语音合成

OpenAPI Specification

openapi: 3.0.1
info:
  title: ''
  description: ''
  version: 1.0.0
paths:
  /ent/v2/audio-tts:
    post:
      summary: 语音合成
      deprecated: false
      description: 官方文档:https://platform.vidu.cn/docs/text-to-speech
      tags:
        - 官方VIDU视频生成、图片生成、音频生成
      parameters:
        - name: Authorization
          in: header
          description: ''
          required: false
          example: Bearer {{YOUR_API_KEY}}
          schema:
            type: string
        - name: Content-Type
          in: header
          description: ''
          required: false
          example: application/json
          schema:
            type: string
      requestBody:
        content:
          application/json:
            schema:
              type: object
              properties:
                text:
                  type: string
                  description: >-
                    需要合成语音的文本

                    1. 长度限制小于 10000 字符

                    2. 段落切换用换行符标记

                    3. 停顿控制：支持自定义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。

                    - 使用方式：在文本中增加<#x#>标记，x 为停顿时长（单位：秒），范围 [0.01,
                    99.99]，最多保留两位小数。文本间隔时间需设置在两个可以语音发音的文本之间，不可连续使用多个停顿标记

                    - 示例：你好<#2#>我是vidu<#2#>很高兴见到你
                voice_setting_voice_id:
                  type: string
                  description: >-
                    合成音频的音色id

                    可查看音色列表查询全部可用音色：https://shengshu.feishu.cn/sheets/EgFvs6DShhiEBStmjzccr5gonOg
                voice_setting_speed:
                  type: string
                  description: |-
                    语速，默认为1.0
                    1.0为正常语速，范围 [0.5,2]，值为0.5时播报语速最慢，值为2时播报语速最快
                voice_setting_volume:
                  type: string
                  description: |-
                    音量大小
                    范围 0 - 10，默认为0，代表正常音量，值越大音量越高
                voice_setting_pitch:
                  type: string
                  description: |-
                    合成音频的语调
                    范围 [-12,12]，默认 0，其中 0 为原音色输出
                voice_setting_emotion:
                  type: string
                  description: >-
                    控制合成语音的情绪

                    1. 参数范围 ["happy", "sad", "angry", "fearful", "disgusted",
                    "surprised", "calm"]，分别对应 7 种情绪：高兴，悲伤，愤怒，害怕，厌恶，惊讶，中性

                    2. 模型会根据输入文本自动匹配合适的情绪，一般无需手动指定
                pronunciation_dict_tone:
                  type: string
                  description: >-
                    定义多音字发音

                    - 定义需要特殊标注的文字或符号对应的注音或发音替换规则，针对多音字场景，在中文文本中，声调用数字表示：一声为
                    1；二声为 2；三声为 3；四声为 4；轻声为 5。

                    - 示例如下：

                    ["燕少飞/(yan4)(shao3)(fei1)", "达菲/(da2)(fei1)", "omg/oh my
                    god"]
                payload:
                  type: string
                  description: |-
                    透传参数
                    不做任何处理，仅数据传输
                    注：最多 1048576个字符
              required:
                - text
                - voice_setting_voice_id
              x-apifox-orders:
                - text
                - voice_setting_voice_id
                - voice_setting_speed
                - voice_setting_volume
                - voice_setting_pitch
                - voice_setting_emotion
                - pronunciation_dict_tone
                - payload
            example:
              text: 人工智能正在改变我们的生活方式，从智能家居到自动驾驶，技术的进步让世界变得更加便利。
              voice_setting_voice_id: male-qn-daxuesheng
      responses:
        '200':
          description: ''
          content:
            application/json:
              schema:
                type: object
                properties:
                  task_id:
                    type: string
                  state:
                    type: string
                  model:
                    type: string
                  prompt:
                    type: string
                  duration:
                    type: integer
                  seed:
                    type: integer
                  created_at:
                    type: string
                  credits:
                    type: integer
                required:
                  - task_id
                  - state
                  - model
                  - prompt
                  - duration
                  - seed
                  - created_at
                  - credits
                x-apifox-orders:
                  - task_id
                  - state
                  - model
                  - prompt
                  - duration
                  - seed
                  - created_at
                  - credits
              example:
                task_id: '911094612548939776'
                state: created
                model: audio1.0
                prompt: 雨滴落在窗户上的声音，伴随着轻柔的雷声
                duration: 5
                seed: 0
                created_at: '2026-01-20T07:16:38.094635957Z'
                credits: 10
          headers: {}
          x-apifox-name: 成功
      security: []
      x-apifox-folder: 官方VIDU视频生成、图片生成、音频生成
      x-apifox-status: released
      x-run-in-apifox: https://app.apifox.com/web/project/5443236/apis/api-407989987-run
components:
  schemas: {}
  securitySchemes:
    bearer:
      type: http
      scheme: bearer
servers:
  - url: https://www.anyapi.vip
    description: 正式环境
security:
  - bearer: []