You need to enable JavaScript to run this app.
导航
实时音视频
  • 文档首页
    • /实时音视频/实时对话式 AI/进阶功能/语音合成配置
语音合成配置
最近更新时间：2025.11.18 19:15:17首次发布时间：2025.05.29 11:18:34
复制全文
我的收藏
有用
有用
无用
无用

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。

注意

当通过 StartVoiceChat 接口中的 S2SConfig 参数启用端到端语音模型时，系统的语音合成能力将由端到端模型内部处理。此时，本文档描述的 TTSConfig 相关配置将无效。关于端到端模型的配置，请参见接入端到端语音模型。

选择语音合成服务

火山引擎提供以下几种语音合成接入方案，分别适用于不同场景：

服务商模型优势/适用场景
火山引擎 TTS语音合成生成速度快，满足常规语音播报需求，适合短语或标准回复（如提醒、系统反馈）。
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，更自然连贯、情感更强。详细功能特性，参看大模型语音合成。
语音合成大模型（流式输入流式输出）流式逐字级别输入级输出，更生动、更具情感表现力，且支持过滤 Markdown 格式、播报 Latex 公式。详细功能特性，参看大模型语音合成。
声音复刻大模型（非流式输入流式输出）支持复刻真人音色，语音合成速度更快，适用于需要定制化音色的文本场景（如企业客服、虚拟主播）。详细功能特性，参看大模型声音复刻。
声音复刻大模型（流式输入流式输出）支持复刻真人音色，语音合成效果更自然。详细功能特性，参看大模型声音复刻。
第三方 TTSMiniMax 语音合成支持多语言、混合音色和特殊发音标注。详细功能特性，参看 MiniMax 语音生成。
自定义语音合成将自定义语音合成服务接入边缘大模型网关后，即可在实时对话式 AI 方案中使用该服务进行语音合成，实现自定义需求。

配置语音合成

火山语音合成

  • 核心参数
    使用 StartVoiceChat 接口配置火山引擎语音合成时，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。

    参数名类型是否必填示例值说明
    IgnoreBracketTextInt[]否[1, 2]过滤大模型返回内容中指定标点符号中的文字后再进行语音合成。
    ProviderString是volcano语音合成服务提供商，固定取值 volcano。
    ProviderParams.app.appidString是94****11开通火山引擎语音合成服务后获取的 App ID，用于标识应用。你可登录豆包语音控制台获取。
    ProviderParams.app.clusterString是volcano_tts已开通语音合成服务对应的集群标识（Cluster ID）。你可登录豆包语音控制台开通服务后获取。
    ProviderParams.audio.voice_typeString是BV001_streaming已开通音色对应的音色种类（Voice_type）。你可登录豆包语音控制台购买音色后获取。
    ProviderParams.audio.speed_ratioFloat否1.0语速。取值 [0.2,3]，默认 1.0，值越大语速越快。
    ProviderParams.audio.volume_ratioFloat否1.0音量。取值 [0.1,3]，默认 1.0，值越大音量越高。
    ProviderParams.audio.pitch_ratioFloat否1.0音高。取值 [0.1,3]，默认 1.0，值越大音调越高。

  • 请求示例
    你可参看以下示例，使用火山引擎语音合成：

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

  • 核心参数

    完整参数及说明可参看 StartVoiceChat 接口文档。

    参数名类型是否必填示例值说明
    IgnoreBracketTextInt[]否[1,2]过滤大模型返回内容中指定标点符号中的文字后再进行语音合成。
    ProviderString是volcano语音合成服务提供商，固定取值 volcano。
    ProviderParams.app.appidString是94****11开通火山引擎语音合成大模型服务后获取的 App ID，用于标识应用。你可登录豆包语音控制台获取。
    ProviderParams.app.clusterString是volcano_tts已开通语音合成大模型服务对应的集群标识（Cluster ID）。你可登录豆包语音控制台开通服务后获取。
    ProviderParams.audio.voice_typeString是zh_female_meilinvyou_moon_bigtts已开通音色对应的音色种类（Voice_type）。你可登录豆包语音控制台购买音色后获取。
    ProviderParams.audio.pitch_rateInteger否0音调。取值 [-12, 12]，默认 0，值越大音调越高。
    ProviderParams.audio.speech_ratioFloat否1.0语速。取值 [0.2,3]，默认 1.0，值越大语速越快。

  • 请求示例
    你可参看以下示例，使用火山引擎语音合成大模型（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_ratio": 1.0
            }
        }
    }
}

