接口概览

本文档涵盖以下内容：

• 模型列表：当前开放的模型清单，包括播客模型、对话模型。
• 接口简介：各能力的功能描述、特性与下属接口；接口包含音色管理、音色复刻、对话语音合成、播客语音合成等能力。
• 错误码查询：所有接口共享的状态码及含义、推荐处理方式。
• API 刊例价格：合成类接口（对话语音合成、播客语音合成）的原价与套餐折扣信息。

​

获取 API Key

通过 账户 -> 接口密钥 -> 创建新的 API Key 获取 API Key。

​

模型列表

​

接口简介

​

音色管理

音色管理用于查询、维护当前账号下可用的音色资源（系统音色 + 复刻/克隆音色）。该能力支持以下功能：

• 同时查询系统音色与复刻音色，便于业务方选择合适的音色；
• 支持按音色类型筛选（仅系统、仅复刻、全部）；
• 支持删除指定的复刻/克隆音色（系统音色不支持删除）。

​

接口说明

音色管理共包含 2 个接口，可按需选择使用。

• 查询音色列表
• 删除音色

​

音色复刻

音色复刻用于基于用户提供的一段参考音频快速复刻出新的自定义音色，并支持复刻后立即试听。该能力支持以下功能：

• 支持基于上传音频（mp3 / wav / m4a）进行声音克隆；
• 支持复刻后立即合成一段试听音频，验证音色效果；
• 支持降噪、去混响、音量归一化等音频前处理开关；
• 支持自定义 voice_id 命名（同账号下唯一）。

​

支持模型

​

接口说明

音色复刻共包含 1 个接口。

• 音色复刻

​

对话式语音合成

对话语音合成用于对话场景的语音合成，单次可处理最长 10,000 字符 的文本，如果字数大于 3,000 字，推荐使用流式输出。该能力支持以下功能：

• 支持系统音色、复刻音色自主选择；
• 支持多种音频规格、格式，覆盖 pcm / mp3 / m4a / wav；
• 支持流式输出（流式仅支持 base64）；
• 支持上文 previous_context 注入，让模型更贴合对话语境；
• 支持字符级字幕（enable_subtitle，仅非流式）。

​

支持模型

​

接口说明

对话语音合成功能共包含 1 个接口。

• HTTP 同步语音合成

​

支持语言

• 中文
• 英文

​

播客语音合成

同步播客语音合成用于播客场景的语音合成，单次可处理最长 10,000 字符 的文本。该能力支持以下功能：

• 支持多说话人台本（[speaker0]...[speaker1]...），每个说话人独立配置音色；
• 支持系统音色、复刻音色自主选择；
• 支持多种音频规格、格式，覆盖 pcm / mp3 / m4a / wav；
• 支持句级别流式输出（流式尾包可附带整段完整音频与时长，enable_complete_data=true）；
• 支持字幕（仅流式）。

​

支持模型

​

接口说明

播客语音合成功能共包含 1 个接口。

• HTTP 同步播客语音合成

​

支持语言

• 中文
• 英文

​

错误码查询

所有接口共享同一套 base_resp.status_code 错误码：

​

API 接口价格

针对合成接口：对话式语音合成、播客语音合成。 原价：¥3.4 / 万字符