You need to enable JavaScript to run this app.
导航

接口说明-HTTP

最近更新时间2023.09.20 19:20:18

首次发布时间2022.04.11 21:48:40

接入必读

请先查看接入必读了解具体接入方式,再参考此文档完成接入。

功能介绍

VoiceConversion为用户提供声音转换能力,可以实现输入一条语音,在保持说话内容不变的情况下,转换音色为指定角色。

  • 输入:原始说话语音二进制数据
  • 输出:转换音色后的具有目标发音人音色和韵律的语音二进制数据

接口说明

  • 当前支持通过 HTTP 协议在线调用

  • 请求内容包括:

    • payload字段为将请求参数序列化后的json文本
    • data字段为将音频二进制文件按照base64格式编码(标准base64,RFC 4648)的文本
  • 使用备注:

注意项说明
功能限制说明避免直接拼接json文本,尽量使用转换库,避免造成转义符等导致json格式错误
输入音频格式支持wav、pcm、mp3、aac等常见格式
音频编码建议采样率大于等于16kHz,单通道,否则将进行自动转码,可能带来效果损失和更多耗时处理
音频时长限制小于等于10分钟;建议大于1s,否则会影响算法效果
音频大小限制小于等于100MB
输出结果格式默认输出24kHz,单通道wav格式音频。支持用户通过请求参数配置

公共参数

参考详细说明功能调用-通用协议

配置参数

payload配置参数为json字符串格式

字段描述类型是否必传默认值
speaker发音人,具体见附录:发音人列表string-
url服务请求数据的url,若data字段为空,则使用该url下载音频数据。详见功能调用-通用协议-payload.urlstring-
enable_background对于返回的音频,是否携带原音频中的背景音boolfalse
audio_config补充参数object-
audio_config.format输出音频编码格式,wav/mp3/aacstringwav
audio_config.sample_rate输出音频采样率,8000/16000/22050/24000/32000/44100/48000number24000
audio_config.channel输出音频通道数 1/2number1

响应格式

HTTP响应Content-Type: application/json

字段描述类型
task_id请求任务id,用于链路追踪、问题排查string
namespace服务接口命名空间,比如VoiceConversionstring
data请求响应二进制数据,标准base64编码string
payload请求响应文本信息,json字符串格式string
status_code状态码number
status_text状态信息string
  • 变声结果在data字段中:返回音频的二进制数据,标准base64编码

参考示例

调用方式为:POST /api/v1/invoke

Golang

// Code sample:
// use http client to invoke SAMI HTTP Service
package main

import (
	"bytes"
	"encoding/base64"
	"encoding/json"
	"fmt"
	"io/ioutil"
	"log"
	"net/http"
	"time"
)

type InvokeResponse struct {
	StatusCode int32   `form:"status_code,required" json:"status_code,required" query:"status_code,required"`
	StatusText string  `form:"status_text,required" json:"status_text,required" query:"status_text,required"`
	TaskId     string  `form:"task_id,required" json:"task_id,required" query:"task_id,required"`
	Namespace  string  `form:"namespace,required" json:"namespace,required" query:"namespace,required"`
	Payload    *string `form:"payload,omitempty" json:"payload,omitempty" query:"payload,omitempty"`
	Data       []byte  `form:"data,omitempty" json:"data,omitempty" query:"data,omitempty"`
	State      *string `form:"state,omitempty" json:"state,omitempty" query:"state,omitempty"`
}

const (
	domain = "https://sami.bytedance.com"

	// auth token
	appkey    = "your_appkey"

	// SAMI method
	version   = "v4"
	namespace = "VoiceConversion"

	// dump output
	dataOutputFile    = "output.wav"
	payloadOutputFile = "output.json"
	isDump            = true
)

func main() {
	// Get token
	token := "your_token"

	// Construct HTTP request
	//   1. Read local audio file
	//   2. Set HTTP json body
	//   3. Do HTTP POST request
	audioPath := "/path/to/audio"
	content, err := ioutil.ReadFile(audioPath)
	if err != nil {
		log.Fatalf("failed to read file: %v", err)
	}
	data := base64.StdEncoding.EncodeToString(content)
	body := fmt.Sprintf(`{"data": "%v","payload":"{\"speaker\":\"zh_female_qingxin\"}"}`, data)
	urlPath := fmt.Sprintf(
		"%v/api/v1/invoke?version=%v&token=%v&appkey=%v&namespace=%v",
		domain, version, token, appkey, namespace,
	)
	log.Printf("invoke request: %v", urlPath)