火山语音合成大模型（流式输入流式输出）

  • 核心参数

    完整参数及说明可参看 StartVoiceChat 接口文档。

    参数名类型是否必填示例值说明
    IgnoreBracketTextInt[]否[1,2]过滤大模型返回内容中指定标点符号中的文字后再进行语音合成。
    ProviderString是volcano_bidirection语音合成服务提供商，固定取值 volcano_bidirection。
    ProviderParams.app.appidString是94****11开通火山引擎语音合成大模型服务后获取的 App ID，用于标识应用。你可登录豆包语音控制台获取。
    ProviderParams.app.tokenString是OaO****ws1与语音合成大模型服务 App ID 对应的 AccessToken，用于身份认证。你可登录豆包语音控制台获取。Access Token 查找方式，可参看如何获取 Token。
    ProviderParams.audio.voice_typeString是BV001_streaming已开通音色对应的音色种类（Voice_type）。你可登录豆包语音控制台购买音色后获取。
    ProviderParams.audio.speech_rateInteger否0语速。取值范围为 [-50, 100]，100 代表 2.0 倍速，-50 代表 0.5 倍速。默认值为 0。取值越大，语速越快。
    ProviderParams.Additions.disable_markdown_filterBoolean否true是否过滤 Markdown 标记。
    ProviderParams.Additions.enable_latex_tnBoolean否true是否播报 Latex 公式（需 disable_markdown_filter 为 true 生效）。
    ProviderParams.ResourceIdString是volc.service_type.10029调用服务的资源信息 ID，该参数固定取值：volc.service_type.10029。

  • 请求示例

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

    {
    "TTSConfig": {
        "IgnoreBracketText":[
            1,
            2
        ],
        "Provider": "volcano_bidirection",
        "ProviderParams": {
            "app": {
                "appid": "94****11",
                "token": "OaO****ws1",
            },
            "audio": {
                "voice_type": "BV001_streaming",
                "speech_rate": 20
            },
            "Additions": {
                "enable_latex_tn": true,
                "disable_markdown_filter": true
            },
            "ResourceId": "volc.service_type.10029"
        }
    }
}

火山声音复刻大模型（非流式输入流式输出）

注意

使用前请参看声音复刻下单及使用指南及声音复刻2.0-最佳实践了解如何实现声音复刻最佳效果。

  • 核心参数

完整参数及说明可参看 StartVoiceChat 接口文档。

参数名类型是否必填示例值说明
IgnoreBracketTextInt[]否[1,2]过滤大模型返回内容中指定标点符号中的文字后再进行语音合成。
ProviderString是volcano语音合成服务提供商，固定取值 volcano。
ProviderParams.app.appidString是94****11开通火山引擎声音复刻大模型服务后获取的 App ID，用于标识应用。你可登录豆包语音控制台获取。
ProviderParams.app.clusterString是volcano_icl已开通声音复刻大模型服务对应的集群标识（Cluster ID）。你可登录豆包语音控制台开通服务后获取。
ProviderParams.audio.voice_typeString是S_N****T7k1声音复刻声音 ID。你可登录豆包语音控制台获取。
ProviderParams.audio.speed_ratioFloat否1.0语速。取值 [0.2, 3]，默认 1.0，值越大语速越快。
  • 请求示例

你可参看以下示例，使用火山声音复刻大模型（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_icl"
            },
            "audio": {
                "voice_type": "S_N****T7k1",
                "speed_ratio": 1.0
            }
        }
    }
}

火山声音复刻大模型（流式输入流式输出）

注意

使用前请参看声音复刻下单及使用指南 及声音复刻2.0-最佳实践了解如何实现声音复刻最佳效果。

  • 核心参数

    完整参数及说明可参看 StartVoiceChat 接口文档。

    参数名类型是否必填示例值说明
    IgnoreBracketTextInt[]否[1,2]过滤大模型返回内容中指定标点符号中的文字后再进行语音合成。
    ProviderString是volcano_bidirection语音合成服务提供商，固定取值 volcano_bidirection。
    ProviderParams.app.appidString是94****11开通火山引擎声音复刻大模型服务后获取的 App ID，用于标识应用。你可登录豆包语音控制台获取。
    ProviderParams.app.tokenString是OaO****ws1与开通声音复刻大模型服务 App ID 对应的 AccessToken，用于身份认证。你可登录豆包语音控制台获取。Access Token 查找方式，可参看如何获取 Token。
    ProviderParams.audio.voice_typeString是S_N****T7k1声音复刻声音 ID。你可登录豆包语音控制台获取。
    ProviderParams.audio.speed_rateFloat否1.0语速。取值范围为 [0.8, 2]，默认值为 1.0，通常保留一位小数即可。取值越大，语速越快。
    ProviderParams.ResourceIdString是volc.megatts.default调用服务的资源信息 ID，该参数固定取值：volc.megatts.default。

