TTS 外部引擎新增 Seed Audio
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。
- 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。 - 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。 - 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。