IndexTTS2 API接口使用说明文档

本文档为云音工坊 IndexTTS2 系列 API 接口使用说明，核心围绕语音合成与声音克隆两大核心能力，详细梳理全接口调用流程、参数配置、请求示例及返回规范，助力开发者快速对接集成，高效实现文本转语音、自定义音色克隆等功能，适配各类语音交互场景开发需求。

如需在线使用请点击：Index-TTS2 在线语音合成 ，可以使用模式2体验，本接口支持声音的云端克隆，因为用户较多，为缓解服务器存储压力，音色仅保留7天，过期会自动清理音频和音色文件，如果需要实时文件上传克隆可查看《Index-TTS2 同步语音合成 API 接口文档》

IndexTTS2 音色克隆 API 文档

接口概述

IndexTTS2 音色克隆 API 允许用户上传音频文件，生成个性化语音模型。

接口地址

POST /api/v1/indextts2_cloning

注意：本接口克隆音色默认只保留6天，过期自动清理，过期后需要重新克隆！

请求方法

• POST

认证方式

需要在请求头中添加 API 密钥：

Authorization: Bearer YOUR_API_KEY

请求参数

基础参数

音频上传参数（三选一）

1. 文件上传

2. Base64 上传

3. URL 上传

请求示例

文件上传示例

curl -X POST "https://www.yuntts.com/api/v1/indextts2_cloning" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "name=我的音色" \
  -F "description=个性化语音模型" \
  -F "speaker_file=@speaker.mp3"

文件上传示例（包含情感参考音频）

curl -X POST "https://www.yuntts.com/api/v1/indextts2_cloning" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "name=我的音色" \
  -F "description=个性化语音模型" \
  -F "speaker_file=@speaker.mp3" \
  -F "emotion_file=@emotion.mp3"

Base64 上传示例

curl -X POST "https://www.yuntts.com/api/v1/indextts2_cloning" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "name=我的音色" \
  -F "description=个性化语音模型" \
  -F "speaker_file_base64=BASE64_STRING"

Base64 上传示例（包含情感参考音频）

curl -X POST "https://www.yuntts.com/api/v1/indextts2_cloning" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "name=我的音色" \
  -F "description=个性化语音模型" \
  -F "speaker_file_base64=BASE64_STRING" \
  -F "emotion_file_base64=EMOTION_BASE64_STRING"

URL 上传示例

curl -X POST "https://www.yuntts.com/api/v1/indextts2_cloning" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "name=我的音色" \
  -F "description=个性化语音模型" \
  -F "speaker_url=https://example.com/speaker.mp3"

URL 上传示例（包含情感参考音频）

curl -X POST "https://www.yuntts.com/api/v1/indextts2_cloning" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F "name=我的音色" \
  -F "description=个性化语音模型" \
  -F "speaker_url=https://example.com/speaker.mp3" \
  -F "emotion_url=https://example.com/emotion.mp3"

响应格式

成功响应

{
  "code": 200,
  "msg": "上传成功！",
  "id": "uspeech:c73d0681-3ca6-4956-979d-7a4c02ef1bee"
}

错误响应

{
  "code": "error_code",
  "msg": "错误消息",
  "error": {
    "error": {
      "message": "错误详情",
      "type": "error_type",
      "param": "参数名称",
      "code": "error_code"
    }
  }
}

错误码说明

注意事项

1. 音频文件格式必须为 MP3 或 WAV
2. 音频文件大小不超过 20MB
3. 音频时长在 5 到 30 秒之间
4. 每个请求只能使用一种上传方式
5. 情感音频文件是可选的

IndexTTS2 删除音色接口 API 文档

接口概述

IndexTTS2 删除音色 API 允许用户删除已创建的个性化音色模型。

接口地址

POST /api/v1/indextts2_delete

请求方法

• POST

认证方式

需要在请求头中添加 API 密钥：

Authorization: Bearer YOUR_API_KEY

请求参数

请求示例

curl -X POST "https://www.yuntts.com/api/v1/indextts2_delete" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"voice_id": "uspeech:c73d0681-3ca6-4956-979d-7a4c02ef1bee"}'

响应格式

成功响应

{
  "code": 200,
  "msg": "删除成功！"
}

错误响应

{
  "code": "error_code",
  "msg": "错误消息",
  "error": {
    "error": {
      "message": "错误详情",
      "type": "error_type",
      "param": "参数名称",
      "code": "error_code"
    }
  }
}

错误码说明

注意事项

1. 音色 ID 是创建音色时返回的唯一标识符
2. 删除音色后，该音色将无法恢复
3. 只能删除用户自己创建的音色

IndexTTS2 查询音色接口 API 文档

接口概述

IndexTTS 查询音色 API 允许用户查询已创建的个性化音色模型列表。

接口地址

POST /api/v1/indextts_query

请求方法

• POST

认证方式

需要在请求头中添加 API 密钥：

Authorization: Bearer YOUR_API_KEY

请求参数

无额外请求参数，请求体为一个空的 JSON 对象：{}

请求示例

curl -X POST "https://www.yuntts.com/api/v1/indextts_query" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{}'

