Transmisión de texto a voz
Convierte texto en voz con entrega de audio en streaming en tiempo real.
Características principales:
- Streaming de audio de baja latencia: la reproducción puede comenzar inmediatamente a medida que llegan los fragmentos
- Detección automática de idioma
- Compatibilidad con múltiples formatos: MP3 o PCM/WAV
- Audio de alta calidad: frecuencia de muestreo de 24 kHz, mono de 16 bits
Cuerpo de la solicitud:
text: Texto de entrada para convertir a voz - obligatoriolanguage: Código de idioma (predeterminado: “auto”) - “auto” para detección automática, o uno de los códigos ISO 639-1 compatibles: en, zh, hi, es, ar, bn, pt, ru, ja, pa, de, ko, fr, tr, it, th, pl, nl, id, vi, ur, ukformat: Formato de audio (predeterminado: “mp3”) - “mp3” para audio MPEG comprimido (96 kbps) o “pcm” para WAV sin compresiónvoice: ID de voz pública opcional obtenido del descubrimiento del modelo; de lo contrario, el idioma resuelto selecciona su voz predeterminada configurada. El ejemplo asume un modelomeetkai:speechconfigurado por el operador que exponesophia; use los IDs anunciados por su desplieguemodel: Identificador del modelo TTS (predeterminado: “auto”) - “auto” selecciona el proveedor predeterminado; un id resolvible en el registro envía la solicitud al proveedor correspondiente (nota: no todos los proveedores admitenformat: "mp3")
Respuesta:
- Transmite fragmentos de audio en tiempo real
- Devuelve el encabezado
X-Language-Codecon el idioma detectado/usado Content-Type:audio/mpeg(MP3) oaudio/wav(PCM)- Cuando
storeestrue, devuelve el encabezadoX-Tts-Idcon el id bajo el cual se almacenará el registro del historial; la persistencia es de mejor esfuerzo y se completa poco después de que finaliza la transmisión
Casos de uso:
- Aplicaciones en tiempo real que requieren reproducción de audio inmediata
- Respuestas de voz interactivas
- Escenarios de texto a voz de baja latencia
Autorizaciones
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.
Encabezados
Optional external end-user identifier forwarded by the API gateway.
Cuerpo
Parámetros de solicitud para la conversión de texto a voz en streaming con selección de idioma y opciones de formato.
Texto de entrada para convertir a voz
1ID de voz pública del descubrimiento del modelo. Anula el idioma predeterminado del modelo. Con language=auto, la voz seleccionada determina el idioma; si se especifica explícitamente un idioma en conflicto, se rechaza.
1 - 256Código de idioma: 'auto' para detección automática, o códigos de idioma ISO 639-1. Con 'auto', el texto detectado con confianza como un idioma sin una voz se rechaza con un 400 nombrándolo.
auto, en, zh, hi, es, ar, bn, pt, ru, ja, pa, de, ko, fr, tr, it, th, pl, nl, id, vi, ur, uk Identificador del modelo TTS. Por defecto es 'auto', que selecciona el proveedor predeterminado. Los IDs resolubles en el registro envían al proveedor correspondiente.
"auto"
Cuando es verdadero, persiste esta generación (texto de entrada, parámetros y el audio generado) en el historial de texto a voz. Por defecto es falso.
Formato de salida de audio: 'mp3' para audio MPEG (predeterminado), o 'pcm' para PCM/WAV sin comprimir (24 kHz, 16 bits, mono)
mp3, pcm Respuesta
Transmisión de audio en formato MP3 o PCM/WAV con encabezado de código de idioma
MP3 audio stream (when format=mp3): 24kHz sample rate, 96 kbps bitrate, 16-bit, mono