T2A Stream（流式语音生成）

开发环境

http://dev-cn.your-api-server.com

GET

https://api.minimax.chat/v1/tts/stream

本接口支持基于自然语言交互生成回复的能力。

本接口本身为无状态接口，即单次调用时，模型所接收到的信息量仅为接口传入内容，不涉及业务逻辑，同时模型也不存储您传入的数据。

本接口适用场景：语音通话、语音聊天等需求流式的相关场景

本接口为流式输出接口，支持以下功能：

支持单次合成500字符输入；

支持语调、语速、音量、比特率、采样率相关参数调整特性；

支持音频时长、音频大小等返回参数；

支持混音功能，最多四种音色按照比例混合；

支持非法字符检测：非法字符不超过10%（包含10%），音频会正常生成并返回非法字符占比；非法字符超过10%，接口不返回结果（返回报错码），请检测后再次进行请求（非法字符定义：ascii码中的控制符（不含制表符和换行符））；

请求示例

Shell

JavaScript

Java

Swift

curl --location --request GET 'https://api.minimax.chat/v1/tts/stream?GroupId' \
--header 'Authorization;' \
--header 'header;' \
--header 'Content-Type: application/json' \
--data-raw '{
    "voice_id": "string",
    "text": "string",
    "model": "string",
    "speed": 0,
    "vol": 0,
    "pitch": 0,
    "audio_sample_rate": 0,
    "bitrate": 0,
    "timber_weights": [
        {
            "voice_id": "string",
            "weight": 0
        }
    ]
}'

响应示例

200 - 示例 1

{
    "data": {
        "audio": "string",
        "status": 0,
        "ced": "string"
    },
    "extra_info": {
        "audio_length": 0,
        "audio_sample_rate": 0,
        "audio_size": 0,
        "bitrate": 0,
        "word_count": 0,
        "invisible_character_ratio": 0
    },
    "trace_id": "string",
    "base_resp": {
        "status_code": 0,
        "status_msg": "string"
    }
}

请求参数

Query 参数

GroupId

string

必需

该值应拼接在调用API的url末尾

Header 参数

Authorization

string

必需

header

string

必需

Body 参数application/json

voice_id

string

请求的音色编号

可选

如同时传入voice_id和timber_weights时，则会自动忽略voice_id，以timber_weights传递的参数为准

text

string

必需

支持自定义文本与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。需要注意的是文本间隔时间需设置在两个可以语音发音的文本之间，且不能设置多个连续的时间间隔。

model

string

调用的模型版本

必需

speed

integer

生成声音的语速

可选

可选，默认值为1.0取值越大，语速越快

vol

integer

生成声音的音量

可选

可选，默认值为1.0取值越大，音量越高

pitch

integer

生成声音的语调

可选

可选，默认值为0（0为原音色输出，取值需为整数）

audio_sample_rate

integer

生成声音的采样率

必需

可选，默认为24000

bitrate

integer

生成声音的比特率

必需

可选，默认值为128000

timber_weights

array [object {2}]

音色相关信息

可选

音色相关信息，详见下方字段

voice_id

string

请求的音色编号

必需

暂时只支持系统音色(id)：青涩青年音色(male-qn-qingse)精英青年音色(male-qn-jingying)霸道青年音色(male-qn-badao)青年大学生音色(male-qn-daxuesheng)少女音色(female-shaonv)御姐音色(female-yujie)成熟女性音色(female-chengshu)甜美女性音色(female-tianmei)男性主持人(presenter_male)女性主持人(presenter_female)男性有声书1(audiobook_male_1)男性有声书2(audiobook_male_2)女性有声书1(audiobook_female_1)女性有声书2(audiobook_female_2)青涩青年音色-beta（male-qn-qingse-jingpin）精英青年音色-beta（male-qn-jingying-jingpin）霸道青年音色-beta（male-qn-badao-jingpin）青年大学生音色-beta（male-qn-daxuesheng-jingpin）少女音色-beta（female-shaonv-jingpin）御姐音色-beta（female-yujie-jingpin）成熟女性音色-beta（female-chengshu-jingpin）甜美女性音色-beta（female-tianmei-jingpin）

weight

integer

权重

必需

最多支持4种音色混合，取值为整数，单一音色取值占比越高，合成音色越像；

示例

返回响应

🟢200结束

application/json

Body

data

object

data可能返回为null，参考示例代码时，注意进行非空判断

必需

用于在咨询/反馈时帮助定位问题

audio

string

合成后的音频片段，采用base64编码

必需

格式为mp3

status

integer

当前音频流状态，1表示合成中，2表示合成结束

必需

音频文件对应的字幕，精确到句（不超过50字），单位为毫秒，格式为json

ced

string

合成进度，指当前合成文本的字节数注：请注意合成是以句为单位切割的，若文本只有一句话，则每次返回结果的ced是相同的。

必需