响应格式

成功响应

{
    "code": 200,
    "message": "查询成功！",
    "data": {
        "code": 0,
        "list": [
            {
                "id": "uspeech:fb00d8bd-5ec3-42da-821a-460ab71e5efc",
                "name": "测试名称",
                "description": "测试描述",
                "model": "IndexTeam/IndexTTS-2",
                "audio_url": "https://www.yuntts.com/wp-content/uploads/audio-tts/moren.mp3",
                "avatar_url": "https://www.yuntts.com/wp-content/uploads/avatar-tss/ai.webp",
                "created_at": "2026-04-16 23:44:18",
                "updated_at": "2026-04-16 23:44:18"
            }
        ],
        "total_voices": 1
    }
}

错误响应

{
  "code": "error_code",
  "msg": "错误消息",
  "error": {
    "error": {
      "message": "错误详情",
      "type": "error_type",
      "param": "参数名称",
      "code": "error_code"
    }
  }
}

错误码说明

注意事项

1. 该接口返回用户所有已创建的个性化音色
2. 每个音色包含 ID、名称、描述和创建时间等信息
3. 确保 API 密钥有效且具有查询权限

IndexTTS2 合成音频接口 API 文档

接口概述

IndexTTS2 合成音频 API 允许用户使用个性化或公共音色生成高质量的语音合成音频。支持多种情感控制方式和高级参数设置。

接口地址

POST /api/v1/indextts2_generate

请求方法

• POST

认证方式

需要在请求头中添加 API 密钥：

Authorization: Bearer YOUR_API_KEY

请求参数

与 indextts2_infer（上传音频合成）的区别：本接口使用已克隆的音色 ID（voice），无需每次上传参考音频。

Body（application/json）

四种模式请求示例

模式一：基础合成（无情感控制）

{
  "text": "你好，欢迎使用语音合成服务",
  "voice": "jay_klee",
  "interval_silence": 200,
  "max_text_tokens_per_sentence": 120,
  "emo_random": false,
  "stream_mode": false,
  "emo_control_method": 0
}

emo_control_method 可省略，默认为 0。

模式二：权重情感控制

{
  "text": "今天真是太开心了！",
  "voice": "jay_klee",
  "interval_silence": 200,
  "max_text_tokens_per_sentence": 120,
  "stream_mode": false,
  "emo_control_method": 1,
  "emo_weight": 0.8
}

仅通过 emo_weight 控制情感强度，不需要向量或文本。

模式三：向量情感控制

{
  "text": "这个消息让我感到非常震惊",
  "voice": "jay_klee",
  "interval_silence": 200,
  "max_text_tokens_per_sentence": 120,
  "stream_mode": false,
  "emo_control_method": 2,
  "emo_vec": [0.1, 0.2, 0.0, 0.3, 0.1, 0.0, 0.2, 0.4],
  "emo_weight": 0.6
}

8 维情感向量，仅在 emo_control_method = 2 时生效；所有元素之和不能超过 1.5。

模式四：文本情感控制

{
  "text": "谢谢大家的支持与鼓励",
  "voice": "jay_klee",
  "interval_silence": 200,
  "max_text_tokens_per_sentence": 120,
  "stream_mode": false,
  "emo_control_method": 3,
  "emo_text": "用温柔而感激的语气说",
  "emo_weight": 0.7
}

响应

非流式模式 (stream_mode=false，默认)

成功响应 (200)：

{
  "code": 200,
  "message": "合成成功！",
  "data": {
    "audio_url": "https://example.com/wp-content/uploads/audio/processed/xxx.wav",
    "format": "wav",
    "char_count": 15,
    "cost": 0.0045,
    "balance": 9.8
  }
}

流式模式 (stream_mode=true)

流式响应头：

Content-Type: audio/wav
Content-Disposition: inline
X-Accel-Buffering: no

错误响应

{
  "code": 400,
  "error": "empty_text",
  "message": "请输入要合成的文本！"
}

常见错误码

注意事项

1. 文本内容长度建议不超过 600 字符
2. 选择基于情绪音频的控制方式时，需要在克隆阶段上传了情绪参考音频
3. 情感向量总和不能超过 1.5，否则会返回错误
4. 音色 ID 可以通过查询音色接口获取
5. 确保 API 密钥有效且具有合成权限
6. 字符统计规则：去空白字符后，汉字计2字符，其他字符计1字符
7. 计费逻辑：字符成本 = 字符数 × 字符兑换比例 × 用户类型折扣，最低扣费0.01元
8. 计费完整文档请查看《IndexTTS2 API接口使用字符计费说明》