流式传输对话
将文本和音色 ID 对列表转换为语音（对话），并返回音频流。
请求头
查询参数
生成音频的输出格式。格式为 codec_sample_rate_bitrate。因此，采样率为 22.05kHz、比特率为 32kbs 的 mp3 表示为 mp3_22050_32。使用 192kbps 比特率的 MP3 需要订阅 Creator 或更高版本。采样率为 44.1kHz 的 PCM 格式需要订阅 Pro 或更高版本。请注意，μ-law 格式（有时写作 mu-law，通常近似写作 u-law）常用于 Twilio 音频输入。
当 enable_logging 设为 false 时，此请求将使用零留存模式。这意味着该请求无法使用历史记录功能，包括请求拼接。零留存模式仅限企业版客户使用。
请求
对话输入列表，每项包含将转换为语音的文本和音色 ID。唯一音色 ID 最多为 10 个。为确保生成稳定，每次请求中所有 inputs[].text 值的总字符数应不超过 2,000 个字符。较长的请求可能在流式响应中提前终止，或返回验证错误。
要使用的模型标识符，可通过 GET /v1/models 查询。模型必须支持文本转语音，可通过 can_do_text_to_speech 属性确认。
用于为模型和文本规范化强制指定语言的语言代码（ISO 639-1）。如果模型不支持提供的语言代码，将忽略该代码。multilingual_v2 模型不支持此参数。
控制对话生成的设置。
紧接在此次生成之前的文本，用于让模型保持韵律连贯性。最多可发送 100 个字符。并非所有模型均支持。
紧接在此次生成之后的文本，用于让模型保持韵律连贯性。最多可发送 100 个字符。并非所有模型均支持。
要应用于文本的发音词典定位符（id、version_id）列表。将按顺序应用。每次请求最多可包含 3 个定位符。
指定后，系统会尽力进行确定性采样，使使用相同种子和参数的重复请求返回相同结果。但不保证完全确定。必须是介于 0 和 4294967295 之间的整数。
此参数通过 3 种模式控制文本规范化：‘auto’、‘on’ 和 ‘off’。设为 ‘auto’ 时，系统会自动决定是否应用文本规范化（如将数字读出）。设为 ‘on’ 时始终应用；设为 ‘off’ 时跳过。
本次对话生成之前的 request_ids 列表。将大型任务拆分为多个请求时，用于让模型保持连贯性。最多可发送 3 个 request_ids。最后一个 request_id 对应的音频最接近当前请求。并非所有模型都支持此功能。
本次对话生成之后的 request_ids 列表。重新生成序列中间的片段时，可用于保持连贯性。最多可发送 3 个 request_ids。第一个 request_id 对应的音频最接近当前请求。并非所有模型都支持此功能。
应用于生成音频的音效。未知 ID 会返回 404，param 会指明相应字段。混响（environment_id 的 send_level 大于 0）和非零 pan 会生成立体声音频，因此 ulaw_*、alaw_* 和 pcm_* 输出格式会返回 400。音效不会改变请求费用。
是否使用专业音色的 IVC 版本。这可能提升表现力并降低延迟。
响应
流式音频数据