接口描述

通过HTTP请求，将短文本文本合成语音音频。采用 application/json 请求，合成成功返回二进制音频流，失败返回 JSON 错误信息。

请求说明

语音合成接口支持POST请求方式。

请求地址：https://aip.baidubce.com/rest/2.0/speech/publiccloudspeech/v1/tts

Content-Type：application/json

• 请求标识 sn（可选）：通过 query 参数传入，用于问题排查；不传则由服务端自动生成，并在失败响应中回传。
• 请求体大小：不超过 64KB，文本不超过120 GBK字节，即约60个汉字或者字母数字记为1次请求。每超过120个GBK字节则多记1次计费调用。

如需合成更长文本，推荐使用长文本在线合成。长文本在线合成可将10万字以内文本一次性合成，异步返回音频。支持多种优质音库，将超长文本快速转换 成稳定流畅、饱满真实的音频。适用于阅读听书、新闻播报等客户。

鉴权参数

以下两种方式任选其一，均未提供时返回鉴权失败（错误码 100020）

Body参数

format 与 sample_rate 支持的组合

若传输的组合不在上表中（如 mp3+8000、wav+8000），接口将返回参数错误。

metadata 说明

• 两个字段都不传：不添加任何元数据标识。
• 同时传入 ContentPropagator 与 PropagateID：音频中将写入 AIGC 元数据标识（仅 mp3 格式生效）。
• 只传其中一个无效，需成对传入。

请求示例

1curl -X POST \
2  'https://<host>/rest/2.0/speech/publiccloudspeech/v1/tts?access_token=<ACCESS_TOKEN>' \
3  -H 'Content-Type: application/json' \
4  -d '{
5    "text": "百度你好，这里是短文本语音合成接口",
6    "voice": "5003",
7    "lang": "zh",
8    "format": "mp3",
9    "sample_rate": 16000,
10    "speed": 1,
11    "pitch": 0,
12    "volume": 1,
13    "emotion": "neutral",
14    "metadata": {
15      "ContentPropagator": "xxxxx",
16      "PropagateID": "xxxxx"
17    }
18  }'

返回说明

需要根据 Content-Type的头部来确定是否服务端合成成功。

合成成功

若合成成功，返回二进制音频流，Content-Type 按 format / sample_rate 返回：

• 返回为二进制mp3文件，具体header信息 Content-Type: audio/mp3；
• 返回为二进制pcm（16k/24k）文件，具体header信息 Content-Type:audio/basic;codec=pcm;rate=16000/24000;channel=1
• 返回为二进制pcm（8k）文件，具体header信息 Content-Type:audio/basic;codec=pcm;rate=8000;channel=1
• 返回为二进制wav文件，具体header信息 Content-Type: audio/wav；

合成失败

若合成失败，HTTP 状态码固定返回 200，错误信息由响应 body 的 code 表示，Content-Type: application/json：

1{
2  "code": 100002,
3  "message": "Invalid parameter.",
4  "sn": "49a6b25b-6e2a-11ec-xxxx"
5}

• code / message：错误码与描述（见下表）。
• sn：请求唯一标识，便于排查。

错误码