语音合成 API - 流式 (TTS-SSE)

基于文本到语音（Text-to-Speech, TTS）的流式语音合成功能，单次请求支持的最大文本长度为 10000 字符，适用于低延迟、边合成边播放的实时语音生成需求。

接口概览

接口地址: https://api.senseaudio.cn/v1/t2a_v2
请求方式: POST
Content-Type: application/json
鉴权方式: Bearer Token

请求配置

请求头 (Request Headers)

参数名	必填	说明	示例
Authorization	是	鉴权 Token。格式：Bearer SENSEAUDIO_API_KEY	Bearer sk-123456...
Content-Type	是	内容类型。固定为 application/json	application/json

请求参数 (Request Body)

核心参数

参数名	类型	必填	描述	示例值
model	string	是	模型名称	senseaudio-tts-1.5-260319
text	string	是	待合成的文本内容。支持中英文，最大 10000 字符。<break time=500>详解见下方停顿符说明	你好，<break time=500>世界
stream	boolean	是	流式输出。固定为 true。	true
voice_setting	object	是	音色相关设置。详见下表。	{ "voice_id": "..." }
audio_setting	object	否	音频格式设置。详见下表。	{ "sample_rate": 32000 }
dictionary	array	否	多音字配置列表。详见下表（模型必须为senseaudio-tts-1.5-260319）	[{"original": "好干净","replacement": "[hao4]干净"}]
stream_options	object	否	流式输出配置列表。详见下表	{"exclude_aggregated_audio": true}

<break> 停顿符说明

<break> 用于在语音合成中插入停顿。

xml

<break time=500>

time 单位为毫秒（ms）
500 表示停顿 500 毫秒
最小值为 100 毫秒，最大值无限制

示例：

text

你好<break time=500>欢迎使用我们的服务

voice_setting (音色设置)

参数名	类型	必填	描述	默认值	取值范围
voice_id	string	是	音色 ID。请参考音色服务说明。	-	-
speed	float	否	语速调节。	1.0	[0.5, 2.0]
vol	float	否	音量调节。	1.0	[0.01, 10.0]
pitch	int	否	音调调节。	0	[-12, 12]
latex_read	boolean	否	数学公式朗读，支持 LaTeX、MathML、Unicode 数学符号等格式。(会产生额外的性能损耗)	false	-

audio_setting (音频设置)

参数名	类型	必填	描述	默认值	选项
format	string	否	音频编码格式。	"mp3"	mp3, wav, pcm, flac
sample_rate	int	否	音频采样率 (Hz)。	32000	8000, 16000, 22050, 24000, 32000, 44100
bitrate	int	否	比特率 (仅 MP3)。	128000	32000, 64000, 128000, 256000
channel	int	否	声道数。	2	1 (单声道), 2 (双声道)

dictionary (多音字纠正)

参数名	类型	必填	描述	默认值	示例
original	string	是	原始文本。	无	好干净
replacement	string	是	多音字配置。	无	[hao4]干净

stream_options（流式输出配置）

参数名	类型	必填	描述	默认值	示例
exclude_aggregated_audio	boolean	否	是否排除聚合音频。	false	true/false

响应结构

响应使用 SSE (Server-Sent Events) 格式，Content-Type 为 text/event-stream; charset=utf-8。

每个数据块以 data: 开头，后跟 JSON 对象。

响应参数

参数名	类型	说明
data	object	返回的合成数据对象，可能为 null，需进行非空判断
data.audio	string	合成后的音频数据，采用 hex 编码，格式与请求中指定的输出格式一致
data.status	int64	当前音频流状态：1 表示合成中，2 表示合成结束
extra_info	object	音频的附加信息。流式返回时只有最后一个 chunk 会返回
extra_info.audio_length	int64	音频时长（毫秒）
extra_info.audio_sample_rate	int64	音频采样率
extra_info.audio_size	int64	音频文件大小（字节）
extra_info.bitrate	int64	音频比特率
extra_info.audio_format	string	生成音频文件的格式。取值范围：mp3, pcm, flac, wav
extra_info.audio_channel	int	生成音频声道数。1：单声道，2：双声道
extra_info.word_count	int64	字数：按 grapheme cluster 统计合成文本内容，且排除纯空白/标点/控制符的簇
extra_info.usage_characters	int64	字符数：按 Unicode 码点统计合成文本内容
trace_id	string	链路追踪 ID
base_resp	object	本次请求的状态码和详情
base_resp.status_code	int64	状态码（HTTP status code）
base_resp.status_msg	string	状态详情

流式响应示例

text

data: {"data":{"audio":"49443304...","status":1},"extra_info":null,"trace_id":"69c20e38c8761996a85d57881fe4d817","base_resp":{"status_code":0,"status_msg":""}}

data: {"data":{"audio":"fffb9864...","status":1},"extra_info":null,"trace_id":"69c20e38c8761996a85d57881fe4d817","base_resp":{"status_code":0,"status_msg":""}}

data: {"data":{"audio":"fffb9864...","status":2},"extra_info":{"audio_length":2306,"audio_sample_rate":32000,"audio_size":36908,"bitrate":128000,"audio_format":"mp3","audio_channel":2,"word_count":24,"usage_characters":30},"trace_id":"69c20e38c8761996a85d57881fe4d817","base_resp":{"status_code":0,"status_msg":"success"}}

代码示例

CURL

Python

JavaScript

Java

bash

curl -X POST https://api.senseaudio.cn/v1/t2a_v2 \
  -H "Authorization: Bearer $SENSEAUDIO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "senseaudio-tts-1.5-260319",
    "text": "这是一个流式输出的例子。",
    "stream": true,
    "voice_setting": {
      "voice_id": "male_0004_a",
      "latex_read":false
    },
    "stream_options": {
      "exclude_aggregated_audio": true
    }
  }'

