Pré-requisitos
-
Obtenha e configure uma chave de API. Não insira chaves de API de longa duração diretamente no código do aplicativo móvel. Recomendamos gerar uma chave de API temporária no servidor do aplicativo e enviá-la ao cliente.
-
Baixe o SDK e execute o código de exemplo:
- Baixe o pacote mais recente do SDK.
- Descompacte o pacote. O SDK no formato AAR está em
app/libs— adicione-o às dependências do seu projeto. Para integração com C++ no Android, obtenha as bibliotecas compartilhadas deandroid_libse os cabeçalhos deandroid_includedentro do ZIP.
Início rápido
Qwen-Audio-TTS
Abra o projeto no Android Studio. O código de exemplo está em DashQwen-Audio-TTSStreamTtsActivity.java — substitua a chave de API pela sua própria para testar o recurso.
CosyVoice
Abra o projeto no Android Studio. O código de exemplo está em DashCosyVoiceStreamTtsActivity.java — substitua a chave de API pela sua própria para testar o recurso.
Parâmetros da solicitação
Qwen-Audio-TTS
exemplo de JSON de parâmetros:{
"model": "qwen-audio-3.0-tts-flash",
"voice": "longanlingxi",
"format": "mp3",
"volume": 50,
"rate": 1.0,
"pitch": 1.0
}
referência de parâmetros:
| Parâmetro | Tipo | Obrigatório | Descrição |
|---|---|---|---|
model | String | Sim | O nome do modelo. |
voice | String | Sim | A voz usada para a síntese de fala.
|
format | String | Não | O formato de codificação de áudio. Valores válidos:
|
enable_audio_decoder | boolean | Não | Se deve ativar o decodificador interno do SDK. Padrão: false. Este parâmetro entra em vigor apenas quando o formato de codificação de áudio é opus ou mp3. Quando habilitado, o SDK decodifica dados de áudio opus ou mp3 em dados PCM antes de retorná-los. |
volume | int | Não | O nível de volume. Valor padrão: 50. Valores válidos: [0, 100]. |
sample_rate | int | Não | A taxa de amostragem de áudio em Hz. Valores válidos: 8000, 16000, 22050 (padrão), 24000, 44100, 48000. |
rate | float | Não | A velocidade da fala. Valor padrão: 1.0. Valores válidos: [0.5, 2.0]. |
pitch | float | Não | O tom. Valor padrão: 1.0. Valores válidos: [0.5, 2.0]. |
bit_rate | int | Não | A taxa de bits de áudio em kbps. Quando o formato de áudio for mp3 ou opus, use bit_rate para ajustar a taxa de bits.Valor padrão: 32. Valores válidos: [6, 510]. |
enable_ssml | boolean | Não | Se deve ativar o SSML. Padrão: false.
Para as restrições de uso do SSML (modelos, vozes e APIs suportados), consulte Limitações. |
word_timestamp_enabled | boolean | Não | Especifica se deve ativar os timestamps no nível da palavra. Valor padrão: false. Disponível apenas no modo de saída em streaming. Vozes clonadas são suportadas. Para as vozes do sistema compatíveis, consulte lista de vozes do Qwen-Audio-TTS.
