实时超自然双向流式语音合成 (算法编码：8005200020)

协议类型：WebSocket（WS）

---

一、接入点

环境	地址
公网	wss://api-maas.teleai.com.cn/aipaas/voice/v1/rttsStreamTwoWay/bistreaming

• API Path：/aipaas/voice/v1/rttsStreamTwoWay/bistreaming
• 请求方法：WebSocket
• Content-Type：application/json

---

二、鉴权

服务接口调用时需要严格遵循服务鉴权规则，采用请求头携带鉴权信息，在建立 WebSocket 连接时通过 Header 传递：

2.1 标准鉴权

Authorization: <鉴权信息>

• 鉴权规则请参见：开发指南 - 签名认证方式。
• 鉴权在线生成工具：API在线签名计算工具。

请求头	必填	说明
Content-Type	是	内容类型，固定 application/json
X-APP-ID	是	买家中心 → 已购能力 → 【X-APP-ID】
Device-Uuid	否	设备uuid
Authorization	是	鉴权信息

2.2 Bearer Token 鉴权

Authorization: Bearer <用户申请的API-KEY>

• API Key 鉴权，请在 API Key 管理 页面，获取长效 API Key。

请求头	必填	说明
Content-Type	是	内容类型，固定 application/json
Device-Uuid	否	设备uuid
Authorization	是	Bearer

---

三、能力简介

• 支持输出格式：PCM 编码
• 支持设置采样率：8000 Hz，16000 Hz，22050 Hz，24000 Hz
• 音频为单声道，位深为 16 bit
• 支持设置语速、音量
• 支持设置多种说话人
• 支持一次性合成 500 字符以内的文字，其中 1 个汉字、1 个英文字母、1 个标点或 1 个句子中间空格均算作 1 个字符，超过 500 个字符的内容将会截断，超过 500 字的文字不再进行合成
• 仅支持采用 UTF-8 编码的文本输入

3.1 修订历史

修订日期	算法版本号	修订内容
2025-12-09	V1.0.0	算法首次上线

---

四、请求与响应

4.1 握手返回结果

返回码	说明	错误信息	解决方法
101	成功	{"message":"success"}	成功，开始语音合成
4001	授权失败	{"message":"check sign fail"}	联系商务，更新授权
4002	并发请求过多	{"message":"Too many requests."}	联系商务，增加并发

4.2 请求参数

客户端通过 WebSocket 连接发送 JSON 消息，请求报文为 Json Object：

4.2.1 顶层字段

字段	类型	必填	说明
req_id	string	是	请求全局唯一 ID，记录该值便于排查问题
synth_status	int	是	合成状态：0 开始合成；1 发送文本流；2 结束文本流
text	string	是	待合成的文本，需要为 UTF-8 编码
format	string	否	音频编码格式，支持 PCM 格式，默认值：PCM
sample_rate	int	否	音频采样率，支持 24000Hz、22050Hz、16000 Hz 和 8000 Hz，默认值：24000
voice	string	否	说话人，支持音色 huoponv、cixingnan、songchinan、surennan、cixingnan2、zhubonan、kefunan、zhuchinan、jilunan2、surennv、xianliaonv、mansunv、kefunv1、ruyanv、xinwennv、kefunv2、luolinv、huoponv2、qingtiannv、lucas、joyce、guangzhounv、shanghainv、xiannv、chengdunv、zhengzhounv、xiamennv、changshanv、dongbeinv，默认音色为 huoponv
volume	int	否	音量，取值范围：[0, 100]，默认值：50
speech_rate	float	否	语速，取值范围：[0.5, 2.0]，默认值：1.0
enable_markdown_filter	boolean	否	是否开启 markdown 过滤，默认值为 false

4.3 响应体

4.3.1 顶层字段

字段	类型	必填	说明
code	int	是	状态码，见服务码说明
message	string	是	状态说明，见服务码说明
sid	string	是	会话全局唯一 id，用于记录本次会话
result	object	是	合成结果数据

