TTS-Seed
本文整理 MPS 上调用 TTS-Seed 语音合成的接口用法。TTS-Seed 在 MPS 里以引擎代号 tts-s 接入:接口、鉴权、计费、任务查询、存储全部沿用 MPS 既有的语音合成接口,只在扩展参数 ExtParam 里写 "engine": "tts-s" 切到 TTS-Seed,再按需带上情绪、语速等参数。
TTS-Seed 的特点是情绪 / 风格取值最丰富:emotion 一共 24 种,除了开心、悲伤这类基础情绪,还包含讲故事、情感电台、新闻播报、广告营销、ASMR 低语等场景化播报风格。
暂不支持音色克隆
《TTS-S 引擎接入指引》明确:tts-s 暂不支持克隆。只能使用系统音色,VoiceId 从 DescribeVoices 查询得到。
与其它引擎怎么选
- 要场景化播报风格(新闻、广告、讲故事、电台、ASMR…)→ 本文
- 要逐字时间戳做卡拉 OK 字幕 → TTS-ElevenLabs
- 要用一句自然语言描述口音语气 → TTS-Gemini
- 要克隆 + 音色设计、音调独立调节 → TTS-MiniMax
- 要自定义情绪标签,或不建音色就做克隆 → TTS-Fishaudio
七个引擎的完整对比见 MPS 七大 TTS 引擎横向对比。
接口与官网文档
以下接口均属于 MPS「Media AI – Dubbing APIs」,官网接口地址统一在腾讯云国际站 Media AI – Dubbing APIs 目录下。
支持 tts-s 的接口
《TTS-S 引擎接入指引》列出以下 4 个接口可通过 ExtParam.engine 切到 TTS-Seed:
| 接口 | 作用 | 调用方式 | 官网接口地址 |
|---|---|---|---|
TextToSpeech | 短文本转语音,直接返回音频 | 同步 | 1041/82311 |
TextToSpeechAsync | 长文本转语音,返回 TaskId | 异步 | 1041/79693 |
DescribeTextToSpeechAsyncTask | 查询异步合成结果(Status / AudioUrl) | 同步 | 1041/79696 |
DescribeVoices | 查询可用音色(含 TTS-Seed 系统音色) | 同步 | 1041/79695 |
同目录的其它接口
| 接口 | 作用 | 走 tts-s | 官网接口地址 |
|---|---|---|---|
CloneVoice | 用参考音频克隆音色 | ❌ 明确不支持 | 1041/82312 |
DesignVoiceAsync / DescribeDesignTask | 用文字描述设计新音色 / 查询结果 | ⏳ 接入指引未列出 | 1041/79694 / 1041/79598 |
UpdateVoice / DeleteVoice | 修改 / 删除克隆或设计的音色 | ⏳ 接入指引未列出 | 1041/81214 / 1041/81215 |
ChangeVoice | 音色转换 | ⏳ 接入指引未列出 | 1041/83750 |
SyncDubbing | 早期合一接口(克隆或合成) | ⏳ 接入指引未列出 | 1041/77775 |
❌ = 接入指引明确不支持;⏳ = 接入指引未提及,是否可切到 TTS-Seed 以实际调用为准。
公共约定:
- 版本号
2019-06-12;接入域名国际站mps.intl.tencentcloudapi.com(中国站mps.tencentcloudapi.com)。 - 鉴权统一 TC3-HMAC-SHA256(SecretId / SecretKey),签名方法见 Quick Start。
- 每个接口频率上限
20 次/秒。
与其它引擎的能力对比
MPS 上目前有七个外部 TTS 引擎。完整的横向对比(接口覆盖、情绪机制、音频参数、克隆能力、选型建议)见 Blog 里的 MPS 七大 TTS 引擎横向对比 —— 对比表只在那一篇维护,避免各篇口径不一致。
tts-s 在其中的位置:情绪 / 风格枚举最丰富(24 种,含场景化播报风格),也是采样率能选到 48000 的三个引擎之一(另两个是 Gemini 与 Seed Audio);代价是不支持克隆。
引擎切换:ExtParam.engine
MPS 的语音合成接口本身不分引擎,靠 ExtParam 这个 JSON 字符串字段决定由哪个引擎执行。tts-s 用到两层:
| 层级 | 作用 | 说明 |
|---|---|---|
engine | 选引擎 | 本文固定填 tts-s |
synExt.* | MPS 归一化后的合成参数 | 情绪、采样率、时长、语速、音量 |
与其它引擎的差异
《TTS-S 引擎接入指引》只列出了 synExt 下的归一化参数,没有列出 synExt.engineCustom 透传层,也没有 model / format 参数。需要这些能力时请先以实际调用确认。
ExtParam 在请求里是字符串,不是对象——JSON 需要转义后作为字符串传入(见调用示例)。
tts-s 主要参数
| 参数 | 类型 | 必填 | 描述 |
|---|---|---|---|
engine | String | 是 | 填 tts-s |
synExt | Object | 否 | 语音合成扩展参数 |
synExt.emotion | String | 否 | 控制合成语音的情绪 / 风格,见下方情绪取值 |
synExt.sampleRate | Integer | 否 | 采样率,可选 8000、16000、22050、24000、32000、44100、48000,默认 16000 |
synExt.duration | Float | 否 | 指定音频时长 |
synExt.speed | Float | 否 | 语速,取值 [0.5, 2],默认 1.0 |
synExt.vol | Float | 否 | 音量,取值 (0, 10],默认 1.0 |
情绪取值
synExt.emotion 共 24 种,按用途可分为两类:
基础情绪
| 取值 | 含义 | 取值 | 含义 |
|---|---|---|---|
happy | 开心 | sad | 悲伤 |
angry | 生气 | surprised | 惊讶 |
fear | 恐惧 | hate | 厌恶 |
