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。
语音合成大模型
参数透传
此方式支持通过 JSON 字符串传入豆包语音合成大模型服务的全部配置参数，相较于直传配置更灵活、功能更全面。
以下场景使用的是公共的语音合成大模型资源：
使用的接口为 StartVoiceChat（2025-06-01），且未在 TTSConfig.ProviderParams 中传入 Credential.AppId 和 Credential.Token。
配置示例如下：
{
"TTSConfig": {
"Provider": "volcano_bidirection", // 必填：固定值
"ProviderParams": {
// 鉴权配置
"Credential": {
"ResourceId": "seed-tts-2.0" // 模型版本
},
"VolcanoTTSParameters": "{\\"req_params\\":{\\"speaker\\":\\"zh_female_vv_uranus_bigtts\\",\\"additions\\":{\\"disable_markdown_filter\\":true}}}" // 必填，【参数透传】压缩并转义后的 JSON 字符串
}
}
}
- 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：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。
以下任一场景使用的都是自行开通的语音合成大模型：
- 使用的接口为 StartVoiceChat（2025-06-01），且在 TTSConfig.ProviderParams 中传入 Credential.AppId 和 Credential.Token。
- 使用的旧版接口 StartVoiceChat（2024-12-01） 。旧版接口建议升级至 StartVoiceChat（2025-06-01）。如何升级，参见迁移至新接口。
配置示例如下：
{
"TTSConfig": {
"Provider": "volcano_bidirection", // 必填：固定值
"ProviderParams": {
// 鉴权配置
"Credential": {
"AppId": "94****11", // 必填：豆包语音控制台获取的 AppID
"Token": "OaO****ws1", // 必填：App ID 对应的 AccessToken
"ResourceId": "seed-tts-2.0" // 选填，资源 ID
},
"VolcanoTTSParameters": "{\\"req_params\\":{\\"speaker\\":\\"zh_female_vv_uranus_bigtts\\",\\"audio_params\\":{\\"speech_rate\\":0,\\"loudness_rate\\":0}}}" // 必填，一个 JSON 字符串，参见下方说明
}
}
}
- 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：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。
参数直传
此方式封装了语音合成大模型的部分配置参数，接入简单，但无法使用该服务的全部功能。
以下场景使用的是公共的语音合成大模型资源：
配置示例如下：
{
"TTSConfig": {
"Provider": "volcano_bidirection", // 必填：固定值
"ProviderParams": {
"audio": {
"voice_type": "zh_female_vv_uranus_bigtts", // 必填，音色
"speech_rate": 0 // 选填：语速
},
"ResourceId": "seed-tts-2.0", // 模型版本，示例为 2.0 版本
"additions": {
"enable_latex_tn": true, // 选填：开启 Latex 公式播报
"disable_markdown_filter": true, // 选填：开启 Markdown 符号过滤（如加粗、标题符不读出）
"enable_language_detector": false // 选填：自动语种识别
}
}
}
}
- 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，即语音合成大模型 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。
以下任一场景使用的都是自行开通的语音合成大模型：
- 使用的接口为 StartVoiceChat（2025-06-01），且在 TTSConfig.ProviderParams 中传入了 app 参数。
- 使用的旧版接口 StartVoiceChat（2024-12-01）。旧版接口建议升级至 StartVoiceChat（2025-06-01）。如何升级，参见迁移至新接口。
配置示例如下：
{
"TTSConfig": {
"Provider": "volcano_bidirection", // 必填：固定值
"ProviderParams": {
"app": {
"appid": "94****11", // 必填：豆包语音控制台获取的 AppID
"token": "OaO****ws1" // 必填：App ID 对应的 AccessToken
},
"audio": {
"voice_type": "zh_female_vv_uranus_bigtts", // 必填，音色
"speech_rate": 0 // 选填：语速
},
"ResourceId": "seed-tts-2.0", // 选填：资源 ID，区分并发版或字符版
"additions": {
"enable_latex_tn": true, // 选填：开启 Latex 公式播报
"disable_markdown_filter": true, // 选填：开启 Markdown 符号过滤（如加粗、标题符不读出）
"enable_language_detector": false // 选填：自动语种识别
}
}
}
}
- 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。
声音复刻大模型
参数透传
此方式支持通过 JSON 字符串传入豆包语音合成大模型服务的全部配置参数，相较于直传配置更灵活、功能更全面。
以下场景使用的是公共的声音复刻大模型资源：
使用的接口为 StartVoiceChat（2025-06-01），且未在 TTSConfig.ProviderParams 中传入 Credential.AppId 和 Credential.Token。
配置示例如下：
- 使用前，先购买音色资源并复刻音色。具体操作，参见公共声音复刻大模型。
- 配置 StartVoiceChat：
- ResourceId：需与 voice_type 购买的音色资源版本一致。
- VolcanoTTSParameters：参见VolcanoTTSParameters 说明。
- {"TTSConfig": {"Provider": "volcano_bidirection", // 必填：固定值"ProviderParams": {"VolcanoTTSParameters": "{\\"req_params\\":{\\"speaker\\":\\"S_N****T7k1\\",\\"audio_params\\":{\\"speech_rate\\":0}}}", //必填，透传压缩并转义后的 JSON 字符串"Credential": {"ResourceId": "seed-icl-2.0" // 必填：需与音色资源版本一致}}}