|
seed | int | Não | Uma semente aleatória para controlar a variação na saída da síntese. Quando a versão do modelo, texto, voz e outros parâmetros permanecem inalterados, usar a mesma semente produz resultados idênticos. Valor padrão: 0. Valores válidos: [0, 65535]. |
language_hints | String[] | Não | ObservaçãoPara as vozes multilíngues e dialetais do qwen-audio-3.1-tts-flash, este parâmetro define o idioma ou dialeto. Para mais detalhes, consulte a seção de configuração de vozes multilíngues e dialetais. Especifica o idioma de destino para a síntese de fala para melhorar a qualidade da saída. Quando a pronúncia de dígitos, expansão de abreviações, leitura de símbolos ou síntese em idiomas minoritários não atender às expectativas, use este parâmetro. Por exemplo:
Valores válidos
Observação
|
instruction | String | Não | Controla as características da síntese, como dialeto, emoção ou estilo de fala. Para detalhes de uso, consulte Controle de instrução. |
enable_aigc_tag | boolean | Não | Especifica se deve incorporar uma marca d'água AIGC no áudio gerado. Quando definido como true, a marca d'água é incorporada em arquivos de áudio de formatos suportados (wav/mp3/opus). Valor padrão: false. |
aigc_propagator | String | Não | Define o campo ContentPropagator na marca d'água AIGC, identificando o propagador de conteúdo. Entra em vigor apenas quando enable_aigc_tag é true.Valor padrão: UID da Alibaba Cloud. |
aigc_propagate_id | String | Não | Define o campo PropagateID na marca d'água AIGC, identificando exclusivamente uma ação de propagação específica. Entra em vigor apenas quando enable_aigc_tag é true.Valor padrão: O ID da solicitação de síntese de fala atual. |
hot_fix | object | Não | Configuração de correção rápida de texto para personalizar a pronúncia de palavras especificadas ou substituir texto antes da síntese. Campos:
Exemplo: |
|
| Não | Define se a filtragem de Markdown está ativada. Quando ativada, o serviço converte Markdown em texto adequado para leitura em voz alta antes da síntese. Valor padrão: |
CosyVoice
exemplo de JSON de parâmetros:{
"model": "cosyvoice-v3-plus",
"voice": "longanyang",
"format": "mp3",
"volume": 50,
"rate": 1.0,
"pitch": 1.0
}
referência de parâmetros:
| Parâmetro | Tipo | Obrigatório | Descrição |
|---|---|---|---|
model | String | Sim | O nome do modelo. |
voice | String | Sim | A voz usada para a síntese de fala.
|
format | String | Não | O formato de codificação de áudio. Valores válidos:
|
enable_audio_decoder | boolean | Não | Se deve ativar o decodificador interno do SDK. Padrão: false. Este parâmetro entra em vigor apenas quando o formato de codificação de áudio é opus ou mp3. Quando habilitado, o SDK decodifica dados de áudio opus ou mp3 em dados PCM antes de retorná-los. |
volume | int | Não | O nível de volume. Valor padrão: 50. Valores válidos: [0, 100]. |
sample_rate | int | Não | A taxa de amostragem de áudio em Hz. Valores válidos: 8000, 16000, 22050 (padrão), 24000, 44100, 48000. |
rate | float | Não | A velocidade da fala. Valor padrão: 1.0. Valores válidos: [0.5, 2.0]. |
pitch | float | Não | O tom. Valor padrão: 1.0. Valores válidos: [0.5, 2.0]. |
bit_rate | int | Não | A taxa de bits de áudio em kbps. Quando o formato de áudio for mp3 ou opus, use bit_rate para ajustar a taxa de bits.Valor padrão: 32. Valores válidos: [6, 510]. |
enable_ssml | boolean | Não | Se deve ativar o SSML. Padrão: false.
Para as restrições de uso do SSML (modelos, vozes e APIs suportados), consulte Limitações. |
word_timestamp_enabled | boolean | Não | Especifica se deve ativar os timestamps no nível da palavra. Valor padrão: false. Disponível apenas no modo de saída em streaming. Vozes suportadas: vozes clonadas de cosyvoice-v3.5-plus, cosyvoice-v3.5-flash, cosyvoice-v3-flash, cosyvoice-v3-plus, cosyvoice-v2, e vozes do sistema marcadas como suportadas na Lista de vozes do CosyVoice. Vozes clonadas de outros modelos não suportam este recurso.
