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。除非使用音素映射，否则某些字母可能无法用于所有语音（例如，英语语音可能根本无法读取西里尔语）。有关更多信息，请参阅工作原理。

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 在处理输入文本进行语音合成时使用的引擎（standard、neural、long-form 或 generative）。提供您选定的语音所支持的引擎。如果您未提供引擎，则默认情况下选择标准引擎。如果标准引擎不支持所选语音，则会导致出错。有关 Amazon Polly 语音以及每个引擎可用的语音的信息，请参阅可用语音。

类型：字符串

有效值：standard | neural | long-form | generative

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）时才需设置，Aditi 可用于印度英语 (en-IN) 或印地语 (hi-IN)。

如果使用双语语音但未指定语言代码，则 Amazon Polly 将使用双语语音的默认语言。任何语音的默认语言都是DescribeVoices操作返回的LanguageCode参数语言。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

您希望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。仅当词典的语言与语音的语言相同时，才会应用词典。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

返回的输出将采用的编码格式。对于音频流，格式为 MP3、OGG Vorbis 或 PCM。对于语音标记，格式为 JSON。

当使用 PCM 时，返回的内容为有符号 16 位、1 个通道（单声道）、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

指定的音频频率，单位为 Hz。

对于 MP3 和 OGG Vorbis，有效值为“8000”、“16000”、“22050”和“24000”。标准语音的默认值为“22050”。神经语音的默认值为“24000”。长篇语音的默认值为“24000”。生成式语音的默认值为“24000”。

对于 PCM，有效值为“8000”和“16000”。默认值为“16000”。

类型：字符串

必需：否

SpeechMarkTypes

为输入文本返回的语音标记的类型。

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 IDs 通过拨打DescribeVoices操作来获取可用语音列表。

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。

如果您请求 mp3 为 OutputFormat，则 ContentType 返回的是音频/MPEG。
如果您请求 ogg_vorbis 为 OutputFormat，则 ContentType 返回的是音频/OGG。
如果您请求 pcm 为 OutputFormat，则 ContentType 返回的有符号 16 位、1 个通道（单声道）、小端序格式的音频/PCM。
如果您请求json为OutputFormat，则ContentType返回的是应用程序/ x-json-stream。

RequestCharacters

合成的字符数。

响应将以下内容作为 HTTP 正文返回。

AudioStream: 包含合成语音的流。

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语音，或者更换引擎并重新开始操作。

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 语法、标签和值拼写，然后重试。

HTTP 状态代码：400

LanguageNotSupportedException

Amazon Polly 目前不支持使用指定的语言。

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（参阅 ListLexicons），以及词典名称拼写是否正确。然后请重试。

HTTP 状态代码：404

MarksNotSupportedForFormatException

所选 OutputFormat 不支持语音标记。语音标记仅适用于 json 格式的内容。

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值。对于 SynthesizeSpeech API，输入文本的总长度限制为最多 6000 个字符，其中计费字符不能超过 3000 个。对于 StartSpeechSynthesisTask API，最大值为 20 万个字符，其中计费字符数不得超过 10 万个。SSML 标签不会算作计费字符。

HTTP 状态代码：400

另请参阅

有关以特定语言之一使用此 API 的更多信息 Amazon SDKs，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