文档中心

豆包语音

语音播客大模型

语音播客

支持基于文本、网页或话题生成双人播客音频

接入前，请阅读接入必读文档

POST https://openspeech.bytedance.com/api/v3/podcast/sse

请求头

x-api-key string 必选

API Key 可以从控制台>API Key管理获取

x-api-resource-id string 必选

请求的模型版本

固定值：volc.service_type.10050

Content-Type string 必选

固定值：application/json

Accept string

指定服务端以 SSE 流式返回响应

固定值：text/event-stream

x-api-request-id string

用于链路追踪的ID；未传时会自动生成，并在响应头返回

请求体

action number 必选

指定播客生成方式。

0：根据 input_text 或 input_info.input_url 总结生成；

3：根据 nlp_texts 中的对话文本直接合成；

4：根据 prompt_text 指定的话题联网生成。

默认值 0

input_text string

用于总结生成播客的原文。

注意：

当 action=0 时，该参数与 input_info.input_url 至少填写一项

当 action=0 时，若同时填写了该参数与input_info.input_url，优先使用 input_text。

prompt_text string

指定联网生成播客的话题。

例如：“火山引擎”“怎么平衡工作和生活？”

注意：

当 action=4 时，需填写该参数

不支持指令控制

nlp_texts object

待合成的播客对话列表，每项包含一轮对话的 text 和 speaker。

注意：当 action=3 时，需填写该参数

text string

当前轮次的对话文本。单轮不超过 300 字符，所有轮次合计不超过 10000 字符。

speaker string

指定当前轮次的音色 ID。包括以下音色：

黑猫侦探社咪仔（默认）

zh_female_mizaitongxue_v2_saturn_bigtts

zh_male_dayixiansheng_v2_saturn_bigtts

刘飞和潇磊

zh_male_liufei_v2_saturn_bigtts

zh_male_xiaolei_v2_saturn_bigtts

语音合成音色

声音复刻接口生成的音色

input_info object

input_url string

用于生成播客文本的网页或文件链接，文件须可下载，支持 pdf、doc、txt。

注意：当 action=0 时，该参数与 input_text 至少填写一项。

only_nlp_text bool

是否仅输出播客对话文本列表，不输出音频。

默认值：false

return_audio_url bool

是否返回完整播客音频的下载链接，有效期 24 小时。

注意：下载链接位于Event 363（PodcastEnd）的 meta_info.audio_url

input_text_max_length int

模型处理的最大字符数。

注意：当 action=0 时生效，超出部分自动截断。建议不超过 12000 字符，以保证稳定性。

默认值：20000

max_char_length_per_round int

每轮合成字符数上限。优先在句号（。）等句末标点处断句，保证语句完整后再检查字符数，不强制截断。

默认值：300

strict_audit bool

安全审核等级

true: 严格审核

false：普通审核

默认值：false

注意：该参数对 action=0 的 input_text 和 action=4 的 prompt_text 生效。

use_head_music bool

是否使用开头音效。

默认值：true

use_tail_music bool

是否使用结尾音效。

默认值：false

aigc_watermark bool

是否启用显式水印，开启后在音频结尾添加节奏标识。

默认值：false

aigc_metadata object

audio_config object

输出音频配置。配置音频参数有助于减少服务端音频解码耗时。

format string

指定输出音频格式。

可选值：mp3、ogg_opus、pcm、aac

默认值：pcm

sample_rate number

指定输出音频采样率，单位 Hz。

可选值：16000、24000、48000

默认值：24000

speech_rate number

指定语速，取值范围 [-50, 100]。

-50 为 0.5 倍速，100 为 2.0 倍速；超出范围时自动调整为对应边界值。

默认值：0

speaker_info object

retry_info object

响应

code int64

业务响应码。成功为 20000000 或 0

message string

请求状态

session_id string

本次请求生成的会话 ID

data string

音频分片Base64 编码数据

payload JSON

round_id int

轮次信息，在轮次开始 event code = 360 时出现

speaker string

轮次使用音色，在轮次开始 event code = 360 时出现

text string

轮次合成的文本，在轮次开始 event code = 360 时出现

audio_duration float

当前轮次音频时长，单位：s

轮次结束在 event code = 362 时出现

start_time float

当前轮次音频在完整音频时间轴的开始时间，单位：s

轮次结束在 event code = 362 时出现

end_time float

当前轮次音频在完整音频时间轴的结束时间，单位：s

轮次结束在 event code = 362 时出现

meta_info JSON

播客结束 event code = 363 出现，要求返回 url 或者 action = 4 会返回

audio_url string

完整可播放的音频链接，24h 有效

注意：需开启 return_audio_url 参数

usage JSON

用量信息，只在 event code = 154 出现，会多次推送

input_text_tokens int

文本 token 用量

output_audio_tokens int

语音 token 用量

total_tokens int

总 token 用量

cURL

Python

输入示例

export PODCAST_API_KEY='<YOUR_API_KEY>'

curl -N --request POST \
  'https://openspeech.bytedance.com/api/v3/podcast/sse' \
  --header "x-api-key: ${PODCAST_API_KEY}" \
  --header 'x-api-resource-id: volc.service_type.10050' \
  --header 'Accept: text/event-stream' \
  --header 'Content-Type: application/json' \
  --data-raw '{
    "action": 3,
    "use_head_music": false,
    "use_tail_music": false,
    "audio_config": {
      "format": "mp3",
      "sample_rate": 24000,
      "speech_rate": 0
    },
    "nlp_texts": [
      {"speaker":"zh_male_dayixiansheng_v2_saturn_bigtts","text":"你好，欢迎来到测试播客。"},
      {"speaker":"zh_female_mizaitongxue_v2_saturn_bigtts","text":"今天我们测试新的流式接口。"}
    ]
  }'

输出示例

event: 361
data: {"code":0,"session_id":"...","data":"<base64 mp3 chunk>"}

最近更新时间：2026.10.14 16:33:02

这个页面对您有帮助吗？

有用

无用