以下任一场景使用的都是自行开通的声音复刻大模型：
- 使用的接口为 StartVoiceChat（2025-06-01），且在 TTSConfig.ProviderParams 中传入 Credential.AppId 和 Credential.Token。
- 使用的旧版接口 StartVoiceChat（2024-12-01）。旧版接口建议升级至 StartVoiceChat（2025-06-01）。如何升级，参见迁移至新接口。
配置示例如下：
- 使用前，先复刻音色并获取 ID。具体操作，参见自行开通的声音复刻大模型。
- 配置 StartVoiceChat：
- ResourceId：需与 voice_type 购买的音色资源版本一致。
- VolcanoTTSParameters：参见VolcanoTTSParameters 说明。
其中，req_params.speaker 为已复刻声音 ID。
{
"TTSConfig": {
"Provider": "volcano_bidirection", // 必填：固定值
"ProviderParams": {
"Credential": {
"AppId": "94****11", // 必填：豆包语音控制台获取的 AppID
"Token": "OaO****ws1", // 必填：App ID 对应的 AccessToken
"ResourceId": "seed-icl-2.0" //选填：模型版本
},
"VolcanoTTSParameters": "{\\"req_params\\":{\\"speaker\\":\\"S_N****T7k1\\",\\"audio_params\\":{\\"speech_rate\\":0}}}" //必填，透传压缩并转义后的 JSON 字符串
}
}
}
参数直传
此方式封装了语音合成大模型的部分配置参数，接入简单，但无法使用该服务的全部功能。
以下场景使用的是公共的声音复刻大模型资源：
配置示例如下：
- 使用前，先购买音色资源并复刻音色。具体操作，参见公共声音复刻大模型。
- 配置 StartVoiceChat：
- voice_type：已复刻声音 ID。
- ResourceId：需与 voice_type 购买的音色资源版本一致。
- {"TTSConfig": {"Provider": "volcano_bidirection", // 必填：固定值"ProviderParams": {"audio": {"voice_type": "S_N****T7k1", // 必填：已复刻声音 ID"speech_rate": 0 // 选填：语速},"ResourceId": "seed-icl-2.0", //必填：需与音色资源版本一致"additions": {"enable_latex_tn": true, // 选填：开启 Latex 公式播报"disable_markdown_filter": true, // 选填：开启 Markdown 符号过滤（如加粗、标题符不读出）"enable_language_detector": false // 选填：自动语种识别}}}}
以下任一场景使用的都是自行开通的声音复刻大模型：
- 使用的接口为 StartVoiceChat（2025-06-01），且在 TTSConfig.ProviderParams 中传入了 app 参数。
- 使用的旧版接口 StartVoiceChat（2024-12-01）。旧版接口建议升级至 StartVoiceChat（2025-06-01）。如何升级，参见迁移至新接口。
配置示例如下：
- 使用前，先复刻音色并获取 ID。具体操作，参见自行开通的声音复刻大模型。
- 配置 StartVoiceChat：
- {"TTSConfig": {"Provider": "volcano_bidirection", // 必填：固定值"ProviderParams": {"app": {"appid": "94****11", // 必填：豆包语音控制台获取的 AppID"token": "OaO****ws1", // 必填：App ID 对应的 AccessToken},"audio": {"voice_type": "S_N****T7k1", // 必填：复刻音色 ID"speech_rate": 0 // 选填：语速},"ResourceId": "seed-icl-2.0", //选填：模型版本"additions": {"enable_latex_tn": true, // 选填：开启 Latex 公式播报"disable_markdown_filter": true, // 选填：开启 Markdown 符号过滤（如加粗、标题符不读出）"enable_language_detector": false // 选填：自动语种识别}}}}
MiniMax 语音合成
您可参看以下示例，使用 MiniMax 语音合成进行语音合成：
{
"TTSConfig": {
"Provider": "minimax", // 必填：固定值
"ProviderParams": {
"Authorization": "eyJhbG****SUzI1N", // 必填：API Key
"Groupid": "983*****669", // 必填：用户组 ID
"model": "speech-01-turbo", // 必填：模型版本
"URL": "https://api.minimax.chat/v1/t2a_v2", // 必填：固定地址
"stream": true, // 选填：是否开启流式
"voice_setting": {
"speed": 1.0, // 选填：语速
"voice_id": "male-qn-jingying", // 选填：主音色 ID，voice_id 和timber_weights 必须设置其中一个
"vol": 1.0, // 选填：音量
"pitch": 0 // 选填：语调
},
"timber_weights": [ // 选填：音色混合权重，voice_id 和timber_weights 必须设置其中一个
{ "voice_id": "male-qn-jingying", "weight": 70 },
{ "voice_id": "wumei_yujie", "weight": 30 }
]
}
}
}
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。
附录
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：
- {"req_params": {"speaker": "zh_female_linjianvhai_moon_bigtts","additions": {"disable_markdown_filter": true}}}
- 然后将其转换为 JSON 字符串："{\"req_params\":{\"speaker\":\"zh_female_linjianvhai_moon_bigtts\",\"additions\":{\"disable_markdown_filter\":true}}}"。
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。
最近更新时间：2026.10.08 11:23:36
这个页面对您有帮助吗？
有用
有用
无用
无用