SynthesizeSpeech - Amazon Polly
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 Amazon Web Services 服务入门

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

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、格式良好的 SSML。某些字母可能不适用于所有声音(例如,英语声音可能根本不能读取西里尔语),除非使用了音符映射。有关更多信息,请参阅 。工作方式.

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

指定引擎 (standard或者neural),以便 Amazon Polly 在处理语音合成的输入文本时使用。有关 Amazon Polly 语音的信息,以及哪些语音可用于仅标准、仅 NTS 以及标准格式和 NTTS 格式的信息,请参阅可用语音.

仅 NTT 语音

当使用仅 NTT 声部(如 Kevin (en-US))时,此参数是必需的,必须设置为neural. 如果未指定引擎,或者设置为standard,则这将导致出现错误。

类型: 字符串

有效值:standard | neural

:必需 是

标准语音

对于标准声部,这不是必需的;引擎参数默认为standard. 如果未指定引擎,或者设置为standard并且选择仅 NTT 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,该语音可用于印度英语(ENIN)或印地语(HIIN)。

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。任何语音的默认语言都是DescribeVoices operation for the LanguageCode参数。例如,如果没有指定语言代码,Aditi 将使用印度英语而不是印地语。

类型: 字符串

有效值: arb | cmn-CN | cy-GB | da-DK | de-DE | en-AU | en-GB | en-GB-WLS | en-IN | en-US | es-ES | es-MX | es-US | fr-CA | fr-FR | is-IS | it-IT | ja-JP | hi-IN | ko-KR | nb-NO | nl-NL | pl-PL | pt-BR | pt-PT | ro-RO | ru-RU | sv-SE | tr-TR | en-NZ | en-ZA

:必需 否

LexiconNames

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,词典才会应用。有关存储词典的信息,请参阅。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。对于音频流,这将是 MP3、ogg_vorbis 或 PCM。对于语音标记,这将是 json。

当使用 PCM 时,返回的内容为有符号 16 位、1 个通道(单声道)、小端节点格式的音频 /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。

有效的 MP3 和奥格尔比斯的值是 “8000”、“16000”、“22050” 和 “24000”。标准声部的默认值为 “22050”。神经声部的默认值为 “24000”。

中药的有效值为 “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作为TextType,请遵循输入文本的 SSML 格式。

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

用于合成的语音 ID。您可以通过调用可用语音 ID 的列表DescribeVoicesoperation.

类型: 字符串

有效值: Aditi | Amy | Astrid | Bianca | Brian | Camila | Carla | Carmen | Celine | Chantal | Conchita | Cristiano | Dora | Emma | Enrique | Ewa | Filiz | Gabrielle | Geraint | Giorgio | Gwyneth | Hans | Ines | Ivy | Jacek | Jan | Joanna | Joey | Justin | Karl | Kendra | Kevin | Kimberly | Lea | Liv | Lotte | Lucia | Lupe | Mads | Maja | Marlene | Mathieu | Matthew | Maxim | Mia | Miguel | Mizuki | Naja | Nicole | Olivia | Penelope | Raveena | Ricardo | Ruben | Russell | Salli | Seoyeon | Takumi | Tatyana | Vicki | Vitoria | Zeina | Zhiyu | Aria | Ayanda

: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OutputFormat参数。

  • 如果您请求mp3作为OutputFormatContentType返回的是音频/MPEG。

  • 如果您请求ogg_vorbis作为OutputFormatContentType返回的是音频/OGG。

  • 如果您请求pcm作为OutputFormatContentType返回的是有符号 16 位、1 个通道(单声道)、小端节点格式的音频 /pcm。

  • 如果您请求json作为OutputFormatContentType返回的是音频/json。

RequestCharacters

合成的字符数。

响应将以下内容作为 HTTP 正文返回。

AudioStream

包含合成语音的流。

Errors

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更改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 语法、标签和值的拼写,然后重试。

HTTP 状态代码:400

LanguageNotSupportedException

Amazon Polly 当前不支持指定的语言。

HTTP 状态代码:400

LexiconNotFoundException

Amazon Polly 找不到指定的词典。这可能是由于缺少词典、其名称拼写错误或指定了位于不同区域的词典而导致的。

验证词典是否存在,是否位于区域中(请参阅 ListLexicons ),并且您拼写其名称的拼写正确。然后重试。

HTTP 状态代码:404

MarksNotSupportedForFormatException

语音标记不支持OutputFormat已选择。语音标记仅适用于json格式的日期和时间。

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

“Text” 参数的值比接受的限制长。对于SynthesizeSpeechAPI,输入文本的限制总数最多为 6000 个字符,其中不能超过 3000 个字符的计费字符。对于StartSpeechSynthesisTaskAPI,最大值为 200,000 个字符,其中不能超过 100,000 个字符计费。SSML 标签不会算作计费字符。

HTTP 状态代码:400

另请参阅

有关在特定语言的其中一种特定语言的使用此 API 的更多信息Amazon开发工具包: