文档中心

豆包语音

接入必读

语音播客

阅读本文前，请确保已在控制台开通语音播客服务。

功能简介

豆包语音播客大模型支持根据文本、网页或话题生成播客，也支持将已有对话文本合成为音频。本文介绍 HTTP SSE 接口的接入方式：客户端发送一次请求后，通过 SSE 持续接收文本、音频分片及生成状态。

生成方式

通过请求参数 action 指定生成方式。

生成方式	参数	输入要求
基于材料生成播客	action=0	通过 input_text 提供文本，或通过 input_info.input_url 提供网页链接或可下载的 PDF、DOC、TXT 文件链接。服务端总结输入材料并生成播客。两者均非空时，优先使用 input_text。
基于对话合成音频	action=3	通过 nlp_texts 提供对话列表，每项包含文本及对应的发音人。
基于话题联网生成播客	action=4	通过 prompt_text 提供话题，例如“火山引擎”或“如何平衡工作与生活”。该字段仅用于指定话题，不支持指令控制。

仅需生成播客文本时，可设置 input_info.only_nlp_text=true，不输出音频。

需要下载完整音频时，可设置 input_info.return_audio_url=true。下载链接通过事件 363（PodcastEnd）的 meta_info.audio_url 返回，有效期为 24 小时。

输入限制

播客内容按轮次返回，每个轮次通过 round_id 标识。同一轮次的音频可分多次返回，每次返回的音频数据称为“音频分片”。

项目	限制说明
基于对话合成音频（action=3）	nlp_texts.text 每轮不超过 300 字符，所有轮次的文本总长度不超过 10000 字符。
基于材料生成播客（action=0）	input_info.input_text_max_length 指定模型处理的最大字符数，默认为 20000，超出部分将被截断。为保证稳定性，建议设置为不超过 12000。可通过事件 363 的 input_metrics 查看截断信息。
每轮文本长度	input_info.max_char_length_per_round 默认为 300。服务端优先在句号等句末标点处断句，再判断是否超过字符上限，不会在达到上限时直接截断句子。
发音人配置	speaker_info.speakers 须指定 2 位发音人，默认使用 dayi/mizai 系列，建议选择同系列音色配对。
发音人顺序	speaker_info.random_order 默认为 true，表示随机选择首先发言的发音人。

音色配置

建议选择同系列音色配对，以获得更好的效果。“黑猫侦探社咪仔”和“刘飞和潇磊”为播客专属音色系列。

默认音色系列：黑猫侦探社咪仔。

系列	音色 ID 或参考链接
黑猫侦探社咪仔	zh_female_mizaitongxue_v2_saturn_bigtts
黑猫侦探社咪仔		zh_male_dayixiansheng_v2_saturn_bigtts
刘飞和潇磊	zh_male_liufei_v2_saturn_bigtts
刘飞和潇磊		zh_male_xiaolei_v2_saturn_bigtts
TTS 音色列表	https://docs.volcengine.com/docs/DoubaoVoice/Tonelist-1?lang=zh
复刻音色	https://console.volcengine.com/speech/new/voices?projectName=default

交互流程

接入步骤

发送请求：向 /api/v3/podcast/sse 提交 JSON 请求，携带鉴权信息、生成方式、输入内容及音频配置。无需额外发送会话开始或结束消息。

确认连接：检查 HTTP 状态码及响应类型 text/event-stream。收到 HTTP 200 后持续读取响应；HTTP 200 仅表示连接已建立，不表示音频生成成功。

保存会话标识：收到事件 150（SessionStarted）后，保存 session_id，用于问题排查及连接中断后的断点续传。

接收轮次数据：事件 360 表示轮次开始，记录轮次编号、文本及音色；事件 361 返回音频分片；事件 362 表示轮次结束。多轮播客按此流程依次返回。

处理用量及播客结束信息：收到事件 154 时记录用量；收到可选事件 363 时记录播客结束信息。收到上述事件后，仍须继续读取响应。

确认请求结果：收到事件 152 且 code=20000000 时，确认生成成功并完成音频保存。事件 151 表示会话取消，事件 153 表示会话失败。若在收到上述结束事件前连接中断或超时，则结果不完整。

事件说明

SSE 消息通过 event: 指定事件类型，通过 data: 承载事件内容（JSON）。例如，event: 361 表示音频分片事件。事件编号与 HTTP 状态码相互独立。

