Texto de streaming para fala
Converta texto em fala com entrega de áudio em streaming em tempo real.
Principais recursos:
- Streaming de áudio de baixa latência - a reprodução pode começar imediatamente à medida que os blocos chegam
- Detecção automática de idioma
- Suporte a múltiplos formatos: MP3 ou PCM/WAV
- Áudio de alta qualidade: taxa de amostragem de 24 kHz, mono de 16 bits
Corpo da solicitação:
text: Texto de entrada para converter em fala - obrigatóriolanguage: Código do idioma (padrão: “auto”) - “auto” para detecção automática, ou um dos códigos ISO 639-1 suportados: en, zh, hi, es, ar, bn, pt, ru, ja, pa, de, ko, fr, tr, it, th, pl, nl, id, vi, ur, ukformat: Formato de áudio (padrão: “mp3”) - “mp3” para áudio MPEG compactado (96 kbps) ou “pcm” para WAV sem compressãovoice: ID de voz pública opcional descoberto na model discovery; caso contrário, o idioma resolvido seleciona a voz padrão configurada. O exemplo assume um modelomeetkai:speechconfigurado pelo operador, expondosophia; use os IDs anunciados pela sua implantaçãomodel: Identificador do modelo TTS (padrão: “auto”) - “auto” seleciona o provedor padrão; um id resolvível no registro é encaminhado ao provedor correspondente (observação: nem todos os provedores suportamformat: "mp3")
Resposta:
- Envia blocos de áudio em streaming em tempo real
- Retorna o cabeçalho
X-Language-Codecom o idioma detectado/utilizado - Content-Type:
audio/mpeg(MP3) ouaudio/wav(PCM) - Quando
storeétrue, retorna o cabeçalhoX-Tts-Idcom o id sob o qual o registro do histórico será armazenado; a persistência é feita por melhor esforço e é concluída logo após o término do fluxo
Casos de uso:
- Aplicações em tempo real que exigem reprodução de áudio imediata
- Respostas de voz interativas
- Cenários de texto para fala de baixa latência
Autorizações
Send Authorization: Bearer , using an MKA1 API key for automation or an OAuth API access token for a signed-in application. Use a dynamic security callback to refresh OAuth access tokens. Browser session-only operations still require their declared cookie.
Cabeçalhos
Optional external end-user identifier forwarded by the API gateway.
Corpo
Parâmetros de solicitação para conversão de texto para fala em streaming com seleção de idioma e opções de formato.
Texto de entrada para converter em fala
1ID de voz pública da descoberta de modelo. Substitui o padrão de idioma do modelo. Com language=auto, a voz selecionada determina o idioma; um idioma explícito em conflito é rejeitado.
1 - 256Código de idioma: 'auto' para detecção automática, ou códigos de idioma ISO 639-1. Com 'auto', o texto detectado com confiança como um idioma sem uma voz é rejeitado com um 400 nomeando-o.
auto, en, zh, hi, es, ar, bn, pt, ru, ja, pa, de, ko, fr, tr, it, th, pl, nl, id, vi, ur, uk Identificador do modelo TTS. O padrão é 'auto', que seleciona o provedor padrão. IDs resolvíveis no registro são enviados para o provedor correspondente.
"auto"
Quando verdadeiro, persista esta geração (texto de entrada, parâmetros e o áudio gerado) no histórico de texto para fala. O padrão é falso.
Formato de saída de áudio: 'mp3' para áudio MPEG (padrão) ou 'pcm' para PCM/WAV não compactado (24kHz, 16 bits, mono)
mp3, pcm Resposta
Streaming de áudio em formato MP3 ou PCM/WAV com cabeçalho de código de idioma.
MP3 audio stream (when format=mp3): 24kHz sample rate, 96 kbps bitrate, 16-bit, mono