前言说明

在人工智能语音技术的应用场景中， 语音合成服务以其自然的发音效果和多语言支持备受关注。然而，由于微软官方接口需绑定国外信用卡进行认证，这一限制为国内用户的接入设置了较高门槛，导致许多企业和开发者无法便捷地使用该服务。

为解决这一痛点，我们凭借技术积累与行业经验，自主研发了一套微软 TTS 文本转语音 API 接口。通过深度集成微软语音合成能力，我们将服务进行本地化适配，用户无需直接对接海外平台，仅需通过我们提供的 API 接口，即可快速实现文本转语音功能。此举不仅规避了国外信用卡认证的壁垒，还保留了微软语音的高保真音质与自然流畅度，支持中文及多语言合成、自定义语速 / 音调、SSML 标记语言等核心特性。

无论您是需要为应用添加语音播报功能的开发者，还是希望提升内容传播效率的企业用户，我们的 API 接口均能提供稳定、高效的语音合成服务。通过简化接入流程、降低使用门槛，我们致力于让更多国内用户享受到前沿语音技术的红利，助力智能交互场景的落地与创新。

使用说明

接口地址

https://www.yuntts.com/api/v1//azure   （支持 GET 和 POST）

请求头

Content-Type: application/json
Authorization: Bearer API-KEY  // API密钥

注意：秘钥请登录后前往 https://www.yuntts.com/user/api/ 生成，接口秘钥支持访问本站所有接口服务！

请求参数

{
    "text": "让配音达到自然流畅境界！多种调音功能助你打造精品配音！",
    "ssml": false,
    "cache": true,
    "language": "zh-CN",
    "voice": "zh-CN-XiaoxiaoNeural",
    "style": "general",
    "role": "null",
    "styledegree": 1,
    "rate": 0,
    "pitch": 0,
    "volume": 100,
    "audioformat": "audio-16khz-128kbitrate-mono-mp3",
    "backgroundaudio": "",
    "backgroundaudio_volume": 100,
    "fadein": 0,
    "fadeout": 0
}

请求参数说明

参数名 说明 格式说明 默认值 是否可选
language 语音参数 语音 zh-CN 否
voice 角色 zh-CN-XiaoxiaoNeural 无 是
text 文本内容 - 无 是
style 风格 - general 否
role 讲话角色扮演 - null 否
rate 语速 范围从 -50 到 +100 0 否
pitch 音调 范围从 -50 到 +100 0 否
volume 音量 范围从 0 到 100 100 否
styledegree 感情强度 接受值的范围为：0.01 到 2 1 否
backgroundaudio 背景音乐 音频地址 无 否
backgroundvolume 背景音乐音量 整数，范围从 0 到 100。 100 否
fadein 淡入时间 接受的值：0 到 10000，字符串格式，表示时间（毫秒）。 3000 否
fadeout 淡出时间 接受的值：0 到 10000，字符串格式，表示时间（毫秒）。 4000 否
cache 是否缓存 布尔值，true 或 false。 true 否
ssml 是否启用 ssml 合成 布尔值，true 或 false。 false 否
audioformat 音频格式 - audio-16khz-128kbitrate-mono-mp3 否

返回参数

非流式返回

{
    "code": 200,
    "msg": "合成成功",
    "audio_url": "https://www.yuntts.com/wp-content/uploads/2025/05/682ad63e4b927_1747637822.mp3",
    "format": "mp3",
    "characters_used": 52,
    "price": 0.01,
    "quota_remaining": 184.4315
}

流式返回

{
    "code": 200,
    "msg": "合成成功",
    "audio_data": "base64编码的音频数据",
    "format": "mp3",
    "characters_used": 52,
    "price": 0.01,
    "quota_remaining": 184.4115
}

错误说明

 

参考代码

<!DOCTYPE html>
<html lang="zh-CN">

<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Azure TTS 前端页面</title>
    <link href="https://cdn.bootcdn.net/ajax/libs/twitter-bootstrap/5.3.3/css/bootstrap.min.css" rel="stylesheet">
</head>