|
seed | int | Não | Uma semente aleatória para controlar a variação na saída da síntese. Quando a versão do modelo, texto, voz e outros parâmetros permanecem inalterados, usar a mesma semente produz resultados idênticos. Valor padrão: 0. Valores válidos: [0, 65535]. |
language_hints | String[] | Não | Importante
Especifica o idioma de destino para a síntese de fala para melhorar a qualidade da saída. Quando a pronúncia de dígitos, expansão de abreviações, leitura de símbolos ou síntese em idiomas minoritários não atender às expectativas, use este parâmetro. Por exemplo:
Valores válidos
|
instruction | String | Não | Controla as características da síntese, como dialeto, emoção ou estilo de fala. Para detalhes de uso, consulte Controle de instrução. |
enable_aigc_tag | boolean | Não | Especifica se deve incorporar uma marca d'água AIGC no áudio gerado. Quando definido como true, a marca d'água é incorporada em arquivos de áudio de formatos suportados (wav/mp3/opus). Valor padrão: false. ObservaçãoApenas cosyvoice-v3-flash, cosyvoice-v3-plus, cosyvoice-v2 suportam este recurso. |
aigc_propagator | String | Não | Define o campo ContentPropagator na marca d'água AIGC, identificando o propagador de conteúdo. Entra em vigor apenas quando enable_aigc_tag é true.Valor padrão: UID da Alibaba Cloud. ObservaçãoApenas cosyvoice-v3-flash, cosyvoice-v3-plus, cosyvoice-v2 suportam este recurso. |
aigc_propagate_id | String | Não | Define o campo PropagateID na marca d'água AIGC, identificando exclusivamente uma ação de propagação específica. Entra em vigor apenas quando enable_aigc_tag é true.Valor padrão: O ID da solicitação de síntese de fala atual. ObservaçãoApenas cosyvoice-v3-flash, cosyvoice-v3-plus, cosyvoice-v2 suportam este recurso. |
hot_fix | object | Não | Configuração de correção rápida de texto para personalizar a pronúncia de palavras especificadas ou substituir texto antes da síntese. Observaçãocosyvoice-v2 não suporta este recurso. Campos:
Exemplo: |
enable_markdown_filter | boolean | Não | ObservaçãoO cosyvoice-v2 não oferece suporte a esse recurso. Define se a filtragem de Markdown está ativada. Quando ativada, o serviço converte Markdown em texto adequado para leitura em voz alta antes da síntese. Padrão: false. Valores válidos:
|
Referência da API
NativeNui
O SDK suporta várias instâncias NativeNui e usa callbacks para entregar eventos de síntese.
Destaques da arquitetura:-
Múltiplas instâncias: Crie uma instância chamando
new NativeNui(Constants.ModeType.MODE_STREAM_INPUT_TTS). -
Orientado por callback: Receba eventos e dados de áudio através da interface
INativeStreamInputTtsCallback. -
Tipos de evento:
STREAM_INPUT_TTS_EVENT_SYNTHESIS_STARTED: A tarefa de síntese foi iniciada.onStreamInputTtsDataCallback: Os dados de áudio são entregues.STREAM_INPUT_TTS_EVENT_SYNTHESIS_COMPLETE: A tarefa de síntese foi concluída.STREAM_INPUT_TTS_EVENT_TASK_FAILED: A tarefa de síntese falhou.
sendStreamInputTts
Envia texto para ser sintetizado. Use este método junto com startStreamInputTts.
Depois de chamar startStreamInputTts, chame este método para enviar texto continuamente.
Quando você tiver enviado todo o texto, chame stopStreamInputTts ou asyncStopStreamInputTts para encerrar a entrada.
public synchronized int sendStreamInputTts(String text)
Parâmetros:
| Parâmetro | Tipo | Descrição |
|---|---|---|
text | String | Texto a ser sintetizado. SSML não é suportado. As tags SSML na entrada são lidas em voz alta como texto simples, em vez de serem analisadas. |
Retorna um código de erro.
stopStreamInputTts
Método síncrono que informa ao servidor que todo o texto foi enviado e bloqueia até que todo o áudio tenha sido sintetizado e o evento STREAM_INPUT_TTS_EVENT_SYNTHESIS_COMPLETE seja recebido.
O tempo limite de espera é controlado por complete_waiting_ms.
public synchronized int stopStreamInputTts()
Valor de retorno:
Retorna um código de erro.
asyncStopStreamInputTts
Método assíncrono que informa ao servidor que todo o texto foi enviado. A chamada retorna imediatamente e a síntese continua em segundo plano.
