跳到内容

TTS-Seed ​

更新时间

本文整理 MPS 上调用 TTS-Seed 语音合成的接口用法。TTS-Seed 在 MPS 里以引擎代号 tts-s 接入:接口、鉴权、计费、任务查询、存储全部沿用 MPS 既有的语音合成接口,只在扩展参数 ExtParam 里写 "engine": "tts-s" 切到 TTS-Seed,再按需带上情绪、语速等参数。

TTS-Seed 的特点是情绪 / 风格取值最丰富:emotion 一共 24 种,除了开心、悲伤这类基础情绪,还包含讲故事、情感电台、新闻播报、广告营销、ASMR 低语等场景化播报风格。

暂不支持音色克隆

《TTS-S 引擎接入指引》明确:tts-s 暂不支持克隆。只能使用系统音色,VoiceId 从 DescribeVoices 查询得到。

与其它引擎怎么选

  • 要场景化播报风格(新闻、广告、讲故事、电台、ASMR…)→ 本文
  • 要逐字时间戳做卡拉 OK 字幕 → TTS-ElevenLabs
  • 要用一句自然语言描述口音语气 → TTS-Gemini
  • 要克隆 + 音色设计、音调独立调节 → TTS-MiniMax
  • 要自定义情绪标签,或不建音色就做克隆 → TTS-Fishaudio

七个引擎的完整对比见 MPS 七大 TTS 引擎横向对比。

接口与官网文档 ​

以下接口均属于 MPS「Media AI – Dubbing APIs」,官网接口地址统一在腾讯云国际站 Media AI – Dubbing APIs 目录下。

支持 tts-s 的接口 ​

《TTS-S 引擎接入指引》列出以下 4 个接口可通过 ExtParam.engine 切到 TTS-Seed:

接口作用调用方式官网接口地址
TextToSpeech短文本转语音,直接返回音频同步1041/82311
TextToSpeechAsync长文本转语音,返回 TaskId异步1041/79693
DescribeTextToSpeechAsyncTask查询异步合成结果(Status / AudioUrl)同步1041/79696
DescribeVoices查询可用音色(含 TTS-Seed 系统音色)同步1041/79695

同目录的其它接口 ​

接口作用走 tts-s官网接口地址
CloneVoice用参考音频克隆音色❌ 明确不支持1041/82312
DesignVoiceAsync / DescribeDesignTask用文字描述设计新音色 / 查询结果⏳ 接入指引未列出1041/79694 / 1041/79598
UpdateVoice / DeleteVoice修改 / 删除克隆或设计的音色⏳ 接入指引未列出1041/81214 / 1041/81215
ChangeVoice音色转换⏳ 接入指引未列出1041/83750
SyncDubbing早期合一接口(克隆或合成)⏳ 接入指引未列出1041/77775

❌ = 接入指引明确不支持;⏳ = 接入指引未提及,是否可切到 TTS-Seed 以实际调用为准。

公共约定:

  • 版本号 2019-06-12;接入域名国际站 mps.intl.tencentcloudapi.com(中国站 mps.tencentcloudapi.com)。
  • 鉴权统一 TC3-HMAC-SHA256(SecretId / SecretKey),签名方法见 Quick Start。
  • 每个接口频率上限 20 次/秒。

与其它引擎的能力对比 ​

MPS 上目前有七个外部 TTS 引擎。完整的横向对比(接口覆盖、情绪机制、音频参数、克隆能力、选型建议)见 Blog 里的 MPS 七大 TTS 引擎横向对比 —— 对比表只在那一篇维护,避免各篇口径不一致。

tts-s 在其中的位置:情绪 / 风格枚举最丰富(24 种,含场景化播报风格),也是采样率能选到 48000 的三个引擎之一(另两个是 Gemini 与 Seed Audio);代价是不支持克隆。

引擎切换:ExtParam.engine ​

MPS 的语音合成接口本身不分引擎,靠 ExtParam 这个 JSON 字符串字段决定由哪个引擎执行。tts-s 用到两层:

层级作用说明
engine选引擎本文固定填 tts-s
synExt.*MPS 归一化后的合成参数情绪、采样率、时长、语速、音量

与其它引擎的差异

《TTS-S 引擎接入指引》只列出了 synExt 下的归一化参数,没有列出 synExt.engineCustom 透传层,也没有 model / format 参数。需要这些能力时请先以实际调用确认。

ExtParam 在请求里是字符串,不是对象——JSON 需要转义后作为字符串传入(见调用示例)。

tts-s 主要参数 ​

参数类型必填描述
engineString是填 tts-s
synExtObject否语音合成扩展参数
synExt.emotionString否控制合成语音的情绪 / 风格,见下方情绪取值
synExt.sampleRateInteger否采样率,可选 8000、16000、22050、24000、32000、44100、48000,默认 16000
synExt.durationFloat否指定音频时长
synExt.speedFloat否语速,取值 [0.5, 2],默认 1.0
synExt.volFloat否音量,取值 (0, 10],默认 1.0

情绪取值 ​

synExt.emotion 共 24 种,按用途可分为两类:

