Text To Speech

语音合成

文本合成规范说明

• 文本长度限制：待合成文本需控制在 10,000 个字符以内（包含标点和特殊符号）。
• 段落分隔方式：使用换行符 \n 表示段落切换。
• 语音停顿控制：
  v1.0模型：支持SSML标签
  v2.0模型：
  支持在文本中插入停顿标记 <#x#>，用于控制字词之间的语音间隔时间，其中 x 为停顿时长（单位为秒，范围为 0.01 ~ 99.99，保留最多两位小数）。
  停顿标记需满足以下条件：
  1. 必须位于两个可发音文本之间；
  2. 不支持连续插入多个时间间隔标记（例如 <#1#><#2#> 为非法格式）；
  3. 不可出现在文本开头或结尾。
• 多音字注音规则：
  v1.0模型：支持SSML标签
  v2.0模型：
  支持对多音字进行显式注音，采用在目标字后以<(xxx)>标注拼音的方式，其中 xxx为小写拼音并附带数字声调，括号为英文括号，系统将根据标注进行替换发音。
  数字声调用数字代替，一声（阴平）为1，二声（阳平）为2，三声（上声）为3，四声（去声）为4，轻声为5
  示例：
  【现在高考卷<(juan3)>得厉害，高考卷<(juan4)>难度很大】
  注音标记可直接嵌入 text 字段中，无需使用单独字段。