Index-TTS2 同步语音合成 API 接口文档

接口概述

接口信息

• 接口地址: https://www.yuntts.com/api/v1/indextts2_infer
• 请求方法: POST
• 认证方式: Authorization: Bearer <API_KEY>
• Content-Type: multipart/form-data

请求参数

情绪向量维度说明

情绪向量包含 8 个维度，顺序如下：

1. 高兴 - 表示愉快、快乐的情绪
2. 生气 - 表示愤怒、恼火的情绪
3. 悲伤 - 表示难过、悲伤的情绪
4. 害怕 - 表示恐惧、害怕的情绪
5. 厌恶 - 表示讨厌、厌恶的情绪
6. 忧郁 - 表示忧郁、消沉的情绪
7. 惊讶 - 表示惊讶、震惊的情绪
8. 平静 - 表示平静、安宁的情绪

每个维度的值范围为 [0, 1.2]，且所有维度的值相加不能大于 1.5。

请求示例

使用 cURL 发送请求

案例1：无情感参考 (emo_control_method=0)

curl -X POST "https://www.yuntts.com/api/v1/indextts2_infer" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "input=你好，欢迎使用 Index-TTS2 语音合成服务" \
  -F "response_format=mp3" \
  -F "speed=1.0" \
  -F "emo_control_method=0" \
  -F "spk_audio_file=@speaker.wav"

案例2：基于情绪音频 (emo_control_method=1)

curl -X POST "https://www.yuntts.com/api/v1/indextts2_infer" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "input=你好，欢迎使用 Index-TTS2 语音合成服务" \
  -F "response_format=mp3" \
  -F "speed=1.0" \
  -F "emo_control_method=1" \
  -F "emo_weight=0.6" \
  -F "spk_audio_file=@speaker.wav" \
  -F "emo_audio_file=@emotion.wav"

案例3：基于情绪向量 (emo_control_method=2)

curl -X POST "https://www.yuntts.com/api/v1/indextts2_infer" 
  -H "Authorization: Bearer YOUR_API_KEY" 
  -F "input=你好，欢迎使用 Index-TTS2 语音合成服务" 
  -F "response_format=mp3" 
  -F "speed=1.0" 
  -F "emo_control_method=2" 
  -F "emo_vec=[0.8, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.2]" 
  -F "emo_weight=0.6" 
  -F "spk_audio_file=@speaker.wav"

案例4：基于情绪文本 (emo_control_method=3)

curl -X POST "https://www.yuntts.com/api/v1/indextts2_infer" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "input=你好，欢迎使用 Index-TTS2 语音合成服务" \
  -F "response_format=mp3" \
  -F "speed=1.0" \
  -F "emo_control_method=2" \
  -F "emo_vec=[0.8, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.2]" \
  -F "emo_weight=0.6" \
  -F "spk_audio_file=@speaker.wav"

使用 JavaScript 发送请求

// 构建表单数据
const formData = new FormData();
formData.append('input', '你好，欢迎使用 Index-TTS2 语音合成服务');
formData.append('response_format', 'mp3');
formData.append('speed', '1.0');
formData.append('emo_control_method', '2');
formData.append('emo_vec', JSON.stringify([0.8, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.2]));
formData.append('emo_weight', '0.6');
formData.append('spk_audio_file', spkAudioFile); // spkAudioFile 是从文件输入获取的文件对象

// 发送请求
const response = await fetch('https://www.yuntts.com/api/v1/indextts2_infer', {
  method: 'POST',
  headers: {
    'Authorization': 'Bearer YOUR_API_KEY'
  },
  body: formData
});

// 解析响应
const data = await response.json();
if (response.ok) {
  console.log('合成成功:', data);
  console.log('音频URL:', data.data.audio_url);
} else {
  console.error('合成失败:', data.message);
}

使用 Python 发送请求 (基于情绪文本)

import requests

url = "https://www.yuntts.com/api/v1/indextts2_infer"
headers = {
    "Authorization": "Bearer YOUR_API_KEY"
}

# 准备表单数据
data = {
    "input": "你好，欢迎使用 Index-TTS2 语音合成服务",
    "response_format": "mp3",
    "speed": "1.0",
    "emo_control_method": "3",
    "emo_text": "开心",
    "emo_weight": "0.6"
}

# 准备文件数据
files = {
    "spk_audio_file": open("speaker.wav", "rb")
}

# 发送请求
response = requests.post(url, headers=headers, data=data, files=files)

# 处理响应
if response.status_code == 200:
    result = response.json()
    print("合成成功!")
    print(f"音频URL: {result['data']['audio_url']}")
else:
    result = response.json()
    print(f"合成失败: {result['message']}")

# 关闭文件
files["spk_audio_file"].close()

响应格式

成功响应

流式输出: 启用后直接返回音频二进制数据，禁用后返回 JSON 响应

{
  "code": 200,
  "message": "合成成功！",
  "data": {
    "audio_url": "https://www.yuntts.com/wp-content/uploads/audio/processed/indextts_infer_5e8f9a_1678901234.mp3",
    "format": "mp3",
    "char_count": 15,
    "points_deducted": 0.01
  }
}

失败响应

{
  "code": 400,
  "message": "情绪向量无效：必须包含8个维度",
  "data": null
}

错误码说明

注意事项

1. API密钥：请妥善保管您的API密钥，不要在前端代码中暴露。
2. 文件大小：说话人音色参考音频最大 20MB，情感参考音频最大 10MB。
3. 文本长度：单次合成文本建议不超过 600 字符。
4. 情绪向量：确保提供的情绪向量包含 8 个维度，且每个维度的值在有效范围内。
5. 情感音频：当情绪控制方式为 1 时，必须提供情感参考音频。
6. 流式输出：默认启用流式输出，可实时返回音频流。

计费说明

• 计费单位：按合成文本的字符数计费
• 计费规则：根据用户类型应用不同折扣
• 最低扣费：0.01 元
• 字符计算：汉字按 2 个字符计算，其他字符按 1 个字符计算

示例应用场景

1. 个性化语音合成：上传说话人音色参考音频，生成具有个人特色的语音。
2. 情感语音合成：通过情绪向量或情感参考音频，生成具有特定情感的语音。
3. 多媒体内容制作：为视频、动画等多媒体内容生成配音。
4. 智能助手：为智能助手添加个性化的语音回应。

联系我们

如果您在使用过程中遇到任何问题，请联系我们的技术支持团队：

• 微信：yuntts
• 官网：https://www.yuntts.com