<body>
    <div class="container mt-4">
        <div class="row">
            <div class="col-md-8">
                <div class="mb-3">
                    <button type="button" class="btn btn-primary" data-bs-toggle="modal" data-bs-target="#backgroundAudioModal">
                        选择背景音乐
                    </button>
                </div>
                <div class="mb-3">
                    <label for="textInput" class="form-label">文本输入</label>
                    <textarea class="form-control" id="textInput" rows="25"></textarea>
                </div>
                <div class="d-flex justify-content-end gap-3">
                    <div class="form-check form-switch">
                        <input class="form-check-input" type="checkbox" id="ssmlSwitch">
                        <label class="form-check-label" for="ssmlSwitch">是否启用SSML合成</label>
                    </div>
                    <div class="form-check form-switch">
                        <input class="form-check-input" type="checkbox" id="cacheSwitch" checked>
                        <label class="form-check-label" for="cacheSwitch">是否缓存</label>
                    </div>
                </div>
            </div>
            <div class="col-md-4">
                <div class="mb-3">
                    <label for="languageSelect" class="form-label">语言</label>
                    <select class="form-select" id="languageSelect">
                        <option value="zh-CN">zh-CN</option>
                    </select>
                </div>
                <div class="mb-3">
                    <label for="voiceSelect" class="form-label">角色</label>
                    <select class="form-select" id="voiceSelect">
                        <option value="zh-CN-XiaoxiaoNeural">zh-CN-XiaoxiaoNeural</option>
                    </select>
                </div>
                <div class="mb-3">
                    <label for="styleSelect" class="form-label">风格</label>
                    <select class="form-select" id="styleSelect">
                        <option value="general">默认风格</option>
                    </select>
                </div>
                <div class="mb-3">
                    <label for="roleInput" class="form-label">讲话角色扮演</label>
                    <select class="form-select" id="roleInput">
                        <option value="null">默认风格</option>
                    </select>
                </div>
                <div class="mb-3">
                    <label for="audioFormatSelect" class="form-label">音频格式</label>
                    <select class="form-select" id="audioFormatSelect">
                        <option value="audio-16khz-128kbitrate-mono-mp3">audio-16khz-128kbitrate-mono-mp3</option>
                    </select>
                </div>
                <div class="mb-3">
                    <label for="styleDegreeRange" class="form-label">风格强度</label>
                    <div class="d-flex align-items-center">
                        <input type="range" class="form-range" id="styleDegreeRange" min="0.01" max="2" step="0.01" value="1">
                        <span class="ms-2" id="styleDegreeValue">1</span>
                    </div>
                </div>
                <div class="mb-3">
                    <label for="rateRange" class="form-label">语速</label>
                    <div class="d-flex align-items-center">
                        <input type="range" class="form-range" id="rateRange" min="-50" max="+100" step="1" value="0">
                        <span class="ms-2" id="rateValue">0</span>
                    </div>
                </div>
                <div class="mb-3">
                    <label for="pitchRange" class="form-label">音调</label>
                    <div class="d-flex align-items-center">
                        <input type="range" class="form-range" id="pitchRange" min="-50" max="+100" step="1" value="0">
                        <span class="ms-2" id="pitchValue">0</span>
                    </div>
                </div>
                <div class="mb-3">
                    <label for="volumeRange" class="form-label">音量</label>
                    <div class="d-flex align-items-center">
                        <input type="range" class="form-range" id="volumeRange" min="0.0" max="100.0" step="5" value="100">
                        <span class="ms-2" id="volumeValue">100</span>
                    </div>
                </div>
                <div class="d-flex flex-wrap gap-2">
                    <button type="button" class="btn btn-primary flex-grow-1" id="submitBtn">开始合成 <span class="spinner-border spinner-border-sm" role="status" aria-hidden="true" style="display: none;"></span></button>
                    <button type="button" class="btn btn-success flex-grow-1" id="playBtn">播放音频 <span class="spinner-border spinner-border-sm" role="status" aria-hidden="true" style="display: none;"></span></button>
                    <button type="button" class="btn btn-warning flex-grow-1" id="downloadBtn">下载音频 <span class="spinner-border spinner-border-sm" role="status" aria-hidden="true" style="display: none;"></span></button>
                </div>
            </div>
            <div class="modal fade" id="backgroundAudioModal" tabindex="-1" aria-labelledby="backgroundAudioModalLabel" aria-hidden="true">
                <div class="modal-dialog">
                    <div class="modal-content">
                        <div class="modal-header">
                            <h5 class="modal-title" id="backgroundAudioModalLabel">选择背景音乐</h5>
                            <button type="button" class="btn-close" data-bs-dismiss="modal" aria-label="Close"></button>
                        </div>
                        <div class="modal-body">
                            <div class="mb-3">
                                <label for="backgroundAudioUrl" class="form-label">背景音乐URL</label>
                                <input type="text" class="form-control" id="backgroundAudioUrl">
                            </div>
                            <div class="mb-3">
                                <label for="backgroundAudioVolume" class="form-label">音量</label>
                                <input type="number" class="form-control" id="backgroundAudioVolume" min="0" max="100" value="100">
                            </div>
                            <div class="mb-3">
                                <label for="fadeIn" class="form-label">淡入时间(毫秒)</label>
                                <input type="number" class="form-control" id="fadeIn" min="0" max="10000" value="0">
                            </div>
                            <div class="mb-3">
                                <label for="fadeOut" class="form-label">淡出时间(毫秒)</label>
                                <input type="number" class="form-control" id="fadeOut" min="0" max="10000" value="0">
                            </div>
                        </div>
                        <div class="modal-footer">
                            <button type="button" class="btn btn-secondary" data-bs-dismiss="modal">关闭</button>
                            <button type="button" class="btn btn-primary" id="confirmAudioBtn">确认选择</button>
                        </div>
                    </div>
                </div>
            </div>
        </div>
    </div>
    <script src="https://cdn.bootcdn.net/ajax/libs/twitter-bootstrap/5.3.3/js/bootstrap.bundle.min.js"></script>
    <script>
        function updateSliderValue(elementId, displayId) {
            document.getElementById(elementId).addEventListener('input', function () {
                document.getElementById(displayId).textContent = this.value;
            });
        }

