复刻语音合成算子将输入文本合成为语音音频，支持通过声音风格描述设计音色，也支持基于参考音频或资产库音色进行可控克隆，以及高保真续写。

算子介绍

适用场景

文本转语音：旁白、播报、短视频配音等文本转语音场景。

稳定音色复用：品牌音色、虚拟人、智能客服等稳定音色复用场景。

高保真续写：有提示音频与准确逐字稿的人物声音高保真续写场景。

长音频生成：长文本讲解、课程内容、资讯播报等长音频生成场景。

核心能力

多种语音合成能力：

Voice Design 文本控音色：仅通过 style_prompt 描述目标声音风格，无需样音即可生成语音。

可控声音克隆：通过 reference_audio_uri 提供样音，基于样音音色合成目标文本。

资产库音色复刻：通过资产库音色选择（material_scope.voice）指定已有音色素材并按需固定版本、按标签自动选择，或根据文本与风格描述推断选材偏好，无需自行提供样音地址。

高保真声音续写：同时提供 prompt_audio_uri 与 prompt_text，提升音色、语速、韵律一致性。

长文本切分与拼接：支持按自然边界切分长文本、逐段合成并自动拼接。

质量自检与重试：支持在检测到疑似低质量结果时自动重新生成。

多格式音频输出：支持 wav、mp3、ogg_opus、pcm，并可配置采样率和码率。

音频交付：支持多种音频格式，可将结果写入 TOS；在 audio_uri 或 service 模式下，即使不指定输出目录，成功任务也会返回可下载的音频地址。

效果展示

场景1：基于 style-prompt 的声音设计

"text": "欢迎使用声音复刻算子，这是一个语音合成示例。"

输出音频

0:00 / 0:03

下载无参考音频.wav

场景2：有参考音频的声音克隆

输入参考音频

0:00 / 0:16

下载旁白.wav

输出音频

0:00 / 0:04

下载有参考音频.wav

场景3：高保真音频续写

"text": "小寨子的日升月落里，重复着平淡的日常，确在细微处留下不一样的故事。"

输入提示音频

0:00 / 0:16

下载旁白.wav

输出音频

0:00 / 0:11

下载音频续写.wav

支持的地域

北京：cn-beijing

算子性能

细分项	性能影响说明
最大 Submit RPM	5
最大 Poll RPM	300

输入与输出要求

输入要求

细分	详细要求
输入数据模态	Text Audio（参考音频、提示音频）
输入格式：文本	输入文本支持 <break time="500ms"/> 和 <break time="2s"/> 两种停顿写法，单次停顿最长按 30000 毫秒处理。<break> 标签不会被朗读。当前不支持完整 SSML，也不支持 <speak>、<prosody>、<emphasis> 等其他标签。
输入格式：音频	格式：支持 WAV 大小：不得过 50 MB，时长范围为 0.1 到 300 秒；生产场景建议使用单人、清晰、低噪、约 5 到 15 秒的音频。其他：参考音频：通过 reference_audio_uri 请求参数输入给模型参考音频，适用于基于参考音频进行声音克隆的场景。提示音频：通过 prompt_audio_uri 请求参数输入给模型提示音频，且需要同时输入 prompt_text（提示音频对应的精确文本），可进一步提升输出音频的音色、语速、韵律与提示音频的一致性。此场景下以提示音频的声音和表达方式合成新音频，不支持再配置 style_prompt 来指定生成音频的风格。
资产库音色	通过 material_scope.voice 选择音色：EXACT 指定一份素材 ID，revision 可选；省略时使用本次查询返回的最新可用版本并在任务内固定，显式指定时优先使用指定版本。AUTO 在非空标签过滤条件与 infer_filters=true 中选择一种。资产库音色不能与 reference_audio_uri 或 prompt_audio_uri 同时使用，可叠加 style_prompt。
输入路径	通过请求参数 reference_audio_uri、 prompt_audio_uri提供给算子输入数据，当前支持公网 URL、TOS 路径这两种方式。公网 URL：公网可访问的音频 URL，格式为 http/https。公网 URL 不支持需要登录态或额外 Header 鉴权的地址；临时 URL 需在任务执行期间有效。 TOS 路径：将待处理数据上传至与当前 LAS 服务同主账号、同地域的 TOS Bucket后，可提供 TOS 路径，格式为tos://bucket_name/demo。 TOS 对象需存在且具备读取权限。

输出要求

细分	详细要求
输出数据模态	Audio
输出格式：音频	格式：支持 wav、mp3、ogg_opus、pcm。其他：pcm 输出为无 WAV 头的裸 s16le 单声道流，下游需要结合 sample_rate 解码。bit_rate 对 wav / pcm 不生效。
输出路径：对象存储	通过请求参数 output_object_storage_dir 指定算子输出结果的存储路径，当前支持设置为 TOS 路径。 TOS 路径：与LAS服务同主账号、同地域下，有可写权限的 TOS Bucket 目录，格式：tos://bucket/output/。

