文档中心

Appearance

语音合成 ​

创建语音生成任务 ​

说明 ​

Cicada-TTS提供异步语音合成API，适用于长文本的音频合成任务，单次请求长度限制小于4千字。

  1. 支持上百种系统音色，也可以使用用户定制音色，复刻音色自主选择
  2. 支持语速和音调的调整
  3. 支持音频时长的返回
  4. 支持时间戳(字幕)返回，精确到句
  5. 支持中英双语克隆

注意: 异步语音合成，RPM 200, 具体进度通过查询接口查看

使用流程 ​

  1. 创建定制声音任务，获取定制声音得到的audio_man参数
  2. 调用创建语音生成任务API，获取 task_id
  3. 调用查询语音生成任务状态API，基于task_id获取语音合成任务进度
  4. 当任务状态完成时，上述调用查询语音合成结果API返回的相应JSON获取音频链接和字幕信息

请求地址 ​

http
POST /open/v1/create_audio_task
http
access_token: {{access_token}}
Content-Type: application/json

请求参数Body ​

参数名称类型Nested Key是否必传示例说明
audio_manstring是C-f6254806192e4ef99189ae899d89943e声音ID
speednumber是1语速（范围:0.5x～2x）
pitchnumber是1语调（范围根据声音人类型变化，具体参照类型范围对照表）
textobjecttext是你好，我是你的蝉镜数字人（文本长度限制为4000字以下）富文本
plain_text否你好，我是你的蝉镜数字人
font_sizenumber否64字幕字体大小（推荐使用默认值）
widthnumber否1000每行字幕宽度（推荐使用默认值）
heightnumber否90每行字幕高度（推荐使用默认值）
callbackstring否"http://127.0.0.1:8012/test_callback"回调地址（任务结束后会向该地址发送一个 POST 请求。++请求体的格式和++获取语音合成结果++接口查询结果返回的data相同++）
aigc_watermarkbool否音频是否加明水印，默认是false

请求示例 ​

json
{
    "audio_man": "C-f7387406192e4ef99189ae899d89943e",
    "speed": 1,
    "pitch": 1,
    "text": {
        "text": "你好，我是你的蝉镜数字人",
        "plain_text": "你好，我是你的蝉镜数字人"
    },
    "font_size": 64,
    "width": 1000,
    "height": 90,
    "callback": "http://127.0.0.1:8012/test_callback"
}

响应JSON ​

json
{
    "trace_id": "dd09f123a25b43cf2119a2449daea6de",
    "code": 0,
    "msg": "success",
    "data": {
        "task_id": "88f635dd9b8e4a898abb9d4679e0edc8"
    }
}

声音类型对应语调范围及效率表（声音类型通过查询声音详情接口获取） ​

声音类型语调范围生成效率
cicada1.0不支持20-25 字符/秒
cicada2.00.1 ～ 3 / -12 ~ 12 (具体范围咨询客服)8-25 字符/秒
cicada3.0不支持20-35 字符/秒
cicada3.0-turbo不支持10-15 字符/秒

响应参数 ​

字段说明
code响应状态码
msg响应消息
task_id语音合成任务ID

响应状态码说明 ​

code说明
0响应成功
400传入参数格式错误
10400AccessToken验证失败
APP状态错误
缺少 tts 文本
缺少音频文件
输入文本不可以包含 emoji
40000参数错误
40001超出QPS限制
40002制作视频时长到达上限
50000系统内部错误
没有找到对应的声音ID
声音ID对应的audio_man不存在或被禁用

创建口音合成任务 ​

说明 ​

Cicada-TTS的语音模型提供口音合成能力，支持用户选取相应的口音并且上传一段个人的音色，即可合成具备个人音色和特定口音的音频。

使用流程 ​

口音合成的实现具体流程如下:

  1. 通过文件管理上传自己的音色文件，并获取prompt_audio的参数
  2. 咨询客服或者售后人员获取口音id信息
  3. 上传待合成的文本信息 (文本长度不能超过4000字)
  4. 调用口音合成任务并获取task_id
  5. 根据task_id调用获取语音合成结果的接口，获取相应的音频信息

