产品简介

产品概述

产品功能

产品优势

购买指南

价格指南

购买指引

使用代金券购买流程

退费说明

数智人形象介绍

形象类别介绍

基础形象库

形象和声音复刻指引

数智人平台操作指引

访问平台

形象生产与资产管理

数智人会话互动应用与管理

播报数智人视频生成与管理

运营管理与分析

服务端 API 接入

数智人 API 接入模式概述

数智人 aPaas 接口调用方式

2D真人小样本形象、声音定制 API 文档

视频生成服务 API 文档

交互数智人服务 API 文档

个人资产管理 API 文档

客户端 SDK 接入

整体介绍

3D 端渲染 SDK 接入

2D 端渲染 SDK 接入

数智人 SSML 标记语言规范

音频制作接口

PDF

聚焦模式

字号

最后更新时间： 2024-07-18 18:23:53

接口说明
对输入文本进行试听，需要试听的音色可以通过接口查询 VirtualmanKey 支持的音色查询，部分形象不支持更换音色。
调用协议
HTTPS + JSON
POST     /v2/ivh/videomaker/broadcastservice/tts
Header   Content-Type: application/json;charset=utf-8
请求参数
参数
类型
必须
说明
TimbreKey
string
否
音色key，当VirtualmanKey为空时TimbreKey不能为空
VirtualmanKey
string
否
定义播报的角色、服装、姿态、分辨率等信息，参数为枚举值，当TimbreKey为空时VirtualmanKey不能为空，默认选取匹配该形象的第一个音色制作音频。
InputSsml
string
是
需要播报的文本内容，支持ssml标签，上限2万字（字数按unicode字符数计算）
Speed
float
是
语速（1.0为正常语速，范围[0.5-1.5]，值为0.5时播报语速最慢，值为1.5时播报语速最快）
AudioStorageS3Url
string
否
可传入含鉴权s3协议存储url，音频成品会上传至该url
SampleRate
int
否
采样率，支持24000（24k）和16000（16k)，默认24000(24k)
Codec
string
否
音频格式，支持mp3和wav，默认mp3
SentenceMaxWords
int
否
分句的字数上限，字数范围 [0,999]，传0或不传时默认值30
SentenceDisplayPunctuation
string
否
分句里需要展示的标点符号，其中，传入特殊字符"0"表示标点符号都不展示，特殊符号"1"（默认取值）表示标点符号全都展示，也可自定义传入需要展示的标点符号
SentenceSplitPunctuation
string
否
需要断句的标点符号，默认取值。；？！………!?
Volume
int
否
音量大小，范围[0，10]，对应音量大小。默认为0，代表正常音量，值越大音量越高。
EmotionCategory
string
否
控制合成音频的情感，仅支持多情感音色使用，可选值参考个人资产管理API 4.5音色列表接口。
EmotionIntensity
int
否
控制合成音频情感程度，取值范围为 [50,200]，只有 EmotionCategory 不为空时生效。
返回参数
参数
类型
必须
说明
TaskId
string
是
音频制作的任务 ID，携带 TaskId 访问<音视频制作进度查询接口>，可获得该视频的制作进度和下载地址。
请求示例
{
    "Header": {},
    "Payload": {
        "VirtualmanKey": "123",
        "InputSsml": "你好虚拟主播",
        "Speed": 1
    }
}
返回示例
{
    "Header": {
        "Code": 0,
        "DialogID": "",
        "Message": "",
        "RequestID": "123"
    },
    "Payload": {
        "TaskId": "123"
    }
}
 
 
 

帮助和支持

本页内容是否解决了您的问题？

您也可以联系销售或提交工单以寻求帮助。

填写满意度调查问卷，共创更好文档体验。

文档反馈

tencent cloud

腾讯云智能数智人

音频制作接口

接口说明

调用协议

请求参数

返回参数

请求示例

返回示例

帮助和支持

参数	类型	必须	说明
TimbreKey	string	否	音色key，当VirtualmanKey为空时TimbreKey不能为空
VirtualmanKey	string	否	定义播报的角色、服装、姿态、分辨率等信息，参数为枚举值，当TimbreKey为空时VirtualmanKey不能为空，默认选取匹配该形象的第一个音色制作音频。
InputSsml	string	是	需要播报的文本内容，支持ssml标签，上限2万字（字数按unicode字符数计算）
Speed	float	是	语速（1.0为正常语速，范围[0.5-1.5]，值为0.5时播报语速最慢，值为1.5时播报语速最快）
AudioStorageS3Url	string	否	可传入含鉴权s3协议存储url，音频成品会上传至该url
SampleRate	int	否	采样率，支持24000（24k）和16000（16k)，默认24000(24k)
Codec	string	否	音频格式，支持mp3和wav，默认mp3
SentenceMaxWords	int	否	分句的字数上限，字数范围 [0,999]，传0或不传时默认值30
SentenceDisplayPunctuation	string	否	分句里需要展示的标点符号，其中，传入特殊字符"0"表示标点符号都不展示，特殊符号"1"（默认取值）表示标点符号全都展示，也可自定义传入需要展示的标点符号
SentenceSplitPunctuation	string	否	需要断句的标点符号，默认取值。；？！………!?
Volume	int	否	音量大小，范围[0，10]，对应音量大小。默认为0，代表正常音量，值越大音量越高。
EmotionCategory	string	否	控制合成音频的情感，仅支持多情感音色使用，可选值参考个人资产管理API 4.5音色列表接口。
EmotionIntensity	int	否	控制合成音频情感程度，取值范围为 [50,200]，只有 EmotionCategory 不为空时生效。