语音合成接口

更新时间：2025-06-19

接口说明

新增功能:支持多语言音频合成

接口调用域名：https://open.xiling.baidu.com

接口鉴权和通用字段说明请查阅：接口通用说明

异步任务方式合成语音音频，同步接口和流式接口暂不开放。音频合成需要购买【交互组件-语音合成】组件，操作参考：平台操作指引

接口列表

提交音频合成任务

POST /api/digitalhuman/open/v1/tts/text2audio/submit

Content-Type: application/json;charset=utf-8

请求参数

参数	类型	必填	说明
text	string	是	字符长度不超过 2000。支持 SSML 标签（仅限中文音色），使用说明见SSML使用说明 • 当 lan 参数非'auto'时，请自行确认文本与所选语言是否一致，如不一致合成成功后会导致发音异常。
person	string	是	发音人ID，可用发音人列表参考：公共音色库，或克隆自有音色：音色克隆和查询接口
lan	string	否	注：仅有LITE版克隆音色及公共音色库中的支持多语言的音色支持该参数。 • 支持参数列表：'Chinese', 'Chinese,Yue', 'English', 'Russian', 'Spanish', 'French', 'Portuguese', 'German', 'Turkish', 'Dutch', 'Ukrainian', 'Vietnamese', 'Indonesian', 'Japanese', 'Italian', 'Korean', 'Thai', 'Polish', 'Romanian', 'Greek', 'Czech', 'Finnish', 'Hindi', 'auto'
speed	int	否	语速：5是正常值，0-15的取值范围。越大语速越快，默认值5
volume	int	否	音量：5是正常值，0-15的取值范围，越大音量越大，默认值5
pitch	int	否	音调：5是正常值，0-15的取值范围。越大音调越高，默认值5
outputFormat	string	否	音频输出格式，支持mp3和wav，默认mp3
sampleRate	int	否	输出音频的每秒采样次数，目前只支持16000
callbackUrl	string	否	接口调用方接受任务回调通知的url，规则和接口说明参考任务回调说明，回调消息字段见下面回调参数表格。

返回参数

参数	类型	说明
taskId	string	任务ID，用于调用任务查询接口查询任务状态

错误码

错误码	描述
23002	音色ID不存在
10006	参数校验不通过
50004	余额不足

请求示例

                JavaScript
                
            

                {
    "text":"今天阳光好好呀，适合出去玩",
    "person":"5132",
    "speed":5,
    "volume":5,
    "pitch":5,
    "outputFormat":"mp3",
    "sampleRate":16000
}
            

返回示例

                JavaScript
                
            

                {
    "code": 0,
    "message": {
        "global": "success"
    },
    "result": {
        "taskId": "t2a-xxx"
    },
    "requestId": "a829316c-aa14-42be-839e-d2e432b58cca",
    "success": true
}
            

回调参数

type: AUDIO_GENERATE
data:

参数名	类型	是否必填	描述
taskId	string	是	任务ID
status	string	是	状态： SUCCESS（合成成功） FAILED（合成失败）
failedCode	int	否	失败错误码
failedMessage	string	否	失败错误信息
audioUrl	string	否	音频文件地址，文件会保存 7 天
duration	int	否	音频时长，单位 ms
textTimestamp	Array<Sentence>	是	文本时间戳信息
-- content	string	是	拆分的句子内容
-- startTimestamp	long	是	句子开始时间戳，单位毫秒（ms）
-- endTimestamp	long	是	句子结束时间戳，单位毫秒（ms）

查询音频合成任务状态

GET /api/digitalhuman/open/v1/tts/text2audio/task

请求参数

参数	类型	必填	说明
taskId	string	是	任务ID

返回参数

参数	类型	必填	说明
status	string	是	状态： SUBMIT（已提交待合成） GENERATING（合成中） SUCCESS（合成成功） FAILED（合成失败）
failedCode	int	否	失败错误码，具体见下面表格
failedMessage	string	否	失败错误信息
audioUrl	string	否	音频文件地址，文件会保存 7 天
duration	int	否	音频时长，单位 ms
textTimestamp	Array<Sentence>	是	文本时间戳信息
-- content	string	是	拆分的句子内容
-- startTimestamp	long	是	句子开始时间戳，单位毫秒（ms）
-- endTimestam	long	是	句子结束时间戳，单位毫秒（ms）
createTime	string	是	创建时间，示例：2024-04-29T20:28:06
updateTime	string	是	更新时间，示例：2024-04-29T20:28:06

failedCode 说明

错误码	描述
24001	语音合成服务调用异常
24002	音频编码失败
24010	语音合成任务执行失败

请求示例

Plain

1GET /api/digitalhuman/open/v1/tts/text2audio/task?taskId=t2a-xxx

返回示例

                JavaScript
                
            

                {
    "code": 0,
    "message": {
        "global": "success"
    },
    "result": {
        "taskId": "t2a-xxx",
        "status": "SUCCESS",
        "audioUrl": "https://meta-human-editor-test.bj.bcebos.com/xxxx.mp3",
        "duration": 3110,
        "textTimestamp": [
            {
                "content": "今天阳光好好呀",
                "startTimestamp": 0,
                "endTimestamp": 1720
            },
            {
                "content": "适合出去玩",
                "startTimestamp": 1720,
                "endTimestamp": 3110
            }
        ],
        "createTime": "2025-03-26T14:27:39",
        "updateTime": "2025-03-26T14:28:12"
    },
    "requestId": "010c6b17-7fcd-4a61-9602-e8eeece2602e",
    "success": true
}
            

高级视频合成接口

交互组件接入手册

百度智能云

数字员工-开放平台

数字员工-开放平台

语音合成接口

接口说明

接口列表

提交音频合成任务

请求参数

返回参数

错误码

请求示例

返回示例

回调参数

查询音频合成任务状态

请求参数

返回参数

请求示例

返回示例