大易个人语音合成

音色配置

用法

加载本技能后，直接说：

> 合成：我是易寰，从今天开始我的命运会发生改变

如需调节语速，说：

> 合成：文本内容，语速慢一点

如需指定语速值，说：

> 合成：文本内容，语速-30

合成接口（新版 req_params 格式）

接口： POST /api/v3/tts/unidirectional

请求头（必填）：
- X-Api-Key — API Key
- X-Api-Resource-Id — 固定值 seed-icl-2.0
- X-Api-Request-Id — UUID，每个请求唯一，不能省略

Payload 格式（新版，必须用 user/req_params 结构）：

payload = {
    "user": {"uid": "dayi"},
    "req_params": {
        "text": "要合成的文本",
        "speaker": "S_Zaze8Ci72",
        "audio_params": {
            "format": "mp3",
            "sample_rate": 24000
        }
    }
}

响应是流式的（chunked JSON），必须用 stream=True + iter_content 读取：

session = requests.Session()
response = session.post(url, headers=headers, json=payload, stream=True, timeout=60)
audio_data = b""
for chunk in response.iter_content(chunk_size=None):
    if chunk:
        try:
            data = json.loads(chunk.decode('utf-8'))
            if 'data' in data and data['data']:
                audio_chunk = base64.b64decode(data['data'])
                audio_data += audio_chunk
        except:
            pass

注意： 新版 API 流式读取，数据字段名是 data（base64编码），直接拼接即可。

语速/情感调参（实测校准数据）

⚠️ 重要：时长非确定性（2026-07-01 实测发现）

豆包语音合成引擎每次请求存在±3秒的随机时长差异。相同文案、相同参数、重复请求，时长相异。 不要依赖经验校准表做精确时长预估——它反映单次测试趋势，不保证每次一致。

最佳策略： 固定 speech_rate=0（正常语速），通过调整文案字数来控制时长。每次合成后校验实际时长。

长文本时长参考（speech_rate=0）：

经验值： 目标40秒口播 → 190-200字（含标点）文案，speech_rate=0。字数增减20字对应约±4秒。

实测样本（2026-07-01，同一195字文案，两次请求）：
- 请求1: 38.9秒
- 请求2: 42.0秒
- 均值: ~40.5秒（±1.6秒）

声音复刻训练（音色克隆）

接口： POST https://openspeech.bytedance.com/api/v3/tts/voice_clone

请求头： 同合成接口（X-Api-Key + X-Api-Request-Id），不需要 X-Api-Resource-Id

后付费模式 payload：

{
    "speaker_id": "custom_speaker_id",      // 固定值，必须传
    "custom_speaker_id": "dayi_koubo",       // 自定义音色代号
    "language": 0,                            // 0=中文
    "audio": {
        "data": "base64编码的音频数据",
        "format": "wav"
    },
    "extra_params": {
        "demo_text": "可选的试听文本"
    }
}

常见错误码：

extra_params 可选参数（2026-07-02 从API-V3文档补充）：

返回参数说明：

重要规则：
- 后付费训练成功后首次合成即转正，转正后不可再训练该ID
- 复刻后7天内不合成自动删除（释放ID）
- V3版音色可同时在声音复刻1.0、2.0、豆包端到端实时语音模型上使用（V1版不行）
- 预付费音色先下单槽位再使用；后付费试听不收费，合成即收音色槽位费

注意

• 合成前必须先确认 X-Api-Resource-Id 正确（目前是 seed-icl-2.0）
• 不要用旧版 app/user/audio/request payload 格式，新版必须用 user/req_params
• 流式读取时每个 chunk 都是完整 JSON 行，用 iter_content 逐行 parse