上传语音样本，训练自定义语音音色，用于语音合成。 # 请求 **请求路径** `https://openspeech.bytedance.com/api/v3/tts/voice_clone` 以下请求头主要为[新版控制台](https://console.volcengine.com/speech/new?_vtm_=a106466.b106468.0_0.0_0.0.844_7636990835414320667)鉴权参考示例，若使用[旧版控制台](https://console.volcengine.com/speech/app)，鉴权参考示例详见：[旧版控制台鉴权参考示例](https://www.volcengine.com/docs/6561/2534847?lang=zh)。旧版控制台后续会逐步下线，建议尽快切换至[新版控制台](https://console.volcengine.com/speech/new?_vtm_=a106466.b106468.0_0.0_0.0.844_7636990835414320667)使用。 ### 请求头 **Content\-Type ** `string` 必选固定值："application/json" **X\-Api\-Key ** `string` 必选 API Key 可以从 [控制台>API Key管理](https://console.volcengine.com/speech/new/setting/apikeys?projectName=default.) 获取 **X\-Api\-Request\-Id ** `string` 必选标识客户端请求ID，uuid随机字符串 ### 请求体 **speaker_id**`string` 必选唯一音色代号，[speaker_id获取参考](https://www.volcengine.com/docs/6561/1167802?lang=zh&_vtm_=a106466.b106468.0_0.0_0.0.902_7636990835414320667#api%E8%B0%83%E7%94%A8%E5%8F%82%E6%95%B0%E8%8E%B7%E5%8F%96)。 **custom_speaker_id**`string` **含义**：自定义音色代号（仅支持后付费音色，关于后付费音色下单及说明详见：[《声音复刻下单及使用指南》](https://www.volcengine.com/docs/6561/1167802?lang=zh&_vtm_=a106466.b106468.0_0.0_0.0.970_7636990835414320667)）。 **注意**：首次调用合成接口即视为 “转正” 并**收取音色槽位费**，请务必在确认试听效果满意后再进行正式合成！ ### 一、参数调用格式使用自定义音色时，speaker_id 必须传固定值，实际自定义名称写在 custom_speaker_id 中： ```JSON { "speaker_id": "custom_speaker_id", // 必须为固定值 "custom_speaker_id": "custom_zh_xxx" // 客户自定义的音色代号 } ``` ### 二、命名规范 * **字符与长度**：8 ~ 256 个字符，仅支持数字、大小写字母、中划线 \-、下划线 _。 * **首尾限制**：**必须以英文字母开头**；首位和末位不可为 \- 或 _。 * **唯一性**：同 accountID 维度下不可与已有 ID 重复。 * **官方防冲突**：不可与官方精品音色重名。系统会自动拦截特定的官方前缀（如 S_、MIX_）或后缀（如 _tob、_streaming）的名称。 * 如果你的命名在[正则表达式验证网站](https://regex101.com/)匹配以下正则表达式，将被系统拦截（表示与官方音色冲突或格式不符）： ```Go `^((?i:S_|ICL_|MIX_|DiT_|BV)|[a-z]{2}_|(?i:(wvae|moon|mercury|venus|earth|mars|jupiter|saturn|uranus|neptune|pluto|umm)_)).*|.*_(?i:bigtts|bigtts_cc|tob|cs_tob|streaming)$|^[^a-zA-Z]|.*[-_]$|^.{0,7}$|^.{257,}$|.*[^a-zA-Z0-9_-].*` ``` ### 三、生命周期与计费说明详细计费政策参见[《声音复刻下单及使用指南》](https://www.volcengine.com/docs/6561/1167802?lang=zh&_vtm_=a106466.b106468.0_0.0_0.0.970_7636990835414320667) **audio ** `object` ** ** 必选音频格式支持：wav、mp3、ogg、m4a、aac、pcm，其中pcm仅支持24k，单通道目前限制文件上传最大10MB **data ** `string` ** ** 必选进制音频字节，需对二进制音频进行base64编码 **format ** `string` ** ** 必选音频格式，pcm、m4a必传，mp3、ogg、m4a、aac等其他格式可以不指定 **text**`string` 参考文本，可让用户按照该文本念诵，服务会对比音频与该文本的差异，若差异过大会复刻失败并返回45001109 WERError。 **language** `int` 支持以下语种：音频内容需要和语种一致 * cn = 0：中文（默认） * en = 1：英文 * ja = 2：日语 * es = 3：西班牙语 * id = 4：印尼语 * pt = 5：葡萄牙语 * ko = 8：韩语 **豆包端到端实时语音模型**，支持以下语种： * cn = 0：中文（默认） * en = 1：英文 **extra_params ** `object` ** ** **demo_text** `string` 试听文本，长度在4和300字之间，如果指定了语种需要传入对应语种的文本，否则会合成失败。 **注意事项：** demo_text 文本越长，注册耗时越长，建议合理控制文本长度。 **enable_audio_denoise ** `bool` 是否开启降噪（默认False）。开启降噪可能会对声音细节有一定影响，**音频样本噪声较大的情况下建议开启降噪**，音频样本质量较好的情况下建议关闭降噪。 **disable_volume_normalization ** `bool` 是否关闭音量归一化（默认值为 false）。开启音量归一化，合成时是相对统一的音量，如果关闭音量归一化，合成出来的音量会和 prompt 更接近，和 prompt音频相似度也会更高。 # 响应 ### 响应 **X\-Tt\-Logid ** `string` 服务端返回的 logid，用于在咨询或者反馈时定位问题 **code** `int` 请求状态码。请求失败时，HTTP 状态码不为 200，详情请参见[错误码参考文档](https://www.volcengine.com/docs/6561/2534853?lang=zh#ad7BnUTK)。 **message ** `string` 请求状态信息。训练失败时，会返回对应的失败说明，详情请参见[错误码参考文档](https://www.volcengine.com/docs/6561/2534853?lang=zh#ad7BnUTK)。 **available_training_times** `int` 该speaker_id剩余训练次数 **create_time ** `int` 创建时间 **language ** `int` 以下为语种对应的枚举值 * cn = 0 中文（默认） * en = 1 英文 * ja = 2 日语 * es = 3 西班牙语 * id = 4 印尼语 * pt = 5 葡萄牙语 * de = 6 德语 * fr = 7 法语 * ko = 8 韩语 **speaker_id ** `string` 唯一音色代号 **status ** `int` 训练状态，状态为2或4时都可以调用TTS语音合成接口。 * NotFound = 0 * Training = 1 * Success = 2 * Failed = 3 * Active = 4 **speaker_status**`object list` **model_type ** `int` 复刻 2.0：`model_type = 5` **demo_audio ** `string` 试听音频。Success状态时返回，一小时有效，若需要，请下载后使用

豆包语音