  • 请求示例

    你可参看以下示例，使用火山声音复刻大模型（流式输入流式输出）进行语音合成：

    {
    "TTSConfig": {
        "IgnoreBracketText":[
            1,
            2
        ],
        "Provider": "volcano_bidirection",
        "ProviderParams": {
            "app": {
                "appid": "94****11",
                "token": "OaO****ws1",
            },
            "audio": {
                "voice_type": "S_N****T7k1",
                "speed_rate": 1.0
            },
            "ResourceId": "volc.megatts.default"
        }
    }
}

MiniMax 语音合成

  • 核心参数

    完整参数及说明可参看 StartVoiceChat 接口文档。

    参数名类型是否必填示例值说明
    IgnoreBracketTextInt[]否[1, 2]过滤大模型返回内容中指定标点符号中的文字后再进行语音合成。
    ProviderString是minimax语音合成服务提供商，固定取值 minimax。
    ProviderParams.AuthorizationString是eyJhbG****SUzI1NAPI 密钥。前往 Minimax 账户管理-接口密钥获取。
    ProviderParams.GroupidString是983*****669用户所属组 ID。前往 Minimax 账号信息-基本信息获取。
    ProviderParams.modelString是speech-01-turbo模型版本（speech-01-turbo/speech-01-240228/speech-01-turbo-240228）。
    ProviderParams.URLString是https://api.minimax.chat/v1/t2a_v2请求语音合成 URL，该参数固定取值：https://api.minimax.chat/v1/t2a_v2。
    ProviderParams.streamBoolean是false是否流式输出。
    ProviderParams.voice_settingObject否{"speed":1.0,"vol":1.0,"pitch":1.0}语速、音量、音调配置。
    ProviderParams.pronunciation_dictObject否{"tone": ["处理/(chu3)(li3)", "危险/dangerous"]}特殊发音标注。
    ProviderParams.language_boostString否Chinese,Yue语言偏好。取值范围：Chinese/Yue，默认值为 Chinese。
    ProviderParams.timber_weightsArray否[{"voice_id":"male-qn-jingying","weight":70},{"voice_id":"wumei_yujie","weight":30}]合成音色权重设置。

  • 请求示例

    你可参看以下示例，使用 MiniMax 语音合成进行语音合成：

    {
    "TTSConfig": {
        "IgnoreBracketText": [
            1,
            2
        ],
        "Provider": "minimax",
        "ProviderParams": {
            "Authorization": "eyJhbG****SUzI1N",
            "Groupid": "983*****669",
            "model": "speech-01-turbo",
            "URL": "https://api.minimax.chat/v1/t2a_v2",
            "stream": false,
            "voice_setting": {
                "speed": 1.0,
                "vol": 1.0,
                "pitch": 1.0
            },
            "pronunciation_dict": {
                "tone": [
                    "处理/(chu3)(li3)",
                    "危险/dangerous"
                ]
            },
            "language_boost": "Chinese,Yue",
            "timber_weights": [
                {
                    "voice_id": "male-qn-jingying",
                    "weight": 70
                },
                {
                    "voice_id": "wumei_yujie",
                    "weight": 30
                }
            ]
        }
    }
}

自定义语音合成

将自定义语音合成服务接入边缘大模型网关后，即可在实时对话式 AI 方案中使用该服务进行语音合成。
具体接入方式和说明可参看 自定义语音合成。

FAQ

如何更换音色？

对于火山引擎的 TTS 服务，你可以按照以下步骤更换音色：

  1. 前往豆包语音控制台，选择你使用的语音合成服务，如语音合成大模型。
  2. 在服务详情页，单击音色购买，选择你需要的音色。
  3. 购买完成后，在服务详情页查找要更换音色的 Voice_type。
  4. 调用 StopVoiceChat 接口停止当前智能体任务，使用 StartVoiceChat 接口，在 TTSConfig 中的 Voice_type 参数中填入更换音色的 Voice_type 重新启动智能体任务。