits": 10,4  "duration": 5,5  "model": "audio1.0",6  "prompt": "雨滴落在窗户上的声音，伴随着轻柔的雷声",7  "seed": 0,8  "state": "created",9  "task_id": "911094612548939776"10}