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](https://docs.volcengine.com/docs/DoubaoVoice/podcast_mustread?lang=zh) 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](https://console.volcengine.com/speech/new/setting/apikeys?projectName=default.) 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](https://docs.volcengine.com/docs/DoubaoVoice/Tonelist-1?lang=zh) * [声音复刻接口](https://docs.volcengine.com/docs/DoubaoVoice/tone-training-http?lang=zh)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` 隐式水印配置，在音频文件头中写入元数据。注意： * 水印支持 `mp3`、`wav`、`ogg_opus`格式 * 本接口可输出的音频格式以format为准 **enable ** `bool` 是否启用隐式水印。默认值：`false` **content_producer** `string` 合成服务提供者的名称或编码。 **produce_id** `string` 内容制作编号。 **content_propagator** `string` 内容传播服务提供者的名称或编码。 **propagate_id** `string` 内容传播编号。 **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` 发音人配置。 **random_order** `bool` 是否随机选择先开始说话的发音人。默认值：`true` **speakers** `[]string` 播客音色 ID 列表，仅支持 2 位发音人。可选音色如下： * 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](https://docs.volcengine.com/docs/DoubaoVoice/Tonelist-1?lang=zh) * [声音复刻接口](https://docs.volcengine.com/docs/DoubaoVoice/tone-training-http?lang=zh)生成的音色 **speaker_additions** `map[string]string` 音色附加配置，适用于[语音合成音色](https://docs.volcengine.com/docs/DoubaoVoice/Tonelist-1?lang=zh)、声音复刻音色。请参考[语音合成接口](https://docs.volcengine.com/docs/DoubaoVoice/unidirectional-streaming-text-to-speech-http?lang=zh)配置自定义附加参数（req_params.additions）示例： ```JSON { "S_speaker_name": "{\"model\": \"seed-tts-2.0-standard\"}" } ``` **retry_info** `object` 连接中断后继续生成 **retry_task_id ** `string` 待续传的原任务 ID，填写首次请求响应中的 `session_id` 注意：续传会生成新的 `session_id`，但多次续传仍使用首次请求的值 **last_finished_round_id ** `number` 最后完整接收的轮次 ID。注意： * 收到该轮的 `362`（PodcastRoundEnd）且没有 `is_error` 后，才记录这个ID * 仅收到 `360`（PodcastRoundStart）或部分音频的轮次不计入 ### 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

豆包语音