Use o evento STREAM_INPUT_TTS_EVENT_SYNTHESIS_COMPLETE para detectar quando a síntese for concluída.
public synchronized int asyncStopStreamInputTts()
Valor de retorno:
Retorna um código de erro.
cancelStreamInputTts
Fecha imediatamente a conexão com o servidor e aborta a tarefa de síntese atual. Nenhum callback de áudio adicional é entregue após esta chamada.
Assinatura do método:public synchronized int cancelStreamInputTts()
Valor de retorno:
Retorna um código de erro.
playStreamInputTts
Método de síntese única síncrono. A chamada envia o texto, bloqueia enquanto o áudio é recebido e retorna apenas após a conclusão da síntese. Você não precisa chamar o método stop depois.
O SSML é habilitado por padrão para este método. Para substituir, defina enable_ssml explicitamente.
Chame este método em uma thread que não seja de UI.
Assinatura do método:public synchronized int playStreamInputTts(INativeStreamInputTtsCallback callback,
String ticket,
String parameters,
String text,
String session_id,
int log_level,
boolean save_log)
Parâmetros:
O callback, ticket e outros parâmetros compartilhados têm o mesmo significado que em startStreamInputTts.
| Parâmetro | Tipo | Descrição |
|---|---|---|
text | String | Texto a ser sintetizado. Suporta SSML. |
Retorna um código de erro.
asyncPlayStreamInputTts
Método de síntese única assíncrono. A chamada retorna imediatamente, a síntese é executada em segundo plano e os resultados são entregues através do callback. Você não precisa chamar o método stop depois.
O SSML é habilitado por padrão para este método. Para substituir, defina enable_ssml explicitamente.
public synchronized int asyncPlayStreamInputTts(INativeStreamInputTtsCallback callback,
String ticket,
String parameters,
String text,
String session_id,
int log_level,
boolean save_log)
Parâmetros:
O callback, ticket e outros parâmetros compartilhados têm o mesmo significado que em startStreamInputTts.
| Parâmetro | Tipo | Descrição |
|---|---|---|
text | String | Texto a ser sintetizado. Suporta SSML. |
Retorna um código de erro.
onStreamInputTtsEventCallback: receber eventos
Assinatura do método:void onStreamInputTtsEventCallback(StreamInputTtsEvent event,
String task_id,
String session_id,
int ret_code,
String error_msg,
String timestamp,
String all_response);
Parâmetros:
| Parâmetro | Tipo | Descrição |
|---|---|---|
event | StreamInputTtsEvent | O evento entregue. |
task_id | String | O ID da tarefa de síntese. |
session_id | String | O ID da sessão. Retornado conforme fornecido pelo cliente; gerado pelo servidor se omitido. |
ret_code | int | Código de erro. Válido apenas com o evento STREAM_INPUT_TTS_EVENT_TASK_FAILED. |
error_msg | String | Mensagem de erro. Válido apenas com o evento STREAM_INPUT_TTS_EVENT_TASK_FAILED. |
timestamp | String | Informações de timestamp para o resultado da síntese. |
all_response | String | A resposta JSON completa. Analise-a para extrair quaisquer dados adicionais necessários. |
onStreamInputTtsDataCallback: receber dados de áudio
O SDK invoca este callback repetidamente durante a síntese. Leia os dados de áudio a partir do callback.
Assinatura do método:void onStreamInputTtsDataCallback(byte[] data);
Parâmetros:
| Parâmetro | Tipo | Descrição |
|---|---|---|
data | byte[] | Dados de áudio para o segmento atual. Use-os para:
Observações:
|
onStreamInputTtsLogTrackCallback: receber logs de rastreamento
Use este callback para receber logs internos detalhados do SDK, o que ajuda na solução de problemas e depuração.
