实时音视频
实时音视频
文档指南
请输入
- 文档首页
实时音视频AI 音视频互动方案开发指南配置 ASR/LLM/TTS 服务配置语音合成 TTS
复制全文
下载 pdf配置语音合成 TTS
文档反馈
问问助手语音合成服务（TTS） 负责将大模型生成的文本转换为自然流畅的语音。
注意
若通过 S2SConfig 参数启用了端到端语音模型，本章节描述的 TTSConfig 配置将自动失效，系统的语音合成能力由端到端模型内部处理。关于端到端模型的配置，请参见接入端到端实时语音大模型。
快速接入
豆包语音 TTS
语音合成大模型
即自行在豆包语音控制台使用个人账号开通的豆包语音 TTS 服务。
- 参数透传
-
- 参数直传
-
- 参数说明
- VolcanoTTSParameters：参见VolcanoTTSParameters 说明。
- ResourceId：指定模型版本。同时支持语音合成大模型 2.0 和 1.0 版本，推荐使用 2.0，通过参数 ResourceId 来指定。
- voice_type（音色）需与 ResourceId（模型版本）匹配，语音合成大模型 1.0 仅支持使用 1.0 音色，大模型 2.0 仅支持使用 2.0 音色。详情可参见音色列表。
- enable_latex_tn（播报 LaTeX 公式）：使用语音合成大模型 2.0 或声音复刻大模型 2.0 时，该功能与 SubtitleConfig.SubtitleMode:0（对齐音频时间戳）不可同时启用。
即使用 AI 音视频互动的公共模型资源，无需自行在豆包语音控制台开通服务。
注意
- 参数透传
-
- 参数直传
-
- 参数说明
- VolcanoTTSParameters：参见VolcanoTTSParameters 说明。
- ResourceId：指定模型版本。同时支持语音合成大模型 2.0 和 1.0 版本，推荐使用 2.0。
- voice_type：需与 ResourceId（模型版本）匹配，语音合成大模型 1.0 仅支持使用 1.0 音色，大模型 2.0 仅支持使用 2.0 音色。详情可参见音色列表。
- enable_latex_tn（播报 LaTeX 公式）：使用语音合成大模型 2.0 或声音复刻大模型 2.0 时，该功能与 SubtitleConfig.SubtitleMode:0（对齐音频时间戳）不可同时启用。
声音复刻大模型
- 参数透传
-
- 参数直传
-
- 参数说明
- VolcanoTTSParameters：req_params.speaker 填写已复刻音色 ID。详细说明参见VolcanoTTSParameters 说明。
- ResourceId：指定模型版本，需与复刻音色的资源版本匹配。
注意
- 参数透传
-
- 参数直传
-
- 参数说明
- VolcanoTTSParameters：req_params.speaker 填写已复刻音色 ID。详细说明参见VolcanoTTSParameters 说明。
- ResourceId：指定模型版本，需与购买并复刻的音色资源版本匹配。
VolcanoTTSParameters 说明
- 数据格式：必须是一个经过 JSON 压缩并转义后的字符串。
- 参数来源：需遵循 豆包语音：双向流式语音合成WebSocket 的 Payload 请求参数规范。
- 构造方法
- 在文档豆包语音：双向流式语音合成WebSocket 中，选取参数构建原始 JSON 对象，并将其转为 JSON 字符串。参数需满足下述要求：
- 必传参数：必须包含参数 req_params.speaker（音色 ID）。
- 语音合成大模型：音色需与 Credential.ResourceId 中配置的模型版本匹配，语音合成大模型 1.0 仅支持使用 1.0 音色，2.0 仅支持使用 2.0 音色。可使用音色，参见音色列表。
- 声音复刻大模型：speaker 为已复刻声音 ID。
- 业务所需参数：按需选择（例如 audio_params.speech_rate、additions等）。
- 不可传入的参数：
- user
- event
- namespace
- req_params.text
- req_params.audio_params.format
- req_params.audio_params.enable_timestamp
- req_params.additions.max_length_to_filter_parenthesis
- req_params.additions.cache_config、req_params.additions.enable_latex_tn：当使用语音合成大模型 2.0（ResourceId 为 seed-tts-2.0）时，若启用了对齐时间戳的字幕（SubtitleMode: 0），这两个配置不可启用。
示例：以设置音色（必填）并开启 Markdown 过滤（按需）为例：
- 先构建 JSON 对象：
-
- 然后将其转换为 JSON 字符串："{\"req_params\":{\"speaker\":\"zh_female_linjianvhai_moon_bigtts\",\"additions\":{\"disable_markdown_filter\":true}}}"。
MiniMax TTS
语音合成 WebSocket（双向流式）
MiniMax 语音合成 WebSocket（双向流式）支持流式输入和流式输出。接入时，将 TTSConfig.Provider 设置为 minimax_bidirection，并配置 API 密钥、模型和音色。
语音合成 HTTP
如需使用 MiniMax 语音合成 HTTP，将 TTSConfig.Provider 设置为 minimax：
自定义 TTS
将自定义语音合成服务接入边缘大模型网关后，即可在对话式 AI 方案中使用该服务进行语音合成。
进阶使用
完成基础 TTS 配置后，可根据业务需要进一步优化播报内容和声音表现。
注意
下述进阶能力依赖具体 TTS 模型能力，具体参见对应的功能文档。
动态更新 TTS 配置
过滤或转译指定内容
通过指令控制语音表现
暂停或恢复播报
播报业务自定义文本
FAQ
如何更换 TTS 配置，例如音色？
启动任务后，可调用 UpdateVoiceChat 接口，更换 TTSConfig 配置。例如更换音色（ voice_type ）。配置更新后不影响正在进行的回答，会在下一次提问的时候生效。
TTS 服务是否支持返回口型？
当前不支持返回口型数据。因此，您无法通过配置直接获取与合成语音相对应的口型动画参数。
参数透传和直传有什么区别？
最近更新时间：2026.10.16 17:01:35
这个页面对您有帮助吗？
有用
有用
无用
无用