实时音视频
实时音视频
文档指南
请输入
- 文档首页
实时音视频硬件对话智能体服务端 API声音复刻训练自定义音色 TrainTTSVoiceType
复制全文
下载 pdf训练自定义音色 TrainTTSVoiceType
文档反馈
问问助手调用本接口，为您指定的声音 ID（即已购买的声音复刻资源）训练一个音色模型。
训练时，您需要提供一段 10-30 秒的参考音频。训练完成后，原声音 ID 将搭载新的音色效果，可直接用于语音合成（TTS）任务，让您的智能体以特定人物的声音说话。
使用说明
QPS 限制：单账号调用频率不得超过 20 次/秒。
注意事项
请求说明
- 请求方式：POST
- 请求地址：https://rtc.volcengineapi.com?Action=TrainTTSVoiceType&Version=2020-12-01
请求参数
Query
Action String 必选 示例值：TrainTTSVoiceType
接口名称。当前 API 的名称为 TrainTTSVoiceType。
Version String 必选 示例值：2020-12-01
接口版本。当前 API 的版本为 2020-12-01。
Body
SpeakId String 必选 示例值：S_VArpZ****
用于本次训练的声音 ID。您可以在控制台的 复刻音色 页面查看已购买资源对应的声音 ID。
AudioFormat String 必选 示例值：wav
音频数据的格式。支持的格式包括 wav、mp3、ogg、m4a、aac、pcm。推荐使用 wav 格式以获得最佳效果。
SpeakName String 可选 示例值：my_voice
自定义音色名称，用于标识。
AudioBytesStr String 可选 示例值：UklGRi...
Base64 编码后的音频数据。音频大小不能超过 10 MB。
说明
AudioBytesStr 和 AudioDownloadUrl有且需要填写一个。
AudioDownloadUrl String 可选 示例值：https://your-domain.com/audio/sample.wav
音频下载地址（URL）。音频大小不能超过 10 MB。
说明
AudioBytesStr 和 AudioDownloadUrl有且需要填写一个。
ModelType Integer 可选 示例值：1
声音复刻的模型版本，不同版本在效果和特性上有所差异：
- 声音复刻1.0 支持以下取值：
- 1（默认值）：声音复刻 ICL 效果
- 2：DiT 标准版效果（音色、不还原用户的风格）
- 3：DiT 还原版效果（音色、还原用户口音、语速等风格）
- 声音复刻 2.0 支持以下取值：
- 4：为声音复刻 ICL V2效果
- 5：声音复刻 ICL V3 效果
Language Integer 可选 示例值：0
指定参考音频的语种。不同模型版本支持的语种如下：
- 当 ModelType 为 1、2、3 时支持：
- 0（默认）：中文
- 1：英语
- 2：日语
- 3： 西班牙语
- 4：印尼语
- 5：葡萄牙语
- 当 ModelType 为 4 或 5 时支持：
- 0（默认）：中文
- 1：英语
返回参数
其中公共返回参数 Result 仅在请求成功时返回 ok，失败时为空。
请求示例
POST https://rtc.volcengineapi.com?Action=TrainTTSVoiceType&Version=2020-12-01
{
"SpeakName": "my_voice",
"SpeakId": "S_VArpZ****",
"AudioDownloadUrl": "https://your-domain.com/audio/sample.wav",
"AudioFormat": "wav",
"Language": 0,
"ModelType": 1
}
返回示例
{
"Result": "ok",
"ResponseMetadata": {
"RequestId": "20230604110420****100232280022D31",
"Action": "TrainTTSVoiceType",
"Version": "2020-12-01",
"Service": "rtc",
"Region": "cn-north-1"
}
}
错误码
最近更新时间：2026.07.18 23:50:58
这个页面对您有帮助吗？
有用
有用
无用
无用