计费说明

计费标准

细分项	计费标准说明
计费项	基于原始请求文本字符数统计用量进行计费，仅成功任务计费。计费字符数按原始 req_params.text 解码后的 Unicode 字符统计，SSML 标签、英文字母、标点、特殊符号、空格和换行均计入，不按 UTF-8 字节数统计。duration_sec 仅表示输出音频时长，不作为计费口径。
计费类型	按量计费。
单价	1.5 元/万字符

注意与前提

细分项	注意与前提
开通 LAS	如果您是一个全新的火山引擎用户，此前未开通过 LAS 产品，您可先开通 LAS，不使用 LAS 的计费功能仅开通 LAS 产品不会产生费用。开通操作请参见准备工作。开通完成后可查看算子介绍文档，了解算子能力、上手引导等，详情可参见：LAS 智能数据处理算子。
费用	调用算子前，您需先了解使用算子时的模型调用费用，详情请参见大模型调用计费。
鉴权（API Key）	调用算子前，您需要先生成算子调用的API Key，并建议将API Key配置为环境变量，便于更安全地调用算子，详情请参见获取 API Key 并配置。
BaseURL	调用算子前，您需要先根据您当前使用的LAS服务所在地域，了解算子调用的BaseURL，用于配置算子调用路径参数取值。详情请参见获取 Base URL，下文中的调用示例仅作为参考，实际调用时需替换为您对应地域的路径取值。

Rest API 调用

API 调用说明

本算子的 API 为异步任务接口，您需要通过 Submit 接口提交任务获得任务的 task_id，再通过 Poll 接口获取对应任务（task_id）运行状态，并获取算子处理结果。