Assinatura do método:default void onStreamInputTtsLogTrackCallback(Constants.LogLevel level, String log)
Modos de invocação
| Modo | Descrição |
|---|---|
| Entrada de texto única | Etapas:
|
Entrada de texto em streaming | Etapas:
|
Marcação SSML
Propósito: Incorpore tags XML no texto para ajustar a pronúncia, a taxa de fala, as pausas e outros detalhes prosódicos.
Limitações: O SSML é suportado apenas com Entrada de texto única (os métodos playStreamInputTts ou asyncPlayStreamInputTts). A Entrada de texto em streaming (o método sendStreamInputTts) não suporta SSML.
Uso: Quando você chama playStreamInputTts ou asyncPlayStreamInputTts, o SDK habilita o SSML automaticamente. Passe o texto que contém tags SSML através do parâmetro text.
Para mais informações, consulte SSML.
Expressões matemáticas
Propósito: Permitir que o modelo leia fórmulas e expressões matemáticas comuns em voz alta corretamente.
Uso: Passe o texto que contém expressões matemáticas formatadas em LaTeX através do parâmetro text. Para mais informações, consulte Converter fórmulas LaTeX em fala (apenas idioma chinês).
Qwen-Audio-TTS
Fluxo de uso
Qwen-Audio-TTS suporta dois modos de invocação: entrada única e entrada em streaming.
Entrada única é adequada para textos curtos e qualquer cenário que use marcação SSML.
playStreamInputTts()ouasyncPlayStreamInputTts()— envia um texto completo e inicia a síntese. O primeiro é síncrono e retorna após o término da síntese; o último é assíncrono e retorna imediatamente após o início da síntese.onStreamInputTtsDataCallback()— receber dados de áudio.STREAM_INPUT_TTS_EVENT_SYNTHESIS_COMPLETE— a síntese está concluída.
Entrada em streaming é adequada para conversas em tempo real e cenários de "falar enquanto avança" de forma longa. O SSML não é suportado neste modo.
startStreamInputTts()— inicialize o SDK e configure o callback e os parâmetros de conexão.sendStreamInputTts()— envie texto continuamente à medida que estiver disponível.onStreamInputTtsDataCallback()— receber dados de áudio.stopStreamInputTts()ouasyncStopStreamInputTts()— envia a solicitação de fim de síntese. O primeiro é síncrono e retorna após o término da síntese; o último é assíncrono e retorna imediatamente após o envio da solicitação.STREAM_INPUT_TTS_EVENT_SYNTHESIS_COMPLETE— a síntese está concluída.
startStreamInputTts
Inicia a síntese de streaming bidirecional, abre a conexão com o serviço e registra o callback para eventos e dados de áudio.
Este método pode bloquear. Chame-o em uma thread que não seja de UI.
Assinatura do método:public synchronized int startStreamInputTts(INativeStreamInputTtsCallback callback,
String ticket,
String parameters,
String session_id,
int log_level,
boolean save_log)
Parâmetros:
| Parâmetro | Tipo | Descrição |
|---|---|---|
callback | INativeStreamInputTtsCallback | Sua implementação da interface de callback de eventos e dados. |
ticket | String | Uma string JSON que contém configurações de autenticação, conexão e depuração. Consulte a referência do parâmetro ticket abaixo. |
parameters | String | Uma string JSON que controla a saída da síntese de fala. Consulte a referência de parâmetros abaixo. |
session_id | String | Um ID de sessão especificado pelo cliente. Se omitido, o servidor gera um automaticamente. |
log_level | int | Controla a verbosidade dos logs internos do SDK. Valores válidos:
|
save_log | boolean | Se deve gravar logs em um arquivo local. Se true, defina debug_path no ticket para especificar o destino e, opcionalmente, defina max_log_file_size para limitar o tamanho do arquivo. |
Retorna um código de erro.