事件编号与名称	含义	处理建议
150：SessionStarted	会话开始。	保存 session_id，继续接收后续结果。
360：PodcastRoundStart	播客轮次开始。	读取 payload 中的 round_id、speaker 和 text，记录当前轮次的编号、音色及文本。
361：PodcastRoundResponse	返回当前轮次的内容，通常包含音频分片。	对 JSON data 字段中的 Base64 字符串解码，按接收顺序保存音频字节或提交至播放器。
362：PodcastRoundEnd	当前轮次结束。	完成当前轮次的处理并继续接收后续事件。仅在收到该事件且 is_error 未标记错误时，才将该轮次记录为完整接收。
363：PodcastEnd	播客内容结束；该事件可能不返回。	记录播客结束信息；如已请求完整音频链接，则读取返回的链接。继续等待事件 151、152 或 153，不应据此判定请求成功。
154：UsageResponse	返回用量信息。	读取 payload.usage。该事件可能多次返回，返回顺序不固定。
152：SessionFinished	会话结束；须检查业务响应码。	确认 code=20000000 后，完成音频保存并结束读取。不得仅根据事件编号判定成功。
151：SessionCanceled	会话取消。	结束读取，保留已接收的数据，并将请求标记为取消。
153：SessionFailed	会话失败。	结束读取，记录 code、message 及请求 ID，用于问题排查。

响应解析

解析完整消息：SSE 消息以空行分隔。通过 event: 识别事件类型，按 SSE 规则合并同一消息中的一个或多个 data: 行，再解析 JSON。

解析事件数据：SSE 的 data: 行承载 JSON；JSON 中的 data 字段承载 Base64 编码的音频分片，须解码后使用。文本、音色及用量等信息通过 payload 返回。

按序处理音频：事件 361 可连续返回多次。解码后的音频字节须按接收顺序追加至文件或播放器，避免并行处理导致顺序错乱。

处理保活消息：服务端空闲时约每 15 秒发送一次 :keep-alive。该消息为维持连接的注释行，不包含播客内容。应跳过所有以冒号开头的注释行。

等待会话结束：轮次数、音频分片数及用量事件次数均不固定，不应在收到固定数量的消息后结束读取。

断点续传

生成过程中连接中断时，可保留已完整接收的轮次，通过新请求接收剩余内容。本接口以完整轮次为单位进行断点续传；未完整接收的轮次需丢弃已接收的音频分片，并重新接收该轮次的全部内容。

续传参数

保存信息	获取方式	续传请求填写规则
原始任务 ID	首次请求的事件 150 返回的 session_id。	填入 retry_info.retry_task_id。续传请求会返回新的 session_id，但同一任务的后续续传始终使用首次请求的 session_id。
最后完整接收的轮次编号	收到事件 362 且 is_error 未标记错误后，保存该轮次的 round_id。	填入 retry_info.last_finished_round_id。仅收到轮次开始事件或部分音频的轮次，不得计为已完成。

续传步骤

保留已完整接收的轮次音频，丢弃中断时未完成轮次的音频分片。

保留原请求中的文本、音色、音频配置等参数，添加 retry_info 后重新发送 HTTP POST 请求。

接收后续轮次，并按顺序将完整音频追加至已保留的音频。收到事件 152 且 code=20000000 后，确认生成成功。

示例

轮次 0～8 已完整接收，轮次 9 仅接收部分音频时连接中断。保留轮次 0～8 的音频，丢弃轮次 9 的音频分片，并将 last_finished_round_id 设为 8。续传时从轮次 9 开始接收，再与已保留的音频拼接。

续传请求未填写 retry_info 时，可能从头生成。本接口不支持通过 SSE 的 Last-Event-ID 自动重放历史事件。

构建完整播客时间轴时，须结合已保留音频的时长计算续传结果中的 start_time 和 end_time，不能直接将其作为完整播客的全局时间。

业务响应码

响应码	响应信息	说明
20000000	ok	音频合成成功结束。
45000000	quota exceeded for types: concurrency	并发限流，通常由请求并发数超过配额引起。
40000010	PodcastTTS invalid param	请求参数错误，请根据 msg 信息检查请求参数。
40000022	IllegalPayload:TextRiskAuditFailed	开启严格风控后，输入文本触发风控，导致合成失败。请检查输入文本。
55000000	服务端错误	服务端通用错误。
50302102	action = 0 的报错： NLP RespError(50000001/FangzhouPodcastNLPFailed:content filter) action = 4 的报错： NLP RespError(50000001/server error: GetOutlineFailed:Failed to generate the podcast. The cause of the error is: content filter) 或者 NLP RespError(50000001/server error: GetOutlineFailed:Failed to generate the podcast. The cause of the error is: get outline base model return empty)	内容触发安全审核过滤。
50302102	NLP RespError(50000001/FangzhouPodcastNLPFailed:content length)	文本上下文长度超过限制。

最近更新时间：2026.10.14 16:33:12

这个页面对您有帮助吗？

有用

无用