在实时对话式 AI 场景中，你需要配置语音合成（TTS）能力，将大模型生成的文本转换为自然流畅的语音输出，实现智能体与真人用户的语音交互。RTC 提供一站式接入方案，只需在 StartVoiceChat 接口配置 TTSConfig 即可完成语音合成能力接入。本文将详细介绍不同服务的配置参数、注意事项及适用场景，帮助你根据需求选择合适的方案。

火山引擎提供以下六种语音合成接入方案，分别适用于不同场景：

• 火山引擎流式语音合成：生成速度快，满足常规语音播报需求。
• 火山引擎语音合成大模型（非流式输入流式输出）：支持 SSML 标记语言，相较于传统语音合成技术更自然。
• 火山引擎语音合成大模型（流式输入流式输出）：支持流式逐字级别输入级输出，进一步降低语音交互时延，且支持 Markdown 标记过滤、公式播报 和 Latex 能力。
• 火山引擎声音复刻大模型（非流式输入流式输出）：支持复刻真人音色，非流式文本输入、流式语音输出，语音合成速度快。
• 火山引擎声音复刻大模型（流式输入流式输出）：支持复刻真人音色，流式文本输入、流式语音输出，语音合成效果更自然。
• MiniMax 语音合成：MiniMax 语音合成平台，支持多语言、混合音色和特殊发音标注。

火山流式语音合成

火山引擎流式语音合成采用端到端合成方案，生成速度快，满足常规语音播报需求，适合短语或标准回复，例如，提醒、系统反馈、数字播报。详细功能特性参看语音合成。

核心配置参数

使用 StartVoiceChat 接口配置火山引擎流式语音合成时，需通过 Config.TTSConfig 结构设置参数，以下为核心配置参数说明：

完整参数及说明可参看 StartVoiceChat 接口文档。

请求示例代码

你可参看以下示例，使用火山流式语音合成进行语音合成：

{
    "TTSConfig": {
        "IgnoreBracketText":[
            1,
            2
        ],
        "Provider": "volcano",
        "ProviderParams": {
            "app": {
                "appid": "94****11",
                "cluster": "volcano_tts"
            },
            "audio": {
                "voice_type": "BV001_streaming",
                "speed_ratio": 1.2,
                "volume_ratio": 1.1,
                "pitch_ratio": 1.0
            }
        }
    }
}

火山语音合成大模型（非流式输入流式输出）

该方案基于大模型实现非流式文本输入、流式语音输出，支持 SSML 标记语言，相较于传统语音合成技术，大语音模型在口语自然度、连贯性、拟人度、音质、韵律、气口、情感、语气词表达等各方面更强。详细功能特性参看大模型语音合成。

核心配置参数

完整参数及说明可参看 StartVoiceChat 接口文档。

请求示例代码

你可参看以下示例，使用火山语音合成大模型（非流式输入流式输出）进行语音合成：

{
    "TTSConfig": {
        "IgnoreBracketText":[
            1,
            2
        ],
        "Provider": "volcano",
        "ProviderParams": {
            "app": {
                "appid": "94****11",
                "cluster": "volcano_tts"
            },
            "audio": {
                "voice_type": "zh_female_meilinvyou_moon_bigtts",
                "pitch_rate": 2,
                "speech_rate": 30
            }
        }
    }
}

火山语音合成大模型（流式输入流式输出）

该方案基于大模型支持流式文本输入和流式语音输出，支持流式逐字级别输入级输出，进一步降低基于大模型的语音交互时延，用户体感延迟低，且支持 Markdown 标记过滤、公式播报 和 Latex 能力。详细功能特性参看大模型语音合成。

核心配置参数

完整参数及说明可参看 StartVoiceChat 接口文档。