        updateSliderValue('rateRange', 'rateValue');
        updateSliderValue('pitchRange', 'pitchValue');
        updateSliderValue('volumeRange', 'volumeValue');
        updateSliderValue('styleDegreeRange', 'styleDegreeValue');

        function convertToHttps(url) {
            return url;
        }

        document.addEventListener('DOMContentLoaded', function () {
            document.getElementById('playBtn').disabled = true;
            document.getElementById('downloadBtn').disabled = true;
            document.getElementById('rateValue').textContent = document.getElementById('rateRange').value;
            document.getElementById('pitchValue').textContent = document.getElementById('pitchRange').value;
        });

        function sendRequest() {
            document.getElementById('submitBtn').disabled = true;
            document.getElementById('submitBtn').querySelector('.spinner-border').style.display = 'inline-block';

            const data = {
                text: document.getElementById('textInput').value,
                ssml: document.getElementById('ssmlSwitch').checked,
                cache: document.getElementById('cacheSwitch').checked,
                language: document.getElementById('languageSelect').value,
                voice: document.getElementById('voiceSelect').value,
                style: document.getElementById('styleSelect').value,
                role: document.getElementById('roleInput').value,
                styledegree: parseFloat(document.getElementById('styleDegreeRange').value),
                rate: parseFloat(document.getElementById('rateRange').value),
                pitch: parseFloat(document.getElementById('pitchRange').value),
                volume: parseInt(document.getElementById('volumeRange').value),
                audioformat: document.getElementById('audioFormatSelect').value,
                backgroundaudio: document.getElementById('backgroundAudioUrl').value,
                backgroundaudio_volume: parseInt(document.getElementById('backgroundAudioVolume').value),
                fadein: parseInt(document.getElementById('fadeIn').value),
                fadeout: parseInt(document.getElementById('fadeOut').value)
            };
            console.log('即将发送的请求数据:', data);
            fetch('https://www.yuntts.com/api/v1//azure', {
                method: 'POST',
                headers: {
                    'Content-Type': 'application/json',
                    'Authorization': `Bearer 68985a242e655fb2d0194dfb478f1f76`
                },
                body: JSON.stringify(data)
            })
            .then(response => {
                if (response.headers.get('Content-Type').includes('audio/mpeg')) {
                    return response.blob();
                } else {
                    return response.json();
                }
            })
            .then(data => {
                console.log('请求返回的数据:', data);
                let audioUrl;

                if (data.code === 200 && data.audio_url) {
                    audioUrl = convertToHttps(data.audio_url);
                } else if (data instanceof Blob) {
                    audioUrl = window.URL.createObjectURL(data);
                }