excited | 激动 | coldness | 冷漠 |
neutral | 中性 | depressed | 沮丧 |
lovey-dovey | 撒娇 | shy | 害羞 |
comfort | 安慰鼓励 | tension | 咆哮 / 焦急 |
tender | 温柔 |
场景化播报风格
| 取值 | 含义 | 典型场景 |
|---|---|---|
storytelling | 讲故事 / 自然讲述 | 有声书、儿童故事 |
radio | 情感电台 | 夜间电台、情感类节目 |
magnetic | 磁性 | 男声旁白、品牌宣传 |
advertising | 广告营销 | 商品广告、促销口播 |
vocal-fry | 气泡音 | 个性化人设 |
ASMR | 低语 | 助眠、ASMR 内容 |
news | 新闻播报 | 新闻、资讯类 |
entertainment | 娱乐八卦 | 娱乐资讯、短视频解说 |
dialect | 方言 | 方言内容 |
两个取值的写法以实际调用为准
接入指引原文把气泡音写作 vocal - fry(连字符两侧带空格)、低语写作 ASMR(大写)。本表按常规枚举写法记为 vocal-fry 与 ASMR;若调用报参数错误,请按原文写法 vocal - fry 重试。
情绪对音色的依赖
不同系统音色支持的情绪范围可能不同,建议先用 DescribeVoices 查到音色后,用短文本试几种 emotion 再批量使用。
音色(VoiceId)
TTS-Seed 的 VoiceId 直接填 TTS-Seed 音色名,例如 zh_female_vv_uranus_bigtts。 可用音色通过 DescribeVoices 查询,详见查询系统音色。
参数示例
一份完整的 ExtParam 对象(展开后便于阅读,实际传参需转义为字符串):
{
"engine": "tts-s",
"synExt": {
"emotion": "happy",
"speed": 0.9
}
}调用示例
语音合成 TextToSpeech
{
"Text": "您好",
"VoiceId": "zh_female_vv_uranus_bigtts",
"ExtParam": "{\"engine\":\"tts-s\",\"synExt\":{\"emotion\":\"happy\",\"speed\":0.9}}"
}注意 ExtParam 的值是转义后的 JSON 字符串,不是嵌套对象。
engine 值前后不要带空格
接入指引原文的这个示例写成了 \"engine\":\" tts-s\"(tts-s 前多一个空格),与参数表和其它示例不一致,属笔误。本文已更正为 tts-s;引擎代号按字符串精确匹配,带空格可能导致无法切到 TTS-Seed。
异步合成与查询
长文本用 TextToSpeechAsync 提交,ExtParam 写法与同步接口完全一致,返回 TaskId;再用 DescribeTextToSpeechAsyncTask 轮询 Status,完成后从 AudioUrl 取音频。
查询系统音色
用 DescribeVoices(1041/79695)查询 TTS-Seed 可用音色,ExtParam 只需指定引擎:
{
"engine": "tts-s"
}该接口的 ExtParam 同样是 JSON 字符串形式。它还支持按条件筛选,常用入参:
| 参数 | 类型 | 说明 |
|---|---|---|
VoiceType | String | system 系统音色 / clone 克隆音色 / design 设计音色 / all 全部(默认) |
Gender | String | male / female / unknown |
Age | String | child / teenager / youth / middle_aged / senior / unknown |
Languages.N | Array of String | 语言 |
Labels.N | Array of String | 标签 |
PageNum / PageSize | Integer | 分页;PageSize 留空则返回全部符合条件的数据 |
由于 tts-s 不支持克隆,查询时把 VoiceType 设为 system 即可只看系统音色。
限制与注意事项
- 暂不支持克隆:
CloneVoice不能切到tts-s,只能使用系统音色。 ExtParam是字符串:请求里必须是转义后的 JSON 字符串,直接塞对象会被判为参数错误。engine值精确匹配:写tts-s,前后不要带空格。- 默认采样率
16000:音乐类或高保真场景需显式提到44100或48000。 - 音量取值是开区间
(0, 10]:0非法,最小值要大于 0。 - 未列出
model/format/engineCustom:接入指引只给了上表 5 个synExt参数,其它参数是否生效以实际调用为准。 - ⏳ 标记的接口以实际调用为准:本文的 ✅ / ❌ / ⏳ 依据《TTS-S 引擎接入指引》的列举范围,未列出的接口不代表一定不可用。
相关文档
| 文档 | 说明 |
|---|---|
| MPS 七大 TTS 引擎横向对比 | 七个外部引擎的能力、参数与选型对比 |
| AI 配音 | MPS 配音能力总览与内置引擎 |
| TTS-ElevenLabs | 同一套接口的 ElevenLabs 引擎(tts-l1),支持字符级时间戳 |
| TTS-Gemini | 同一套接口的 Google Gemini-TTS 引擎(tts-gg),用 prompt 控制风格 |
| TTS-MiniMax | 同一套接口的 MiniMax 引擎(minimax),支持克隆与音色设计 |
| TTS-Fishaudio | 同一套接口的 Fish Audio 引擎(tts-f),内联情绪标签与零样本克隆 |
| TTS-Index | 同一套接口的 IndexTTS 引擎(index-tts),VoiceId 直填参考音频 URL,8 维情感向量 |
| TTS-Seedaudio | 同一套接口的 Seed Audio 引擎(tts-sa),唯一支持图片参考生成,字级时间戳 |
| Quick Start | 鉴权与签名方法 |
| Media AI – Dubbing APIs | 官网接口目录 |