注意，任务提交后，任务的 task_id 有效期为 3 天，超过 3 天后即无法通过此 task_id 来获取算子处理结果。

Submit

接口说明

提交 las_voice_forge 声音复刻 / 语音合成任务。接口返回异步任务 ID，任务完成后需通过 Poll 接口查询合成结果。

请求参数

operator_id string 必选示例值: las_voice_forge

算子 ID，固定为 las_voice_forge。

operator_version string 必选示例值: v1

算子版本，固定为 v1。

data VoiceForgeUserReqParams 必选

复刻语音合成业务参数。

req_params ReqParams 必选

文本及输出音频参数。

text string 必选示例值: 欢迎使用声音复刻算子。

待合成文本，原始长度范围为 1 到 20000 个字符；支持有限的 SSML `` 停顿标记。

audio_params AudioParams Optional

音频输出参数。

format string Optional 示例值: wav

输出格式，支持 wav、mp3、ogg_opus、pcm，默认 wav。

sample_rate integer Optional 示例值: 48000

输出采样率，单位 Hz，支持 8000、16000、22050、24000、32000、44100、48000，默认 48000。

bit_rate integer Optional 示例值: 128000

压缩码率，范围 64000 到 160000 bps，仅对 mp3 / ogg_opus 生效，默认 128000。

additions Additions Optional

附加处理参数。

silence_duration integer Optional 示例值: 0

尾部静音时长，单位毫秒，范围 0 到 30000，默认 0。

engine_params EngineParams Optional

音色与生成参数。

style_prompt string Optional 示例值: 沉稳专业的男声，语速适中

目标声音风格描述，最长 300 个字符；不能与 prompt_audio_uri 同时配置。

reference_audio_uri string Optional 示例值: tos://example-bucket/refs/speaker.wav

复刻音色使用的参考音频，仅支持 tos://、http://、https://；无需提供逐字稿。

prompt_audio_uri string Optional 示例值: tos://example-bucket/refs/prompt.wav

高保真续写提示音频，仅支持上述 URI；必须与内容一致的 prompt_text 同时提供，且不能与 style_prompt 同时配置。

prompt_text string Optional 示例值: 这是提示音频对应的准确逐字稿。

提示音频的准确逐字稿，最长 1000 个字符；必须与 prompt_audio_uri 同时提供。

guidance_scale double Optional 示例值: 2.0

音色或风格贴合强度，范围 1.0 到 3.0，默认 2.0。

inference_steps integer Optional 示例值: 10

生成步数，范围 4 到 30，默认 10；提高该值通常会增加处理时间。

temperature double Optional 示例值: 0.7

生成多样性，范围 0.1 到 2.0；不传时使用引擎默认值。

text_normalize boolean Optional 示例值: true

是否对数字、日期、金额等内容进行文本规范化，默认 true。

reference_denoise boolean Optional 示例值: false

是否对参考音频进行降噪，默认 false。

enable_quality_retry boolean Optional 示例值: true

是否在质量不达标时自动重新生成，默认 true。

quality_retry_max_times integer Optional 示例值: 3

质量重生成最大次数，范围 0 到 5，默认 3。

seed integer Optional 示例值: 1234

随机种子；固定后便于复现和对比结果。

service_params ServiceParams Optional

输出和长文本参数。

response_mode string Optional 示例值: audio_uri

响应模式：base64 返回 Base64 音频，audio_uri 返回音频地址，service 同时返回二者；默认 audio_uri。

timeout_sec integer Optional 示例值: 1800

请求总超时时间，单位秒，范围 5 到 3600，默认 1800；覆盖样音下载、合成、转码和音频保存。

long_text LongText Optional

长文本切分参数。

enable boolean Optional 示例值: true

是否自动切分长文本，默认 true。

target_segment_chars integer Optional 示例值: 1000

目标段长和自动切分触发阈值，范围 100 到 2000，默认 1000。

max_segment_chars integer Optional 示例值: 1000

单段字符上限，范围 100 到 2000，默认 1000，且不得小于 target_segment_chars。

material_scope MaterialScope Optional

资产库音色选择。不传或传 null 时沿用原有合成方式；当前仅支持 voice。

voice MaterialVoiceSelector 必选

选择用于复刻音色的参考样音。与 engine_params.reference_audio_uri、engine_params.prompt_audio_uri 互斥，可与 style_prompt 同时使用。

mode string 必选示例值: EXACT

选择方式。EXACT 指定一份素材 ID，可选 revision；省略时使用本次查询返回的最新可用版本，并在本次任务中固定。AUTO 按标签筛选，或根据文本和 style_prompt 推断选材偏好。

material_ids array of string Conditional 示例值: ["mat-voice-example"]

EXACT 必须且只能指定一个非空素材 ID；AUTO 不允许指定素材 ID。

revision integer Optional 示例值: 1

资产库中同一素材的版本号，与算子版本 v1 不同。EXACT 可选，指定时取值不小于 1 并优先使用该版本；省略或传 null 时使用本次查询返回的最新可用版本，并在本次任务中固定。AUTO 不允许指定。

filters object Optional 示例值: {"gender":"FEMALE","language":["ZH","EN"]}

AUTO 的标签过滤条件，最多 8 个非空键；每个值为非空字符串或包含 1～20 个非空字符串的数组。与 infer_filters=true 二选一；EXACT 不允许传非空过滤条件。标签名称及枚举以资产库当前词表为准。

infer_filters boolean Optional 示例值: true

默认 false。AUTO 设为 true 时，根据 req_params.text 与 style_prompt 推断选材偏好；与非空 filters 二选一。EXACT 不允许设为 true。

output_object_storage_dir string Optional 示例值: tos://example-bucket/tts-output/

音频输出目录，仅支持 tos:// 路径；不传时，audio_uri / service 模式会在任务成功后返回音频的可下载链接。

callback object Optional 示例值: {"url":"https://example.com/callback"}

任务终态回调配置，回调地址为 callback.url；不传则通过 Poll 获取结果。

pending_timeout_minutes integer Optional 示例值: 60

PENDING 排队超时分钟数，范围 30 到 4320；超时后任务进入 EXPIRED。

返回数据

metadata Metadata

请求元信息。

task_id string 示例值: ffb57ea6450c894f354c

异步任务 ID，用于 Poll 查询。

task_status string 示例值: PENDING

任务状态，提交成功通常为 PENDING。

business_code string 示例值: 0

业务码，0 表示成功。

error_msg string

错误描述，成功时为空。

request_id string 示例值: 9fed0e5f0659b128bad47e971aed3c81

请求 ID。

示例

请求示例

返回示例

错误码

HttpStatusCode	错误码	错误信息	描述
400	Parameter.Invalid	The parameter is invalid.	字段类型、枚举、数值范围或参数依赖不正确，包括音色选择条件不完整、未知角色或字段，以及与参考音频、提示音频的互斥冲突。
400	Operator.InvalidId	The operator id is invalid.	operator_id 不正确或不可用。
400	Operator.InvalidVersion	The operator version is invalid.	operator_version 不正确。
400	Tts.InvalidText	The synthesis text is empty after cleaning.	文本为空或处理后为空。
400	Tts.TextTooLong	The synthesis text exceeds the maximum length.	文本超过允许长度。
400	Tts.TooManySegments	The synthesis text has too many segments.	长文本切分段数过多。
400	Tts.ReferenceAudioInvalid	The reference audio is invalid.	参考或提示音频地址、格式或内容不符合要求。
400	Tts.ReferenceAudioRequired	Reference audio is required.	当前合成方式缺少所需的参考音频。
400	Tts.InvalidRequest	The TTS request is invalid.	参数组合不正确，例如 prompt_audio_uri 与 prompt_text 未同时提供。
401	Authorization.Missing	Missing Authorization.	缺少鉴权信息。
401	ApiKey.Invalid	The api key is invalid.	API Key 无效。
429	Server.Busy	Server is Busy, please try again later.	服务繁忙或限流。
500	Tts.InternalError	TTS Internal Error	语音合成服务异常。
500	Tts.AudioSaveFailed	Failed to transcode or persist the audio.	音频转码或保存失败。
500	Tts.EngineLoadFailed	The synthesis engine failed to load.	合成服务暂不可用。
500	Tts.EngineGpuOom	The synthesis engine ran out of GPU memory.	合成资源不足。
500	Tts.RequestTimeout	The synthesis request timed out.	合成任务超时。

