语音快速复刻 | 大装置帮助中心
跳到主要内容

语音快速复刻

接口描述（Description）​

基于给定的文字信息和示例音频，生成音频（一次性文本输入，一次性音频输出）。


请求地址（Request URL）​

[POST] https://api.sensenova.cn/v1/audio/speech_clone

请求头（Request Header）​

无特殊Header，请参考接口鉴权


请求体（Request Body）​

名称类型必须默认值可选值描述
modelstring是-参考模型清单模型ID
inputstring是--用于生成音频的文本信息
voice_filestring是--音频文件 ID，通过文件管理接口上传的AUDIO_TTS_1类型音频文件的file_id
speedfloat否1.0[0.5,2.0]请求合成音频的语速；其中 1.0 是正常语速，数字越小语速越慢，数字越大语速越快
response_formatstring否mp3["pcm", "wav", "mp3", "aac"]输出音频文件的编码格式

备注

快速复刻短音频文件，上传时文件格式 scheme=AUDIO_TTS_1，用于合成的同时快速复制音色，不持久化形成音色 ID；用户传入格式支持 wav；文件大小小于等于1M；（16K 采样率 小端模式16位有符号整数 采样位数 wav 格式，1s 原音频对应是 32K 大小，20s 对应 640K）；推荐用法：10s 左右的短音频，且必须有人声。

请求示例（Request Example）​

curl --request POST "https://api.sensenova.cn/v1/audio/speech" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $API_TOKEN" \
  -d '{
        "model": "string", 
        "input": "string", 
        "voice_file": "string", 
        "speed": float, 
        "response_format": "string" 
    }'

响应示例（Response Example）​

返回与输入参数response_format指定格式相同的音频文件，单声道，采样率为16000Hz 。

  • mp3，有损压缩格式，默认输出，不支持流式传输；
  • acc，有损压缩格式，采用ADTS格式编码，支持流式传输；
  • wav，无损压缩格式，不支持流式传输，标准格式解码；
  • pcm，无损压缩格式，支持流式传输，解码参数为：
    • 采样率：16000
    • 通道数：1
    • 采样位数：小端模式16位有符号整数 采样