                if (audioUrl) {
                    let audioElement = document.getElementById('generatedAudio');
                    if (!audioElement) {
                        audioElement = document.createElement('audio');
                        audioElement.id = 'generatedAudio';
                        audioElement.style.display = 'none';
                        document.body.appendChild(audioElement);
                    }
                    audioElement.src = audioUrl;

                    document.getElementById('playBtn').disabled = false;
                    document.getElementById('downloadBtn').disabled = false;
                }

                document.getElementById('submitBtn').disabled = false;
                document.getElementById('submitBtn').querySelector('.spinner-border').style.display = 'none';
            })
            .catch(error => {
                console.error('请求出错:', error);
                document.getElementById('submitBtn').disabled = false;
                document.getElementById('submitBtn').querySelector('.spinner-border').style.display = 'none';
            });
        }

        document.getElementById('playBtn').addEventListener('click', function () {
            const audioElement = document.getElementById('generatedAudio');
            if (audioElement && audioElement.src) {
                this.querySelector('.spinner-border').style.display = 'inline-block';
                this.disabled = true;

                audioElement.play().then(() => {
                    this.querySelector('.spinner-border').style.display = 'none';
                    this.disabled = false;
                }).catch(error => {
                    console.error('播放音频失败:', error);
                    this.querySelector('.spinner-border').style.display = 'none';
                    this.disabled = false;
                });
            } else {
                alert('请先合成音频');
            }
        });

        document.getElementById('downloadBtn').addEventListener('click', function () {
            const audioElement = document.getElementById('generatedAudio');
            if (audioElement && audioElement.src) {
                this.querySelector('.spinner-border').style.display = 'inline-block';
                this.disabled = true;

                const a = document.createElement('a');
                a.href = audioElement.src;
                a.download = 'output.mp3';
                a.click();

                setTimeout(() => {
                    this.querySelector('.spinner-border').style.display = 'none';
                    this.disabled = false;
                }, 500);
            } else {
                alert('请先合成音频');
            }
        });

        document.getElementById('confirmAudioBtn').addEventListener('click', function () {
            const modal = new bootstrap.Modal(document.getElementById('backgroundAudioModal'));
            modal.hide();
        });

        document.getElementById('submitBtn').addEventListener('click', sendRequest);
    </script>
</body>

</html>

 

定价说明

定价请参考《关于语音工坊各项服务计费总览》，如果合成字符数量过少（如10个字符×单价0.00031834=0.00382008）最终计算扣除费用不满0.01时按0.01算！

