实时音视频 文字转语音配置

如何配置 开始 AI 对话任务 StartAIConversation 接口中的 TTSConfig 参数。可以以选择快速配置 TRTC 的 TTS 服务或者 自主接入第三方服务。

相关产品
实时音视频 产品页,含版本规格、价格与购买入口。

一、使用 TRTC TTS 配置

若你在 AI 实时对话中选择使用 TRTC 实时语音合成服务,可参考下方配置快速接入。套餐权限开通和计费规则请参考 AI 智能语音计费。

目前仅支持配置默认 TTS 版本,即 AI 智能语音 的语音合成 Flash 版。

{ "TTSType": "flow", // 【必填】固定为此值 "VoiceId": "v-female-R2s4N9qJ", // 【必填】精品音色 ID /克隆音色 ID。不同音色ID 库参考下方音色列表 "Model": "flow_02_turbo", // 【必填】当前默认的 TTS 模型版本(对应 Flash 版本) "Speed": 1.0, //【可选】调节语速 范围 [0.5-2.0],默认 1.0; 取值越大,语速越快 "Volume": 1.0, // 【可选】调节音量 (0, 1] 默认值 1.0; 取值越大,音量越高 "Pitch": 0, // 【可选】调节语调 [-12,12],默认值为 0,其中 0 为原音色输出。 "Language": "zh" //【可选】建议填写,目前支持填写中文:zh 英文:en 粤语方言:yue; 参数参考:(ISO 639-1) }

注意:说明:

二、精品音色库

TRTC 语音合成精品音色库 Voice ID 请参考下方列表,你可以根据需求偏好选择音色进行配置填写。

音色名称 音色 ID 支持语言 语言 ID
威严男霸总 v-male-Bk7vD3xP 中文 zh
温柔姐姐 v-female-R2s4N9qJ 中文 zh
傲娇学姐 v-female-m1KpW7zE 中文 zh
夹子女生 v-female-U8aT2yLf 中文 zh
闲聊男声 v-male-s5NqE0rZ 中文 zh
自然男声 v-male-W1tH9jVc 中文 zh
客服小美(女) female-kefu-xiaomei 中文 zh
客服小心(女) female-kefu-xiaoxin 中文 zh
客服小悦(女) female-kefu-xiaoyue 中文 zh
客服小徐(男) male-kefu-xiaoxu 中文 zh
清晰女旁白 v-female-p9Xy7Q1L 美式英语 en
理性女讲解 v-female-Z3x9LmQ2 美式英语 en
严谨男讲师 v-male-A4b9KqP2 美式英语 en
权威男解读 v-male-r7K2pQ9L 美式英语 en
沉着男评审 v-male-Q6p8ZxL3 美式英语 en
静心女教练 v-female-T3s8BqL9 美式英语 en
温和男顾问 v-male-P6q7LzD8 美式英语 en
内敛女播音 v-female-M7k2PxL9 美式英语 en
淡然女配音 v-female-S5n9QxJ4 美式英语 en
沉稳女配音 v-female-T8m4WxP7 美式英语 en
深沉男评析 v-male-D6p3KxN8 美式英语 en
温情女主持 v-female-A9b3KfL2 美式英语 en
真挚女创作 v-female-A7h2MxQ5 美式英语 en
温和男创作 v-male-G4n7RxM3 美式英语 en
暖心男顾问 v-male-H3p9LxK7 美式英语 en
真诚男主播 v-male-R6n2MxT9 美式英语 en
自信女演员 v-female-C8k4NxL6 美式英语 en
阳光男演讲 v-male-L7m5QxP4 美式英语 en
理性男评论 v-male-N4k8TxR7 美式英语 en
理智女旁白 v-female-B7k5WxN4 美式英语 en
雅致女解说 v-female-k3P8sL0Q 中文-粤语方言 yue
沉稳男解说 v-male-L4s7PqZ9 中文-粤语方言 yue

