SynthesizeSpeech

将 UTF-8 输入、纯文本或 SSML 合成为字节流。SSML 输入必须是有效的、格式正确的 SSML。除非使用音位映射，否则某些字母可能不适用于所有语音（例如，英语语音可能根本无法读懂西里尔字母）。有关更多信息，请参阅的工作原理。

请求语法


POST /v1/speech HTTP/1.1
Content-type: application/json

{
   "Engine": "string",
   "LanguageCode": "string",
   "LexiconNames": [ "string" ],
   "OutputFormat": "string",
   "SampleRate": "string",
   "SpeechMarkTypes": [ "string" ],
   "Text": "string",
   "TextType": "string",
   "VoiceId": "string"
}

URI 请求参数

该请求不使用任何 URI 参数。

请求正文

请求接受采用 JSON 格式的以下数据。

Engine

指定 Amazon Polly 在处理用于语音合成的输入文本时使用的引擎（standard或neural）。有关 Amazon Polly 语音以及哪些语音以仅限标准版、仅限 NTTS 格式以及标准和 NTTS 格式提供哪些语音的信息，请参阅可用语音。

仅限 NTTS 的声音

当使用 Kevin (en-US) 等仅限 NTTS 的声音时，此参数是必需的，必须设置为neural。如果未指定引擎或将其设置为standard，则会导致错误。

类型：字符串

有效值：standard | neural

必需：是

标准语音

对于标准语音，这不是必需的；引擎参数默认为standard。如果未指定引擎，或者将其设置为standard并选择了仅限 NTTS 的语音，则会导致错误。

类型：字符串

有效值: standard | neural

必需：否

LanguageCode

合成语音请求的可选语言代码。只有在使用双语语音（例如 Aditi）时，才需要这样做，后者可以用于印度英语（en-in）或印地语（Hi-in）。

如果使用双语语音但未指定语言代码，Amazon Polly 将使用双语语音的默认语言。任何声音的默认语言都是LanguageCode参数DescribeVoices操作返回的语言。例如，如果未指定语言代码，Aditi 将使用印度英语而不是印地语。

类型：字符串

必需：否

LexiconNames

你希望该服务在合成过程中应用的一个或多个发音词典名称的列表。只有当词典的语言与语音的语言相同时，词典才会适用。有关存储词典的信息，请参见PutLexicon。

类型：字符串数组

数组成员：最多 5 项。

模式：[0-9A-Za-z]{1,20}

必需：否

OutputFormat

对返回的输出进行编码的格式。对于音频直播，这将是 mp3、ogg_vorbis 或 pcm。对于语音标记，这将是 json。

使用 pcm 时，返回的内容是带符号的 16 位 1 通道（mono 声道）、小端序格式的音频/pcm。

类型：字符串

有效值: json | mp3 | ogg_vorbis | pcm

必需：是

SampleRate

以 Hz 为单位指定的音频频率。

mp3 和 ogg_vorbis 的有效值为 “80000”、“16000”、“22050” 和 “240000”。标准语音的默认值为 “22050”。神经语音的默认值为 “24000”。

pcm 的有效值为 “8000” 和 “16000” 默认值为 “160000”。

类型：字符串

必需：否

SpeechMarkTypes

为输入文本返回的语音标记类型。

类型：字符串数组

数组成员：最多 4 项。

有效值: sentence | ssml | viseme | word

必需：否

Text

输入要合成的文本。如果您指定ssml为TextType，请按照 SSML 格式输入文本。

类型：字符串

必需：是

TextType

指定输入文本是纯文本还是 SSML。默认值为纯文本。有关更多信息，请参阅使用 SSML。

类型：字符串

有效值: ssml | text

必需：否

VoiceId

要用于合成的语音 ID。您可以通过调用该DescribeVoices操作获取可用语音 ID 的列表。

类型：字符串

必需：是

响应语法


HTTP/1.1 200
Content-Type: ContentType
x-amzn-RequestCharacters: RequestCharacters

AudioStream

响应元素

如果此操作成功，则该服务将会发送回 HTTP 200 响应。

响应将返回以下 HTTP 标头。

ContentType

指定音频流的类型。这应该反映您的请求中的OutputFormat参数。

如果您以 audio/mpegmp3 身份请求OutputFormat，则ContentType返回的是 audio/mpeg。
如果您以 audio/oggogg_vorbis 身份请求OutputFormat，则ContentType返回的是 audio/ogg。
如果您请求pcm为OutputFormat，则ContentType返回的是 audio/pcm，采用带符号 16 位、1 通道（mono 声道）、小端字节序格式。
如果您以 audio/jsonjson 身份请求OutputFormat，则ContentType返回的是 audio/json。

RequestCharacters

合成的字符数。

响应将以下内容作为 HTTP 正文返回。

AudioStream: 包含合成语音的直播。

错误

EngineNotSupportedException

此引擎与您指定的语音不兼容。选择与引擎兼容的新声音，或者更换引擎并重新启动操作。

HTTP 状态代码：400

InvalidSampleRateException

指定的采样率无效。

HTTP 状态代码：400

InvalidSsmlException

您提供的 SSML 无效。验证 SSML、标签和值的拼写，然后重试。

HTTP 状态代码：400

LanguageNotSupportedException

Amazon Polly 目前不以这种身份支持指定的语言。

HTTP 状态代码：400

LexiconNotFoundException

Amazon Polly 找不到指定的词典。这可能是由于词典缺失、名称拼写错误或指定了位于不同区域的词典所致。

验证词典是否存在、位于该区域（参见ListLexicons）以及您拼写的词典名称拼写是否正确。然后重试。

HTTP 状态代码：404

MarksNotSupportedForFormatException

OutputFormat所选内容不支持语音标记。语音标记仅适用于json格式化内容。

HTTP 状态代码：400

ServiceFailureException

未知情况导致服务故障。

HTTP 状态代码：500

SsmlMarksNotSupportedForTextTypeException

纯文本类型输入不支持 SSML 语音标记。

HTTP 状态代码：400

TextLengthExceededException

“文本” 参数的值长于可接受的限制。对于SynthesizeSpeech API，输入文本的总限制最多为 6000 个字符，其中最多可以计费 3000 个字符。对于StartSpeechSynthesisTask API，最大值为 200,000 个字符，其中不能超过 100,000 个字符作为计费字符。SSML 标签不会算作计费字符。

HTTP 状态代码：400

另请参阅

有关在特定语言的 Amazon 软件开发工具包中使用此 API 的更多信息，请参阅以下内容：

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

StartSpeechSynthesisTask

数据类型