Poll

接口说明

通过任务 ID 查询 las_voice_forge 声音复刻 / 语音合成任务的状态和结果。任务完成后返回音频地址、音频格式、采样率、时长等信息。

请求参数

名称	类型	是否必选	示例值	描述
operator_id	string	是	las_voice_forge	算子 ID，固定为 las_voice_forge。
operator_version	string	是	v1	算子版本，固定为 v1。
task_id	string	是	ffb57ea6450c894f354c	Submit 接口返回的异步任务 ID。

返回数据

metadata Metadata

请求元信息与任务状态。

task_id string 示例值: ffb57ea6450c894f354c

异步任务 ID。

task_status string 示例值: COMPLETED

任务状态，可取 PENDING、RUNNING、COMPLETED、FAILED、EXPIRED、CANCELLED。

submit_time string 示例值: 2026-07-21T16:04:06+08:00

任务提交时间，格式为 ISO 8601 时间戳。

end_time string 示例值: 2026-07-21T16:04:09+08:00

任务结束时间，格式为 ISO 8601 时间戳；任务未结束时可能为空。

business_code string 示例值: 0

业务码，0 表示成功，非 0 表示具体错误。资产库选材失败时可能为 NotFound.Material 或 Material.Unavailable，具体原因见 error_msg。

error_msg string

错误或状态描述，成功时为空。

request_id string 示例值: 9fed0e5f0659b128bad47e971aed3c81

请求 ID。

data VoiceForgeUserResp

任务完成后的语音合成结果。

data string

Base64 音频，base64 / service 模式可能返回。

audio_uri string 示例值: https://example-bucket.tos-cn-beijing.volces.com/voice_forge/demo.wav

音频访问地址，audio_uri / service 模式返回，为有效期 3 天的 TOS 预签名 HTTPS 地址。

audio_format string 示例值: wav

实际输出音频格式。

sample_rate integer 示例值: 48000

实际输出采样率，单位 Hz。

duration_sec double 示例值: 3.04

输出音频时长，单位秒；仅作为结果信息，不参与计费。

text_chars integer 示例值: 11

原始 req_params.text 的 Unicode 字符数，是 Voice Forge 的计量计费口径。

segment_count integer 示例值: 1

文本切分段数，单段为 1。

reference_audio_used boolean 示例值: true

本次合成是否使用了音色参考，包括通过 material_scope.voice 选取的样音。

示例

请求示例

返回示例

错误码

HttpStatusCode	错误码	错误信息	描述
400	TaskId.Invalid	The task id is invalid.	任务 ID 为空、不存在或无权访问。
400	Parameter.Invalid	The parameter is invalid.	参数校验失败或任务结果解析失败。
400	Tts.InvalidText	The synthesis text is empty after cleaning.	文本为空或处理后为空。
400	Tts.TextTooLong	The synthesis text exceeds the maximum length.	文本超过允许长度。
400	Tts.TooManySegments	The synthesis text has too many segments.	长文本切分段数过多。
400	Tts.InvalidRequest	The TTS request is invalid.	请求参数组合不正确。
400	Tts.ReferenceAudioInvalid	The reference audio is invalid.	参考或提示音频不符合要求。
401	Authorization.Missing	Missing Authorization.	缺少鉴权信息。
401	ApiKey.Invalid	The api key is invalid.	API Key 无效。
429	Server.Busy	Server is Busy, please try again later.	服务繁忙或限流。
500	Server.InternalError	General Internal Error	服务端内部错误。
500	Tts.InternalError	TTS Internal Error	语音合成服务异常。
500	Tts.AudioSaveFailed	Failed to transcode or persist the audio.	音频转码或保存失败。
500	Tts.EngineLoadFailed	The synthesis engine failed to load.	合成服务暂不可用。
500	Tts.EngineGpuOom	The synthesis engine ran out of GPU memory.	合成资源不足。
500	Tts.RequestTimeout	The synthesis request timed out.	合成任务超时。

AI 数据湖服务