	// HTTP POST request
	start := time.Now()
	resp, err := http.Post(urlPath, "application/json", bytes.NewBuffer([]byte(body)))
	if err != nil {
		panic(err)
	}
	defer resp.Body.Close()

	// Parse HTTP response
	ret, err := ioutil.ReadAll(resp.Body)
	if err != nil || resp.StatusCode != http.StatusOK {
		panic(string(ret))
	}
	log.Printf("http invoke: cost=%vms", time.Since(start).Milliseconds())

	// parse SAMI response
	samiResp := InvokeResponse{}
	payloadStr := ""
	if err = json.Unmarshal(ret, &samiResp); err != nil {
		log.Println("parse response failed", string(ret), err)
		panic(err)
	}
	if samiResp.Payload != nil {
		payloadStr = *samiResp.Payload
	}
	log.Printf("response task_id=%v, payload=%v, data=[%d]byte", samiResp.TaskId, payloadStr, len(samiResp.Data))
	if isDump && samiResp.Payload != nil {
		_ = ioutil.WriteFile(payloadOutputFile, []byte(*samiResp.Payload), 0644)
	}
	if isDump && len(samiResp.Data) > 0 {
		_ = ioutil.WriteFile(dataOutputFile, samiResp.Data, 0644)
	}
}

Python

import base64
import json
import sys

import requests

# Construct HTTP request
payload = json.dumps({"speaker": "zh_female_qingxin"})
with open("/path/to/audio", "rb") as f:
    data = f.read()
    data = base64.b64encode(data).decode('utf-8')
req = {
    "appkey": "your_appkey",
    "token": "your_token",
    "namespace": "VoiceConversion",
    "payload": payload,
    "data": data
}

if __name__ == "__main__":
    # HTTP POST request
    resp = requests.post("https://sami.bytedance.com/api/v1/invoke", json=req)

    # Parse HTTP SAMI response
    try:
        sami_resp = resp.json()
        if resp.status_code != 200:
            print(sami_resp)
            sys.exit(1)
    except:
        print(resp)
        sys.exit(1)

    print("response task_id=%s status_code=%d status_text=%s" % (
        sami_resp["task_id"], sami_resp["status_code"], sami_resp["status_text"]), end=" ")
    if "payload" in sami_resp and len(sami_resp["payload"]) > 0:
        print("payload=%s" % sami_resp["payload"], end=" ")
    if "data" in sami_resp and len(sami_resp["data"]) > 0:
        # Save audio data into file
        data = base64.b64decode(sami_resp["data"])
        print("data=[%d]bytes" % len(data))
        with open("output.wav", "wb") as f:
            f.write(data)

常见问题

HTTP状态码业务状态码错误信息错误说明解决办法
40040000022IllegalPayload:InvalidSpeaker发音人设置无效检查发音人是否正确设置

附录

发音人列表

备注:当前仅上线中文发音人,其他语种敬请期待。

中文发音人

场景音色性别调用参数speaker
通用清新女声zh_female_qingxin
醇厚男声zh_male_chunhou
童年伙伴(可爱男孩)zh_male_xiaohai
温柔男声(活力男声)zh_male_huoli
甜美女声zh_female_tianmei
四郎zh_male_silang
方言趣味嘻哈歌手zh_male_rap
四川女声zh_female_sichuan
萌丫头zh_female_mengyatou
顾姐zh_female_guli
熊二zh_male_xionger
林黛玉zh_female_lindaiyu
TVB女声zh_female_tvb
猴哥zh_male_sunwukong
广告/短视频磁性解说男声zh_male_commentate
超自然邻家女孩zh_female_xiaoqian
开朗男声zh_male_xiaojian
教育/陪伴小孩zh_female_xiaopengyou

英文发音人

场景音色性别调用参数speaker
通用美英男声-Cupiden_male_cupid