exemplo de JSON do ticket:{
"url": "wss://dashscope.aliyuncs.com/api-ws/v1/inference",
"apikey": "sk-****",
"device_id": "my_device_id"
}
parâmetros do ticket:
| Parâmetro | Tipo | Obrigatório | Descrição |
|---|---|---|---|
url | String | Sim | Endereço do serviço:
Substitua |
apikey | String | Sim | Sua chave de API. Para limitar o raio de impacto caso uma chave de longa duração seja exposta, use uma chave de API temporária de curta duração. |
device_id | String | Sim | Um identificador exclusivo para o usuário final. Defina-o como o ID de usuário no seu aplicativo ou como um identificador de dispositivo gerado pelo cliente. Este ID é usado principalmente para correlação de logs e solução de problemas. |
complete_waiting_ms | int | Não | Depois de chamar o método stop, o tempo em milissegundos para aguardar o evento STREAM_INPUT_TTS_EVENT_SYNTHESIS_COMPLETE antes de atingir o tempo limite.Padrão: 10000. |
debug_path | String | Não | O caminho local onde os arquivos de log são gravados. Este parâmetro só entra em vigor quando No máximo dois arquivos de log são mantidos no dispositivo. |
max_log_file_size | int | Não | O tamanho máximo do arquivo de log em bytes. Este parâmetro só entra em vigor quando Padrão: 104857600 (100 × 1024 × 1024 bytes, ou 100 MiB). |
log_track_level | int | Não | Nível de filtro para logs que são entregues através do callback de log (onStreamInputTtsLogTrackCallback).Padrão: 2. Valores válidos:
Nota: |
Consulte os parâmetros de solicitação deste modelo.
INativeStreamInputTtsCallback
A interface de callback de TTS em streaming do Qwen-Audio-TTS entrega eventos de síntese, dados de áudio e logs.
StreamInputTtsEvent
Enumeração de tipos de evento para a síntese de fala em streaming do Qwen-Audio-TTS.
| Evento | Descrição |
|---|---|
STREAM_INPUT_TTS_EVENT_SYNTHESIS_STARTED | O servidor aceitou a solicitação e iniciou o processamento. Logo após este evento, onStreamInputTtsDataCallback começa a retornar os primeiros dados de áudio. |
STREAM_INPUT_TTS_EVENT_SENTENCE_SYNTHESIS | Informações de tempo de execução sobre a síntese, incluindo dados de faturamento. |
STREAM_INPUT_TTS_EVENT_SYNTHESIS_COMPLETE | O servidor enviou todos os dados de áudio e onStreamInputTtsEventCallback não será chamado novamente. Este evento é o sinal explícito de que o fluxo de áudio terminou. |
STREAM_INPUT_TTS_EVENT_TASK_FAILED | A tarefa falhou. Leia o campo all_response de INativeStreamInputTtsCallback para task_id, error_code e error_message para identificar a causa. |
Recursos avançados
CosyVoice
Fluxo de uso
CosyVoice suporta dois modos de invocação: entrada única e entrada em streaming.
Entrada única é adequada para textos curtos e qualquer cenário que use marcação SSML.
playStreamInputTts()ouasyncPlayStreamInputTts()— envia um texto completo e inicia a síntese. O primeiro é síncrono e retorna após o término da síntese; o último é assíncrono e retorna imediatamente após o início da síntese.onStreamInputTtsDataCallback()— receber dados de áudio.STREAM_INPUT_TTS_EVENT_SYNTHESIS_COMPLETE— a síntese está concluída.
Entrada em streaming é adequada para conversas em tempo real e cenários de "falar enquanto avança" de forma longa. O SSML não é suportado neste modo.
startStreamInputTts()— inicialize o SDK e configure o callback e os parâmetros de conexão.sendStreamInputTts()— envie texto continuamente à medida que estiver disponível.onStreamInputTtsDataCallback()— receber dados de áudio.stopStreamInputTts()ouasyncStopStreamInputTts()— envia a solicitação de fim de síntese. O primeiro é síncrono e retorna após o término da síntese; o último é assíncrono e retorna imediatamente após o envio da solicitação.STREAM_INPUT_TTS_EVENT_SYNTHESIS_COMPLETE— a síntese está concluída.
startStreamInputTts
Inicia a síntese de streaming bidirecional, abre a conexão com o serviço e registra o callback para eventos e dados de áudio.