语音合成 API - 流式 (TTS-SSE)

接口概览

接口地址: https://api.senseaudio.cn/v1/t2a_v2
请求方式: POST
Content-Type: application/json
鉴权方式: Bearer Token

请求配置

请求头 (Request Headers)

参数名	必填	说明	示例
Authorization	是	鉴权 Token。格式：Bearer SENSEAUDIO_API_KEY	Bearer sk-123456...
Content-Type	是	内容类型。固定为 application/json	application/json

请求参数 (Request Body)

核心参数

参数名	类型	必填	描述	示例值
model	string	是	模型名称	senseaudio-tts-1.5-260319
text	string	是	待合成的文本内容。支持中英文，最大 10000 字符。<break time=500>详解见下方停顿符说明	你好，<break time=500>世界
stream	boolean	是	流式输出。固定为 true。	true
voice_setting	object	是	音色相关设置。详见下表。	{ "voice_id": "..." }
audio_setting	object	否	音频格式设置。详见下表。	{ "sample_rate": 32000 }
dictionary	array	否	多音字配置列表。详见下表（模型必须为senseaudio-tts-1.5-260319）	[{"original": "好干净","replacement": "[hao4]干净"}]
stream_options	object	否	流式输出配置列表。详见下表	{"exclude_aggregated_audio": true}

<break> 停顿符说明

<break> 用于在语音合成中插入停顿。

xml

<break time=500>

time 单位为毫秒（ms）
500 表示停顿 500 毫秒
最小值为 100 毫秒，最大值无限制

示例：

text

你好<break time=500>欢迎使用我们的服务

voice_setting (音色设置)

参数名	类型	必填	描述	默认值	取值范围
voice_id	string	是	音色 ID。请参考音色服务说明。	-	-
speed	float	否	语速调节。	1.0	[0.5, 2.0]
vol	float	否	音量调节。	1.0	[0.01, 10.0]
pitch	int	否	音调调节。	0	[-12, 12]
latex_read	boolean	否	数学公式朗读，支持 LaTeX、MathML、Unicode 数学符号等格式。(会产生额外的性能损耗)	false	-

audio_setting (音频设置)

参数名	类型	必填	描述	默认值	选项
format	string	否	音频编码格式。	"mp3"	mp3, wav, pcm, flac
sample_rate	int	否	音频采样率 (Hz)。	32000	8000, 16000, 22050, 24000, 32000, 44100
bitrate	int	否	比特率 (仅 MP3)。	128000	32000, 64000, 128000, 256000
channel	int	否	声道数。	2	1 (单声道), 2 (双声道)

dictionary (多音字纠正)

参数名	类型	必填	描述	默认值	示例
original	string	是	原始文本。	无	好干净
replacement	string	是	多音字配置。	无	[hao4]干净

stream_options（流式输出配置）

参数名	类型	必填	描述	默认值	示例
exclude_aggregated_audio	boolean	否	是否排除聚合音频。	false	true/false

响应结构

响应使用 SSE (Server-Sent Events) 格式，Content-Type 为 text/event-stream; charset=utf-8。

每个数据块以 data: 开头，后跟 JSON 对象。

响应参数

参数名	类型	说明
data	object	返回的合成数据对象，可能为 null，需进行非空判断
data.audio	string	合成后的音频数据，采用 hex 编码，格式与请求中指定的输出格式一致
data.status	int64	当前音频流状态：1 表示合成中，2 表示合成结束
extra_info	object	音频的附加信息。流式返回时只有最后一个 chunk 会返回
extra_info.audio_length	int64	音频时长（毫秒）
extra_info.audio_sample_rate	int64	音频采样率
extra_info.audio_size	int64	音频文件大小（字节）
extra_info.bitrate	int64	音频比特率
extra_info.audio_format	string	生成音频文件的格式。取值范围：mp3, pcm, flac, wav
extra_info.audio_channel	int	生成音频声道数。1：单声道，2：双声道
extra_info.word_count	int64	字数：按 grapheme cluster 统计合成文本内容，且排除纯空白/标点/控制符的簇
extra_info.usage_characters	int64	字符数：按 Unicode 码点统计合成文本内容
trace_id	string	链路追踪 ID
base_resp	object	本次请求的状态码和详情
base_resp.status_code	int64	状态码（HTTP status code）
base_resp.status_msg	string	状态详情

流式响应示例

text

data: {"data":{"audio":"49443304...","status":1},"extra_info":null,"trace_id":"69c20e38c8761996a85d57881fe4d817","base_resp":{"status_code":0,"status_msg":""}}

data: {"data":{"audio":"fffb9864...","status":1},"extra_info":null,"trace_id":"69c20e38c8761996a85d57881fe4d817","base_resp":{"status_code":0,"status_msg":""}}

data: {"data":{"audio":"fffb9864...","status":2},"extra_info":{"audio_length":2306,"audio_sample_rate":32000,"audio_size":36908,"bitrate":128000,"audio_format":"mp3","audio_channel":2,"word_count":24,"usage_characters":30},"trace_id":"69c20e38c8761996a85d57881fe4d817","base_resp":{"status_code":0,"status_msg":"success"}}

代码示例

CURL

Python

JavaScript

Java

bash

curl -X POST https://api.senseaudio.cn/v1/t2a_v2 \
  -H "Authorization: Bearer $SENSEAUDIO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "senseaudio-tts-1.5-260319",
    "text": "这是一个流式输出的例子。",
    "stream": true,
    "voice_setting": {
      "voice_id": "male_0004_a",
      "latex_read":false
    },
    "stream_options": {
      "exclude_aggregated_audio": true
    }
  }'