官方文档

使用 SSML 来自定义语音和声音

语音合成标记语言 (SSML) 的语音和声音

语音角色(name)属性

语言支持 - 语音服务

其他说明

讲话风格

感情风格（style ）属性说话风格（role ）属性
Style 说明
style="advertisement_upbeat" 用兴奋和精力充沛的语气推广产品或服务。
style="affectionate" 以较高的音调和音量表达温暖而亲切的语气。 说话者处于吸引听众注意力的状态。 说话者的个性往往是讨喜的。
style="angry" 表达生气和厌恶的语气。
style="assistant" 数字助理用的是热情而轻松的语气。
style="calm" 以沉着冷静的态度说话。 语气、音调和韵律与其他语音类型相比要统一得多。
style="chat" 表达轻松随意的语气。
style="cheerful" 表达积极愉快的语气。
style="customerservice" 以友好热情的语气为客户提供支持。
style="depressed" 调低音调和音量来表达忧郁、沮丧的语气。
style="disgruntled" 表达轻蔑和抱怨的语气。 这种情绪的语音表现出不悦和蔑视。
style="documentary-narration" 用一种轻松、感兴趣和信息丰富的风格讲述纪录片，适合纪录片、专家评论和类似内容。
style="embarrassed" 在说话者感到不舒适时表达不确定、犹豫的语气。
style="empathetic" 表达关心和理解。
style="envious" 当你渴望别人拥有的东西时，表达一种钦佩的语气。
style="excited" 表达乐观和充满希望的语气。 似乎发生了一些美好的事情，说话人对此满意。
style="fearful" 以较高的音调、较高的音量和较快的语速来表达恐惧、紧张的语气。 说话人处于紧张和不安的状态。
style="friendly" 表达一种愉快、怡人且温暖的语气。 听起来很真诚且满怀关切。
style="gentle" 以较低的音调和音量表达温和、礼貌和愉快的语气。
style="hopeful" 表达一种温暖且渴望的语气。 听起来像是会有好事发生在说话人身上。
style="lyrical" 以优美又带感伤的方式表达情感。
style="narration-professional" 以专业、客观的语气朗读内容。
style="narration-relaxed" 为内容阅读表达一种舒缓而悦耳的语气。
style="newscast" 以正式专业的语气叙述新闻。
style="newscast-casual" 以通用、随意的语气发布一般新闻。
style="newscast-formal" 以正式、自信和权威的语气发布新闻。
style="poetry-reading" 在读诗时表达出带情感和节奏的语气。
style="sad" 表达悲伤语气。
style="serious" 表达严肃和命令的语气。 说话者的声音通常比较僵硬，节奏也不那么轻松。
style="shouting" 表达一种听起来好像声音在远处或在另一个地方的语气，努力让别人听清楚。
style="sports_commentary" 表达一种既轻松又感兴趣的语气，用于播报体育赛事。
style="sports_commentary_excited" 用快速且充满活力的语气播报体育赛事精彩瞬间。
style="whispering" 表达一种柔和的语气，试图发出安静而柔和的声音。
style="terrified" 表达一种害怕的语气，语速快且声音颤抖。 听起来说话人处于不稳定的疯狂状态。
style="unfriendly" 表达一种冷淡无情的语气。
角色 说明
role="Girl" 声音模仿女孩。
role="Boy" 声音模仿男孩。
role="YoungAdultFemale" 声音模仿年轻的成年女性。
role="YoungAdultMale" 声音模仿年轻的成年男性。
role="OlderAdultFemale" 声音模仿年长的成年女性。
role="OlderAdultMale" 声音模仿年长的成年男性。
role="SeniorFemale" 声音模仿年老女性。
role="SeniorMale" 声音模仿年老男性。

背景音频

属性 说明 必需还是可选
src 背景音频文件的 URI 位置。 必需
volume 背景音频文件的音量。 接受的值：0 到 100（含）。 默认值为 1。 可选
fadein 背景音频淡入的持续时间，以毫秒为单位。 默认值为 0，即，不淡入。 接受的值：0 到 10000（含）。 可选
fadeout 背景音频淡出的持续时间，以毫秒为单位。 默认值为 0，即，不淡出。接受的值：0 到 10000（含）。 可选

音频格格式

流式处理选非流式处理
amr-wb-16000hz
audio-16khz-16bit-32kbps-mono-opus
audio-16khz-32kbitrate-mono-mp3
audio-16khz-64kbitrate-mono-mp3
audio-16khz-128kbitrate-mono-mp3
audio-24khz-16bit-24kbps-mono-opus
audio-24khz-16bit-48kbps-mono-opus
audio-24khz-48kbitrate-mono-mp3
audio-24khz-96kbitrate-mono-mp3
audio-24khz-160kbitrate-mono-mp3
audio-48khz-96kbitrate-mono-mp3
audio-48khz-192kbitrate-mono-mp3
g722-16khz-64kbps
ogg-16khz-16bit-mono-opus
ogg-24khz-16bit-mono-opus
ogg-48khz-16bit-mono-opus
raw-8khz-8bit-mono-alaw
raw-8khz-8bit-mono-mulaw
raw-8khz-16bit-mono-pcm
raw-16khz-16bit-mono-pcm
raw-16khz-16bit-mono-truesilk
raw-22050hz-16bit-mono-pcm
raw-24khz-16bit-mono-pcm
raw-24khz-16bit-mono-truesilk
raw-44100hz-16bit-mono-pcm
raw-48khz-16bit-mono-pcm
webm-16khz-16bit-mono-opus
webm-24khz-16bit-24kbps-mono-opus
webm-24khz-16bit-mono-opus
riff-8khz-8bit-mono-alaw
riff-8khz-8bit-mono-mulaw
riff-8khz-16bit-mono-pcm
riff-22050hz-16bit-mono-pcm
riff-24khz-16bit-mono-pcm
riff-44100hz-16bit-mono-pcm
riff-48khz-16bit-mono-pcm

更多关于音频格式的说明请查看音频格式全解析：编码、采样率与封装格式的深度剖析

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。