Este método pode bloquear. Chame-o em uma thread que não seja de UI.
Assinatura do método:public synchronized int startStreamInputTts(INativeStreamInputTtsCallback callback,
String ticket,
String parameters,
String session_id,
int log_level,
boolean save_log)
Parâmetros:
| Parâmetro | Tipo | Descrição |
|---|---|---|
callback | INativeStreamInputTtsCallback | Sua implementação da interface de callback de eventos e dados. |
ticket | String | Uma string JSON que contém configurações de autenticação, conexão e depuração. Consulte a referência do parâmetro ticket abaixo. |
parameters | String | Uma string JSON que controla a saída da síntese de fala. Consulte a referência de parâmetros abaixo. |
session_id | String | Um ID de sessão especificado pelo cliente. Se omitido, o servidor gera um automaticamente. |
log_level | int | Controla a verbosidade dos logs internos do SDK. Valores válidos:
|
save_log | boolean | Se deve gravar logs em um arquivo local. Se true, defina debug_path no ticket para especificar o destino e, opcionalmente, defina max_log_file_size para limitar o tamanho do arquivo. |
Retorna um código de erro.
exemplo de JSON do ticket:{
"url": "wss://dashscope.aliyuncs.com/api-ws/v1/inference",
"apikey": "sk-****",
"device_id": "my_device_id"
}
parâmetros do ticket:
| Parâmetro | Tipo | Obrigatório | Descrição |
|---|---|---|---|
url | String | Sim | Endereço do serviço:
Substitua |
apikey | String | Sim | Sua chave de API. Para limitar o raio de impacto caso uma chave de longa duração seja exposta, use uma chave de API temporária de curta duração. |
device_id | String | Sim | Um identificador exclusivo para o usuário final. Defina-o como o ID de usuário no seu aplicativo ou como um identificador de dispositivo gerado pelo cliente. Este ID é usado principalmente para correlação de logs e solução de problemas. |
complete_waiting_ms | int | Não | Depois de chamar o método stop, o tempo em milissegundos para aguardar o evento STREAM_INPUT_TTS_EVENT_SYNTHESIS_COMPLETE antes de atingir o tempo limite.Padrão: 10000. |
debug_path | String | Não | O caminho local onde os arquivos de log são gravados. Este parâmetro só entra em vigor quando No máximo dois arquivos de log são mantidos no dispositivo. |
max_log_file_size | int | Não | O tamanho máximo do arquivo de log em bytes. Este parâmetro só entra em vigor quando Padrão: 104857600 (100 × 1024 × 1024 bytes, ou 100 MiB). |
log_track_level | int | Não | Nível de filtro para logs que são entregues através do callback de log (onStreamInputTtsLogTrackCallback).Padrão: 2. Valores válidos:
Nota: |
Consulte os parâmetros de solicitação deste modelo.
INativeStreamInputTtsCallback
A interface de callback de TTS em streaming do CosyVoice entrega eventos de síntese, dados de áudio e logs.
StreamInputTtsEvent
Enumeração de tipos de evento para a síntese de fala em streaming do CosyVoice.
| Evento | Descrição |
|---|---|
STREAM_INPUT_TTS_EVENT_SYNTHESIS_STARTED | O servidor aceitou a solicitação e iniciou o processamento. Logo após este evento, onStreamInputTtsDataCallback começa a retornar os primeiros dados de áudio. |
STREAM_INPUT_TTS_EVENT_SENTENCE_SYNTHESIS | Informações de tempo de execução sobre a síntese, incluindo dados de faturamento. |
STREAM_INPUT_TTS_EVENT_SYNTHESIS_COMPLETE | O servidor enviou todos os dados de áudio e onStreamInputTtsEventCallback não será chamado novamente. Este evento é o sinal explícito de que o fluxo de áudio terminou. |
STREAM_INPUT_TTS_EVENT_TASK_FAILED | A tarefa falhou. Leia o campo all_response de INativeStreamInputTtsCallback para task_id, error_code e error_message para identificar a causa. |