跳到内容

TTS 外部引擎新增 Seed Audio ​

更新时间

把 ExtParam 的 engine 指定为 tts-sa,就能在现有 TTS 接口上直接使用 Seed Audio。本次新增后,MPS 的外部 TTS 引擎共有七个。

  1. 指定引擎:在 ExtParam(JSON 字符串)里传 {"engine": "tts-sa"}。synExt.model 目前仅支持 tts-sa-v1。
  2. 指定生成模式:取决于 engineCustom.references 里传什么,分别走纯文本 / 文本 + 图片 / 文本 + 音频三条路径。
  3. 指定字幕:把 engineCustom.audio_config.enable_subtitle 置为 true,就能在 ExtInfo 里拿到字级时间戳。默认值是 false。
  • 它是唯一能用图片生成语音的引擎:在 references 里传参考图片(image_url 或 image_data,最多 1 张、≤10 MB),引擎会从图片里取风格线索。

  • 一次请求最多可以引用 3 条参考音频:在 text_prompt 里用 @音频1、@音频2 指定,上传顺序与编号严格对应。顺序错了不会报错,只会生成错误的音色,请务必注意。

  • 传了 references 后外层 VoiceId 失效。这是「同名参数外层优先」规则被明文豁免的参数,连同 tts-f 的同名参数一共只有两个。

  • 暂不支持克隆:没有 CloneVoice 路径,拿不到可复用的音色。但参考音频是可以用的。

  • vol 不是别家的 (0, 10] 刻度,而是 [0.5, 2.0] 倍率。选 ogg_opus 时 sampleRate 仅支持 48000。

  • 处理耗时较久,建议使用异步接口。目前支持 TextToSpeech、TextToSpeechAsync、DescribeTextToSpeechAsyncTask、DescribeVoices 四个接口。

  • TTS-Seedaudio API 文档

  • MPS TTS 引擎横向对比

  • AI 配音文档

基于 VitePress 构建 · 部署于腾讯云 EdgeOne Pages