三、用户自主接入 TTS

若你选择自主接入 TTS,则需要你自行准备相关 TTS 服务账号或 API Key,不同服务商的配置方式可参考下面章节。

四、Tencent TTS

{ "TTSType": "tencent", // String TTS 类型 "AppId": 你的应用ID, // Integer 必填 "SecretId": "你的密钥ID", // String 必填   "SecretKey": "你的密钥Key", // String 必填   "VoiceType": 101001, // Integer 必填,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,请参见语音合成计费概述。完整的音色 ID 列表请参见语音合成音色列表。   "Speed": 1.25, // Float 非必填,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 语速转换   "Volume": 5, // Float 非必填,音量大小,范围:[0,10],分别对应11个等级的音量,默认值为0,代表正常音量。 "PrimaryLanguage": 1, // Integer 可选 主要语言 1-中文(默认) 2-英文 3-日文 "FastVoiceType": "xxxx", // String 可选参数,快速声音复刻的参数 "EmotionCategory":"angry", // String 非必填,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)… "EmotionIntensity":150 // Integer 非必填,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。 }

参见:语音合成-音色列表

五、MiniMax TTS

{ "TTSType": "minimax", // String TTS 类型, "Model": "speech-2.6-turbo", // String 必填,请求的模型版本。 "APIUrl": "https://api.minimax.chat/v1/t2a_v2", // String 必填,接口地址 "APIKey": "eyxxxx", // String 必填 "GroupId": "181000000000000", // String 必填,用户所属的组 "VoiceType":"female-tianmei-jingpin", // String 必填,请求的音色编号,对应 voice_id "Speed": 1.0, // Float 非必填,生成声音的语速,范围[0.5,2],默认值为1.0 "Volume": 1.0, // Float 非必填,生成声音的音量,范围(0,10],默认值为1.0 "Pitch": 0, // Integer 非必填,生成声音的语调,范围[-12,12],默认值为0 "Emotion": "", // String 非必填,控制合成语音的情绪,该参数仅对 speech-2.6-hd, speech-2.6-turbo, speech-02-hd, speech-02-turbo, speech-01-turbo,speech-01-hd 生效 "LanguageBoost": "", // String 非必填,增强对指定的小语种和方言的识别能力,设置后可以提升在指定小语种/方言场景下的语音表现。如果不明确小语种类型,则可以选择 "auto",模型将自主判断小语种类型。 "PronunciationDict": { "tone": [] } // 非必填,替换需要特殊标注的文字、符号及对应的注音。}

·有关 MiniMax 更多模型型号和 API 参数详情可查看:MiniMax > 同步语音合成。

·API 速率限制参见:MiniMax > 速率限制。

六、Azure TTS

{ "TTSType": "azure", // 必填:String; TTS类型 "SubscriptionKey": "xxxxxxxx", // 必填:String; 用户订阅的 Key "Region": "chinanorth3", // 必填:String 订阅的地区 "VoiceName": "zh-CN-XiaoxiaoNeural", // 必填:String 音色名必填 "Language": "zh-CN", // 必填:String 合成的语言 "Rate": 1 // 选填:float 语速 0.5~2 默认为 1}

参见:使用 SSML 来自定义语音和声音

七、Cartesia TTS

{ "TTSType": "cartesia", // 必填: String; TTS 类型 "Model": "sonic-multilingual", //必填 模型型号 "APIKey": "eyxxxx", //必填:获取 API 密钥 "VoiceId": "eda5bbff-1ff1-4886-8ef1-4e69a77640a0" //必填 声音 id https://play.cartesia.ai/}

参见:Cartesia TTS

八、ElevenLabs TTS

{ "TTSType": "elevenlabs", // 必填: String TTS 类型, "Model": "eleven_turbo_v2_5", //必填,模型类型 "APIKey": "eyxxxx", "VoiceId": "eda5bbff-1ff1-4886-8ef1-4e69a77640a0" //声音类型 https://elevenlabs.io/docs/api-reference/get-voices}

参见:ElevenLabs TTS

九、自定义 TTS

{ "TTSType": "custom", // String 必填 "APIKey": "ApiKey", // String 必填,用来鉴权 "APIUrl": "http://0.0.0.0:8080/stream-audio", // String,必填,对应服务商的 TTS API URL "AudioFormat": "wav", // String, 非必填,期望输出的音频格式,如mp3, ogg_opus,pcm,wav,默认为 wav,目前只支持pcm和wav, "SampleRate": 16000, // Integer,非必填,音频采样率,默认为16000(16k),推荐值为16000 "AudioChannel": 1, // Integer,非必填,音频通道数,取值:1 或 2 默认为1 }

具体协议规范请参见 自定义 TTS 协议。

赞 (0)
上一篇 4天前
下一篇 4天前