基础情绪

取值含义取值含义
happy开心sad悲伤
angry生气surprised惊讶
fear恐惧hate厌恶
excited激动coldness冷漠
neutral中性depressed沮丧
lovey-dovey撒娇shy害羞
comfort安慰鼓励tension咆哮 / 焦急
tender温柔

场景化播报风格

取值含义典型场景
storytelling讲故事 / 自然讲述有声书、儿童故事
radio情感电台夜间电台、情感类节目
magnetic磁性男声旁白、品牌宣传
advertising广告营销商品广告、促销口播
vocal-fry气泡音个性化人设
ASMR低语助眠、ASMR 内容
news新闻播报新闻、资讯类
entertainment娱乐八卦娱乐资讯、短视频解说
dialect方言方言内容

两个取值的写法以实际调用为准

接入指引原文把气泡音写作 vocal - fry(连字符两侧带空格)、低语写作 ASMR(大写)。本表按常规枚举写法记为 vocal-fry 与 ASMR;若调用报参数错误,请按原文写法 vocal - fry 重试。

情绪对音色的依赖

不同系统音色支持的情绪范围可能不同,建议先用 DescribeVoices 查到音色后,用短文本试几种 emotion 再批量使用。

音色(VoiceId) ​

TTS-Seed 的 VoiceId 直接填 TTS-Seed 音色名,例如 zh_female_vv_uranus_bigtts。 可用音色通过 DescribeVoices 查询,详见查询系统音色。

参数示例 ​

一份完整的 ExtParam 对象(展开后便于阅读,实际传参需转义为字符串):

json
{
  "engine": "tts-s",
  "synExt": {
    "emotion": "happy",
    "speed": 0.9
  }
}

调用示例 ​

语音合成 TextToSpeech ​

json
{
  "Text": "您好",
  "VoiceId": "zh_female_vv_uranus_bigtts",
  "ExtParam": "{\"engine\":\"tts-s\",\"synExt\":{\"emotion\":\"happy\",\"speed\":0.9}}"
}

注意 ExtParam 的值是转义后的 JSON 字符串,不是嵌套对象。

engine 值前后不要带空格

接入指引原文的这个示例写成了 \"engine\":\" tts-s\"(tts-s 前多一个空格),与参数表和其它示例不一致,属笔误。本文已更正为 tts-s;引擎代号按字符串精确匹配,带空格可能导致无法切到 TTS-Seed。

异步合成与查询 ​

长文本用 TextToSpeechAsync 提交,ExtParam 写法与同步接口完全一致,返回 TaskId;再用 DescribeTextToSpeechAsyncTask 轮询 Status,完成后从 AudioUrl 取音频。

查询系统音色 ​

用 DescribeVoices(1041/79695)查询 TTS-Seed 可用音色,ExtParam 只需指定引擎:

json
{
  "engine": "tts-s"
}

该接口的 ExtParam 同样是 JSON 字符串形式。它还支持按条件筛选,常用入参:

参数类型说明
VoiceTypeStringsystem 系统音色 / clone 克隆音色 / design 设计音色 / all 全部(默认)
GenderStringmale / female / unknown
AgeStringchild / teenager / youth / middle_aged / senior / unknown
Languages.NArray of String语言
Labels.NArray of String标签
PageNum / PageSizeInteger分页;PageSize 留空则返回全部符合条件的数据

由于 tts-s 不支持克隆,查询时把 VoiceType 设为 system 即可只看系统音色。

限制与注意事项 ​

  • 暂不支持克隆:CloneVoice 不能切到 tts-s,只能使用系统音色。
  • ExtParam 是字符串:请求里必须是转义后的 JSON 字符串,直接塞对象会被判为参数错误。
  • engine 值精确匹配:写 tts-s,前后不要带空格。
  • 默认采样率 16000:音乐类或高保真场景需显式提到 44100 或 48000。
  • 音量取值是开区间 (0, 10]:0 非法,最小值要大于 0。
  • 未列出 model / format / engineCustom:接入指引只给了上表 5 个 synExt 参数,其它参数是否生效以实际调用为准。
  • ⏳ 标记的接口以实际调用为准:本文的 ✅ / ❌ / ⏳ 依据《TTS-S 引擎接入指引》的列举范围,未列出的接口不代表一定不可用。

相关文档 ​

文档说明
MPS 七大 TTS 引擎横向对比七个外部引擎的能力、参数与选型对比
AI 配音MPS 配音能力总览与内置引擎
TTS-ElevenLabs同一套接口的 ElevenLabs 引擎(tts-l1),支持字符级时间戳
TTS-Gemini同一套接口的 Google Gemini-TTS 引擎(tts-gg),用 prompt 控制风格
TTS-MiniMax同一套接口的 MiniMax 引擎(minimax),支持克隆与音色设计
TTS-Fishaudio同一套接口的 Fish Audio 引擎(tts-f),内联情绪标签与零样本克隆
TTS-Index同一套接口的 IndexTTS 引擎(index-tts),VoiceId 直填参考音频 URL,8 维情感向量
TTS-Seedaudio同一套接口的 Seed Audio 引擎(tts-sa),唯一支持图片参考生成,字级时间戳
Quick Start鉴权与签名方法
Media AI – Dubbing APIs官网接口目录

基于 VitePress 构建 · 部署于腾讯云 EdgeOne Pages