流式传输语音
使用所选音色将文本转换为语音，并以音频流形式返回。
路径参数
要使用的音色 ID。使用 获取音色 端点列出所有可用音色。
请求头
查询参数
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。
可启用延迟优化，但会牺牲部分质量。可达到的最低最终延迟因模型而异。可选值： 0 - 默认模式（不进行延迟优化） 1 - 常规延迟优化（约为选项 3 可实现延迟改善的 50%） 2 - 强延迟优化（约为选项 3 可实现延迟改善的 75%） 3 - 最大延迟优化 4 - 最大延迟优化，同时关闭文本规范化以进一步降低延迟（延迟最低，但可能会错误朗读数字、日期等）。
默认值为 None。
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。
请求
将转换为语音的文本。
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。
覆盖指定音色已存储设置的音色设置，仅应用于当前请求。
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。
当前请求文本之前的文本。可用于提升拼接多个生成结果时的语音连贯性，或影响当前生成的语音连贯性。
当前请求文本之后的文本。可用于提升拼接多个生成结果时的语音连贯性，或影响当前生成的语音连贯性。
本次生成之前样本的 request_id 列表。将大型任务拆分为多个请求时，可用于提升语音连贯性。所有生成使用同一模型时效果最佳。如果同时发送 previous_text 和 previous_request_ids，将忽略 previous_text。最多可发送 3 个 request_ids。
本次生成后续样本的 request_id 列表。重新生成存在音频质量问题的样本时，next_request_ids 对保持语音连贯性尤其有用。例如，已生成 3 个语音片段且想改善第 2 段时，将第 3 段的请求 ID 作为 next_request_id（第 1 段的请求 ID 作为 previous_request_id）传入，有助于保持合并后语音的自然流畅。所有生成使用同一模型时效果最佳。如果同时发送 next_text 和 next_request_ids，将忽略 next_text。最多可发送 3 个 request_ids。
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。
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。
此参数控制语言文本规范化，有助于部分支持语言中的文本正确发音。警告：此参数可能大幅增加请求延迟。目前仅支持日语。
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。
响应
流式音频数据