注意: 此接口为异步任务，具体进度通过查询接口查看，计费：0.2蝉豆/秒，RPM为200

更多口音请咨询客服或对应售后人员

声音人名称模型口音id
四川男年轻cicada3.0-turbo89843d52ccd04e2d854decd28d6143ce
南京男年轻cicada3.0-turbob9705cff084c4416b02f01d797025c25
陕西男年轻cicada3.0-turbof28c22c6d26f48f29ee4cc1380adff24
天津年轻男cicada3.0-turbo2c9f4ce01f254b5e9408e5af3b464900
天津年迈女cicada3.0-turboeb370cde929049d9b36debcb6161f053
东北年轻男cicada3.0-turbo4027dfc73c6e4235911dba293f53e62f
台湾口音男cicada3.0-turbo63dd6a2bf2c54cbe828154f393e5d833
闽南口音女cicada3.0-turbo1880b61fc567431aafe35266057a6585
北京年轻男cicada3.0-turbo8a18396b48b54d5f8d4143369145d357
东北年迈女cicada3.0-turboed5eea52f94045198e9ec7c45e54fb96
河南年迈女cicada3.0-turbo737b5b61343640139f539767c03be495
四川年轻女cicada3.0-turbo74afc28ab43544669f50773449acf2b5

请求地址 ​

http
POST /open/v1/create_audio_task_v2

Header ​

http
access_token: {{access_token}}
Content-Type: application/json

请求参数Body ​

参数名称类型Nested Key是否必传示例说明
audio_manstring是C-f6254806192e4ef99189ae899d89943e声音ID
speednumber是1语速（范围:0.5x～2x）
pitchnumber是1语调（范围根据声音人类型变化，具体参照类型范围对照表）
textobjecttext是你好，我是你的蝉镜数字人（文本长度限制为4000字以下）富文本
plain_text否你好，我是你的蝉镜数字人
callbackstring否"http://127.0.0.1:8012/test_callback"回调地址（任务结束后会向该地址发送一个 POST 请求。++请求体的格式和++获取语音合成结果++接口查询结果返回的data相同++）
aigc_watermarkbool否false音频是否加明水印，默认是false
prompt_audiostring否09eacb8ead0a423e9dcd75065ae32d25音色prompt，使用特定口音的声音人+音色prompt可以实现让对应音色使用特定口音发音，来自通过文件管理上传的音色文件
mssnumber是10AI断句字数，替换原本的font_size、width、height

请求示例 ​

json
{
    "audio_man": "C-f7387406192e4ef99189ae899d89943e",
    "speed": 1,
    "pitch": 1,
    "text": {
        "text": "你好，我是你的蝉镜数字人",
        "plain_text": "你好，我是你的蝉镜数字人"
    },
    "callback": "http://127.0.0.1:8012/test_callback",
    "prompt_audio": "09eacb8ead0a423e9dcd75065ae32d25",
    "mss": 10
}

响应JSON ​

json
{
    "trace_id": "dd09f123a25b43cf2119a2449daea6de",
    "code": 0,
    "msg": "success",
    "data": {
        "task_id": "88f635dd9b8e4a898abb9d4679e0edc8"
    }
}

声音类型对应语调范围及效率表（声音类型通过查询声音详情接口获取） ​

声音类型语调范围生成效率
cicada1.0不支持20-25 字符/秒
cicada2.00.1 ～ 3 / -12 ~ 12 (具体范围咨询客服)8-25 字符/秒
cicada3.0不支持20-35 字符/秒
cicada3.0-turbo不支持10-15 字符/秒

响应参数 ​

字段说明
code响应状态码
msg响应消息
task_id语音合成任务ID

响应状态码说明 ​

code说明
0响应成功
400传入参数格式错误
10400AccessToken验证失败
APP状态错误
缺少 tts 文本
缺少音频文件
输入文本不可以包含 emoji
40000参数错误
40001超出QPS限制
40002制作视频时长到达上限
50000系统内部错误
没有找到对应的声音ID
声音ID对应的audio_man不存在或被禁用

