产品文档-智能语音服务 | 有道智云AI开放平台

大模型语音复刻,合成(异步合成批量音频)

说明

Hi，您好，欢迎使用有道智云大模型语音复刻, 大模型语音合成 (异步合成批量音频) 接口服务。

本文档主要针对需要集成HTTP API的技术开发工程师，详细描述相关的技术内容。

如果您有与我们商务合作的需求，可以通过以下方式联系我们：

商务邮箱： AIcloud_Business@corp.youdao.com

如果您对文档内容有任何疑问，可以通过以下几种方式联系我们：

客服QQ：1906538062

智云翻译技术交流QQ 1群: 652880659

智云翻译技术交流QQ 2群: 669384425

智云翻译技术交流QQ 3群: 807539209

智云翻译技术交流QQ 4群: 936752411

联系邮箱： zhiyun@corp.youdao.com

温馨提示：

本文档主要针对开发人员，接入测试前需要获取应用ID和应用密钥；如果您还没有，请按照新手指南获取。
平台向每个账户赠送50元的体验金，供用户集成前测试所用。

接口说明

大模型语音复刻, 大模型语音合成 (异步批量)，基于网易有道的语音识别技术，通过上传少量录音，赋予产品声音形象，可在读小说、播音主持、讲故事、客服服务等场景应用。服务主要分模型复刻(上传音频) 和模型调用(异步合成音频) 两部分。

注意: 使用前必须在控制台开通 “大模型声音复刻” 和 “大模型语音合成” 两个服务 !!!

协议须知

调用方在集成个性化语音定制服务API时，请遵循以下规则。

规则	描述
传输方式	HTTPS
请求方式	POST
字符编码	统一使用UTF-8 编码

接口调用参数

服务调用地址：

https://openapi.youdao.com

大模型声音复刻(音频上传)

接口uri：/tts_gateway/v2/upload
请求方式：POST
接口说明：上传语音合成的参考音频, 提交批量任务前必须有一个voiceId
接口参数：
- 格式: 表单
- 具体参数:

参数名称	类型	含义	是否必填	示例
appKey	String	应用ID	True	可在应用管理查看
curtime	String	时间戳(秒)	True
salt	String	随机字符串	True
sign	String	签名信息：sha256(appKey + salt + curtime +密钥)	True
signType	String	签名类型	True	v4
name	String	音色名称（不超过50字符）	True	voiceName
model	String	lite 速度更快; pro效果更好, 提供情绪参数; 默认pro	False	lite, pro
audioFile	MultipartFile	音色音频文件, 必需wav格式，单声道 16k/24k	True
emotionAudioFile	MultipartFile	情感参考音频文件, 只有model=pro时生效, 非必需	False

注: 音频时长也会影响合成接口的响应时间, 建议5~10s音频最好

响应结果

{
      "code": "0",
      "data": {
        "voiceId": "01f0e64122ee4e3d9ac03f28556b62b2"
      },
      "requestId": "07399d85-c401-43b0-b9fd-892b225bccfb",
      "message": "success",
      "successful": true
}

大模型语音异步批量合成提交

接口uri：/tts_gateway/v2/synthesis_async
请求方式：POST
接口说明：使用复刻接口提供的voiceId 提交批量合成任务, 需传入文本列表, 返回taskId
接口参数：
- 格式: jsonBody
- 具体参数:

参数名称	类型	含义	是否必填	示例
appKey	String	应用ID	True	可在应用管理查看
curtime	String	时间戳(秒)	True
salt	String	随机字符串	True
sign	String	签名信息：sha256(appKey + salt + curtime +密钥)	True
signType	String	签名类型	True	v4
voiceId	String	音色id, 后续提供查询接口, 若没记下来可以联系服务提供方	True
volume	String	这批音频的音量, 0.5~2.0, 默认1.0	False
speed	String	这批音频的速度, 0.5~2.0, 默认1.0	False
format	String	期望音频格式: mp3 / wav	True	wav
qList	List<TextEmotionItem>	合成文本列表(带情绪参考文本), 最多1000个	True
sampleRate	String	采样率 8000/16000/22050/24000/32000, 默认24000	False	16000
channel	String	通道数 1 / 2, 默认1	False	1

其中qList: TextEmotionItem:

参数名称	类型	含义	是否必填	示例
q	String	合成文本	True	我热爱运动,尤其是足球
emotionReferText	String	模型=pro生效, 情绪参考文本	False	开心, 恐惧, 方案, 低落, 惊讶, 自然等

响应结果

正常返回:
  - 响应格式: json
  - 示例: 
   {
      "code": "0",
      "data": {
          "taskId":"41ff602e2ccc4408b0e18d1c83bba2c6"
      },
      "requestId": "07399d85-c401-43b0-b9fd-892b225bccfb",
      "message": "success",
      "successful": true
   }

大模型语音异步任务查询进度

接口uri：/tts_gateway/v2/get_progress
请求方式：POST
接口说明：使用 submit接口提供的taskId 查询批量合成任务进度
接口参数：
- 格式: jsonBody
- 具体参数:

参数名称	类型	含义	是否必填	示例
appKey	String	应用ID	True	可在应用管理查看
curtime	String	时间戳(秒)	True
salt	String	随机字符串	True
sign	String	签名信息：sha256(appKey + salt + curtime +密钥)	True
signType	String	签名类型	True	v4
taskId	String	批量任务id	True

响应结果

正常返回:
  - 响应格式: json
  - 注:   status = PROCESSING 代表任务正在处理中, 存在还未被调度合成的文本
          status = SUCCESS 代表任务中的文本列表全部合成成功
          status = PARTIAL_SUCCESS 代表任务部分成功, 文本存在合成失败的情况, task会有重试失败的调度逻辑, 
          若重试成功任务状态会SUCCESS, 但也存在重试后依旧失败, 状态无法变更为SUCCESS的情况 
  - 示例: 
   {
      "code": "0",
      "data": {
          "status":"PROCESSING",
          "totalCount":100,
          "successCount":5
      },
      "requestId": "07399d85-c401-43b0-b9fd-892b225bccfb",
      "message": "success",
      "successful": true
   }
   
   {
      "code": "0",
      "data": {
          "status":"SUCCESS",
          "totalCount":100,
          "successCount":100
      },
      "requestId": "07399d85-c401-43b0-b9fd-892b225bccfb",
      "message": "success",
      "successful": true
   }
   
   {
      "code": "0",
      "data": {
          "status":"PARTIAL_SUCCESS",
          "totalCount":100,
          "successCount":99
      },
      "requestId": "07399d85-c401-43b0-b9fd-892b225bccfb",
      "message": "success",
      "successful": true
   }

大模型语音异步任务获取结果

接口uri：/tts_gateway/v2/get_result
请求方式：POST
接口说明：使用 submit接口提供的taskId 获取任务的音频结果
注: mediaUrl 是合成成功的音频地址, 地址过期时间是1天, 需要重新调用该接口获得新的地址
接口参数：
- 格式: jsonBody
- 具体参数:

参数名称	类型	含义	是否必填	示例
appKey	String	应用ID	True	可在应用管理查看
curtime	String	时间戳(秒)	True
salt	String	随机字符串	True
sign	String	签名信息：sha256(appKey + salt + curtime +密钥)	True
signType	String	签名类型	True	v4
taskId	String	批量任务id	True

响应结果

正常返回:
  - 响应格式: json
  - 注: data中是一个列表, 代表所有合成成功的音频地址和对应的文本索引, 
       举例: 如果第5个文本没合成成功, 查到的结果列表可能没有qIndex=4的元素 (index从0开始)
  - 示例: 
   {
	"code": "0",
	"message": "success",
	"data": [{
		"mediaUrl": "xxxx0",
		"qIndex": 0
	}, {
		"mediaUrl": "xxxx1",
		"qIndex": 1
	}, {
		"mediaUrl": "xxxx2",
		"qIndex": 2
	}, 
	……
    {
		"mediaUrl": "xxxx99",
		"qIndex": 99
	}],
	"requestId": "12a7290c-1404-449b-9499-7a45dd947bf5",
	"successful": true
}

错误代码

错误码	含义
101	缺少必填的参数,首先确保必填参数齐全，然后确认参数书写是否正确。
102	不支持的语言类型
103	翻译文本过长
104	不支持的API类型
105	不支持的签名类型
106	不支持的响应类型
107	不支持的传输加密类型
108	应用ID无效，注册账号，登录后台创建应用并完成绑定，可获得应用ID和应用密钥等信息
109	batchLog格式不正确
110	无相关服务的有效应用,应用没有绑定服务应用，可以新建服务应用。注：某些服务的翻译结果发音需要tts服务，需要在控制台创建语音合成服务绑定应用后方能使用。
111	开发者账号无效
112	请求服务无效
113	q不能为空
114	不支持的图片传输方式
116	strict字段取值无效，请参考文档填写正确参数值
201	解密失败，可能为DES,BASE64,URLDecode的错误
202	签名检验失败,如果确认应用ID和应用密钥的正确性，仍返回202，一般是编码问题。请确保翻译文本 `q` 为UTF-8编码.
203	访问IP地址不在可访问IP列表
205	请求的接口与应用的平台类型不一致，确保接入方式（Android SDK、IOS SDK、API）与创建的应用平台类型一致。如有疑问请参考入门指南
206	因为时间戳无效导致签名校验失败
207	重放请求 (接口salt+curtime来防重放（即一个请求不可以被请求2次），所以salt最好为UUID。)
301	辞典查询失败
302	翻译查询失败
303	服务端的其它异常
304	翻译失败，请联系技术同学
308	rejectFallback参数错误
309	domain参数错误
310	未开通领域翻译服务
401	账户已经欠费，请进行账户充值
402	offlinesdk不可用
411	访问频率受限,请稍后访问
412	长请求过于频繁，请稍后访问
901000	认证服务异常, 请联系服务提供方
900000	音色不存在
900001	服务端异常, 请联系服务提供方
900003	批量任务不存在

大模型语音复刻,合成(异步合成批量音频) ​

说明 ​

接口说明 ​

协议须知 ​

接口调用参数 ​

大模型声音复刻(音频上传) ​

大模型语音异步批量合成提交 ​

大模型语音异步任务 查询进度 ​

大模型语音异步任务 获取结果 ​

错误代码 ​