4.3.2 合成结果 result

字段	类型	必填	说明
audio	string	是	合成音频数据，经过 base64 编码
audio_len	int	是	合成音频长度，单位：ms
is_end	boolean	是	标志位：true 最后一个合成片段；false 中间合成片段

---

五、交互流程

5.1 发送请求（开始合成）

客户端发起请求，服务端确认请求有效。其中在请求消息中进行参数设置，输入参数如下表所示：

名称	类型	必填	说明
req_id	string	是	请求全局唯一 ID，记录该值便于排查问题
synth_status	int	是	合成状态：0 开始合成；1 发送文本流；2 结束文本流
format	string	否	音频编码格式，支持 PCM，默认值：PCM
sample_rate	int	否	音频采样率，支持 24000Hz、22050Hz、16000 Hz 和 8000 Hz，默认值：24000
voice	string	否	说话人音色，见 4.2.1 说明，默认音色为 huoponv
volume	int	否	音量，取值范围：[0, 100]，默认值：50
speech_rate	float	否	语速，取值范围：[0.5, 2.0]，默认值：1.0
enable_markdown_filter	boolean	否	是否开启 markdown 过滤，默认值为 false

输入参数组成的 JSON 字段示例：

{
  "req_id": "3a87fe9793c9-4ebd-95d4-4ce2-a80c054b",
  "synth_status": 0
}

5.2 响应结果

客户端发起开始合成请求后，服务端建立会话，并进行参数解析，并返回对应的消息：

名称	类型	说明
code	int	状态码，见服务码说明
message	string	状态说明，见服务码说明
sid	string	会话全局唯一 id，用于记录本次会话

开始合成响应示例：

{
  "code": 10000,
  "message": "Success",
  "sid": "4eHgiLCBhbGdvcml"
}

5.3 发送文本流

客户端接收到服务端发送的确认合成请求有效的响应后，开始发送文本流数据，请求 body 各参数含义如下：

名称	类型	必填	说明
synth_status	int	是	合成状态：1 发送文本流
text	string	是	文本流，需要为 UTF-8 编码

发送文本流示例：

{
  "synth_status": 1,
  "text": "今天"
}

接收合成数据响应示例：

{
  "code": 10000,
  "message": "Success",
  "result": {
    "audio": "//6YYmNiDlSUXjZlDP8yADQAQ1E2ANKJOaTqFGUgIwDQAKAA==",
    "audio_len": 2500,
    "is_end": false
  }
}

5.4 结束发送文本数据

客户端文本流发送完成后，结束文本流，请求 body 各参数含义如下：

名称	类型	必填	说明
synth_status	int	是	合成状态：2 结束文本流
text	string	是	文本流，需要为 UTF-8 编码

输出参数示例：

{
  "synth_status": 2,
  "text": "怎么了"
}

合成结束响应示例：

{
  "code": 10000,
  "message": "Success",
  "result": {
    "audio": "//6YYmNiDlSUXjZlDP8yADQAQ1E2ANKJOaTqFGUgIwDQAKAA==",
    "audio_len": 2500,
    "is_end": true
  }
}

---

六、状态码说明

6.1 算法状态码

状态码	说明	描述	解决方法
10000	Success	成功	执行下一步操作
10301	Parameter error	参数错误	检查请求体是否符合接口协议
10304	Parse request body fail	请求格式错误	查看请求的 URL body 格式是否正确，参考接口文档
10401	Session not found	会话 id 查询失败	检查客户端发送的请求，通常是因为没有发送开始合成请求
10402	Session not begun	尚未发送开始合成标志	检查是否发送开始合成标志
10403	Session is running	重复发送开始合成标志	检查是否重复发送开始合成标志，若重复，请先发送结束合成标志
10503	Server connection time out	服务连接超时	联系技术人员
10903	Synthesis failed	合成失败	联系技术人员

6.2 公共状态码

• 接口响应的公共状态码由网关统一定义，一般用于标识鉴权失败、限流或服务异常，具体业务错误码、错误信息及排查建议请参考：开发指南-公共信息及状态码。