如何用Postman调用微软长文本语音合成API生成10分钟以上音频

微软普通文本转语音API（如REST语音合成接口）默认限制生成的音频时长不超过10分钟，要处理超长文本，必须使用长音频API（Long Audio API），以下是Postman中的具体调用步骤：

一、提交超长音频合成任务 #

• 请求方法：POST
• 请求地址：https://<你的资源区域>.customvoice.api.speech.microsoft.com/api/texttospeech/v3.1/longaudiosynthesis
• 请求头：
  • Ocp-Apim-Subscription-Key: 你的Azure认知服务订阅密钥
  • Content-Type: application/json
• 请求体示例（替换成你的实际内容）：

  {
    "displayName": "超长音频合成任务",
    "textType": "PlainText",
    "inputs": [
      {
        "text": "这里填入需要转换的超长文本内容"
      }
    ],
    "properties": {
      "outputFormat": "audio-16khz-128kbitrate-mono-mp3",
      "voiceName": "zh-CN-XiaoxiaoNeural"
    }
  }
  

提交成功后，响应会返回一个id字段（任务ID），务必保存该ID。

二、查询任务状态并获取音频 #

• 请求方法：GET
• 请求地址：https://<你的资源区域>.customvoice.api.speech.microsoft.com/api/texttospeech/v3.1/longaudiosynthesis/<刚才获取的任务ID>
• 请求头：Ocp-Apim-Subscription-Key: 你的Azure认知服务订阅密钥

当响应中的status字段变为Succeeded时，可从outputs字段里获取音频文件的下载链接，下载即可得到超长音频。

关键注意事项 #

• 替换<你的资源区域>为你的Azure语音服务所在区域（例如eastasia、southeastasia等）
• 文本类型支持PlainText和SSML，使用SSML时需确保语法格式正确
• 任务处理时长随文本长度增加而延长，需等待状态更新完成
• 确保你的Azure认知服务资源已启用语音服务，且订阅密钥有效

内容的提问来源于stack exchange，提问作者Việt Anh Tran