You need to enable JavaScript to run this app. IBM Watson Text to Speech API Python 如何调低语音音调参数
优惠活动
大模型
产品
解决方案
定价
更多

IBM Watson Text to Speech API Python 如何调低语音音调参数

调整IBM Watson Text to Speech语音音调的实现方法

核心实现逻辑

synthesize接口没有在顶层参数暴露独立的音调、语速调节入口,平台演示页提供的音调、语速调整能力,本质是通过SSML语音合成标记语言嵌套在待合成文本结构中实现的。不需要调整现有代码的鉴权、服务地址配置,仅需修改传入synthesize方法的文本内容,补充对应调节标签即可实现音调调低效果。

调节参数说明

  • 音调调低效果通过SSML的<prosody>标签的pitch属性实现,可直接传入两类参数值:
    • 相对偏移值:例如pitch="-10Hz"表示比原语音默认基频低10赫兹,pitch="-20%"表示整体音调降低20%,偏移值越大,调低幅度越强
    • 固定档位值:直接传入pitch="x-low"即可对应低档位的低沉音效果
  • 若需要同步调整语速,可在同一个<prosody>标签内补充rate属性,例如rate="-10%"表示比原语速降低10%,和音调调节互不冲突

适配后可直接运行的代码

from ibm_watson import TextToSpeechV1
from ibm_cloud_sdk_core.authenticators import IAMAuthenticator

authenticator = IAMAuthenticator('api_key')
text_to_speech = TextToSpeechV1(
    authenticator=authenticator
)

text_to_speech.set_service_url('service_url')

# 原纯文本替换为嵌套了音调调节的SSML结构,此处设置为音调降低20%
ssml_sample = '<speak><prosody pitch="-20%">insert what you want to say here</prosody></speak>'

with open('test.wav', 'wb') as audio_file:
    audio_file.write(
        text_to_speech.synthesize(
            ssml_sample,
            voice='en-GB_JamesV3Voice',
            accept='audio/wav',
            # 必须声明传入的内容为SSML格式,否则平台会将标签作为普通文本朗读
            text_type='application/synthesis+ssml'
        ).get_result().content)

调试注意事项

  • 音调下调幅度建议从-10%、-10Hz开始逐步加大,单条内容下调幅度超过-40%/-30Hz时,容易出现语音失真、机械感增强的问题
  • 传入SSML文本时必须在synthesize方法中添加text_type='application/synthesis+ssml'参数,否则标签会被当做普通文本读出,无法实现调节效果
  • 该<prosody>标签对所有V3版本的合成语音通用,不存在特定语音不兼容的问题

内容的提问来源于stack exchange,提问作者Sunny

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.10 12:45:03