获取语音合成结果 ​

该接口仅用于查询语音生成任务的进度

请求地址 ​

http
POST /open/v1/audio_task_state

Header ​

http
access_token: {{access_token}}
Content-Type: application/json

请求参数Body ​

参数名称类型是否必传示例说明
task_idstring是88f789dd9b8e4a121abb9d4679e0edc8语音合成任务ID

响应JSON ​

json
{
    "trace_id": "ab18b14574bbcc31df864099d474080e",
    "code": 0,
    "msg": "success",
    "data": {
        "id": "9546a0fb1f0a4ae3b5c7489b77e4a94d",
        "type": "tts",
        "status": 9,
        "text": [
            "猫在跌落时能够在空中调整身体，通常能够四脚着地，这种”猫右自己“反射显示了它们惊人的身体协调能力和灵活性。核磁共振成像技术通过利用人体细胞中氢原子的磁性来生成详细的内部图像，为医学诊断提供了重要工具。"
        ],
        "full": {
            "url": "https://www.chanjing.cc/chanjing/res/upload/tts/2025-04-08/093a59021d85a72d28a491f21820ece4.wav",
            "path": "093a59013d85a72d28a491f21820ece4.wav",
            "duration": 18.81
        },
        "slice": null,
        "errMsg": "",
        "errReason": "",
        "subtitles": [
            {
                "key": "20c53ff8cce9831a8d9c347263a400a54d72be15",
                "start_time": 0,
                "end_time": 2.77,
                "subtitle": "猫在跌落时能够在空中调整身体"
            },
            {
                "key": "e19f481b6cd2219225fa4ff67836448e054b2271",
                "start_time": 2.77,
                "end_time": 4.49,
                "subtitle": "通常能够四脚着地"
            },
            {
                "key": "140beae4046bd7a99fbe4706295c19aedfeeb843",
                "start_time": 4.49,
                "end_time": 5.73,
                "subtitle": "这种，猫右自己"
            },
            {
                "key": "e851881271876ab5a90f4be754fde2dc6b5498fd",
                "start_time": 5.73,
                "end_time": 7.97,
                "subtitle": "反射显示了它们惊人的身体"
            },
            {
                "key": "fbb0b4138bad189b9fc02669fe1f95116e9991b4",
                "start_time": 7.97,
                "end_time": 9.45,
                "subtitle": "协调能力和灵活性"
            },
            {
                "key": "f73404d135feaf84dd8fbea13af32eac847ac26d",
                "start_time": 9.45,
                "end_time": 12.49,
                "subtitle": "核磁共振成像技术通过利用人体"
            },
            {
                "key": "e18827931223962e477b14b2b8046947039ac222",
                "start_time": 12.49,
                "end_time": 14.77,
                "subtitle": "细胞中氢原子的磁性来生成"
            },
            {
                "key": "d137bf2b0c8b7a39e3f6753b7cf5d92bd877d2d9",
                "start_time": 14.77,
                "end_time": 15.97,
                "subtitle": "详细的内部图像"
            },
            {
                "key": "0773911ae0dbaa763a64352abdb6bdac3ff8f149",
                "start_time": 15.97,
                "end_time": 18.41,
                "subtitle": "为医学诊断提供了重要工具"
            }
        ]
    }
}

响应字段说明 ​

一级字段二级字段三级字段说明
code响应状态码
msg响应消息
dataid视频id
type语音类型
status状态:1 生成中、9 生成完毕(包含成功与失败)
text语音文本
fullurl音频链接
path音频地址
duration音频时长
slice切片
errMsg错误信息
errReason错误理由
subtitles(数组类型)key字幕key值
start_time字幕开始时间点
end_time字幕结束时间点
subtitle字幕文本

响应状态码说明 ​

code说明
0响应成功
10400AccessToken验证失败
APP状态错误
40000参数错误
50000系统内部错误