Index-TTS2 异步语音合成 API 开发者文档

概述

Index-TTS2 是支持音色复刻与多情感控制的语音合成服务，采用异步任务模式，分为「任务提交」与「状态查询」两个独立接口。开发者提交合成任务后获取任务 ID，通过轮询任务状态获取最终合成音频地址，适用于长文本合成、批量生成等场景。

统一鉴权说明

所有接口均通过 HTTP Header 传递鉴权信息，调用前需获取有效 API Key。

• Header 名称：Authorization
• 取值格式：Bearer {{YOUR_API_KEY}}
• 示例：Authorization: Bearer sk-xxxxxxxxxxxxxx

1. 异步语音合成任务提交

1.1 基本信息

1.2 请求头参数

1.3 请求体参数

接口支持 4 种合成模式，所有模式均需传入基础音色参数，可按需叠加情感控制参数。

公共必填参数

模式一：基础音色模式

仅传入公共必填参数即可，使用参考音频的默认情感进行合成，无额外参数。

模式二：情感迁移模式

额外传入情感参考音频，将参考音频的情感特征迁移到合成结果中。

模式三：情感向量模式

通过传入情感向量精准控制合成情感，具体参数以官方最新说明为准。

模式四：情感文本模式

通过文本描述控制合成情感风格，具体参数以官方最新说明为准。

1.4 请求示例（cURL）

curl --location 'https://www.jiaozitts.com/api/v1/indextts-flagship-submit' 
--header 'Authorization: Bearer {{YOUR_API_KEY}}' 
--header 'Content-Type: application/json' 
--data '{
    "text": "今天心情真好，阳光明媚！",
    "speaker_audio_url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20250211/bxokea/serena.wav",
    "emotion_audio_url": "https://help-static-aliyun-doc.aliyuncs.com/file-manage-files/zh-CN/20250211/bxokea/serena.wav",
    "emotion_alpha": 0.5
}'

1.5 响应参数

1.6 响应示例

提交成功

{
    "code": 200,
    "message": "任务提交成功",
    "data": {
        "task_id": "c0a53f2f-957d-455e-b0ee-4031bd9b8e82",
        "char_count": 38,
        "cost": 0.01,
        "status": "submitted",
        "message": "任务提交成功"
    }
}

常见失败场景

• 用户任务数已达到上限
• 系统任务数已达到上限

2. 任务状态查询

2.1 基本信息

2.2 请求头参数

2.3 请求体参数

2.4 请求示例（cURL）

curl --location 'https://www.jiaozitts.com/api/v1/indextts-flagship-status' 
--header 'Authorization: Bearer {{YOUR_API_KEY}}' 
--header 'Content-Type: application/json' 
--data '{
    "task_id": "bca34ac3-7e4c-4719-9471-6bfd06812c6d"
}'

2.5 响应参数

2.6 响应示例

合成成功

{
    "code": 200,
    "message": "语音合成成功",
    "data": {
        "task_id": "3b00652e-eff5-467a-b7f1-c3b9922ab359",
        "status": "completed",
        "audio_url": "shturl.cc/wmrAxKkRFGitrrrRs12ds1ZZJqEqisYlaPt4Ekg3Xz67QloxDjFz"
    }
}

3. 完整调用流程

1. 提交任务：调用「异步语音合成任务提交」接口，传入文本与音色参考音频，获取 task_id 与计费信息。
2. 轮询状态：使用 task_id 调用「任务状态查询」接口，建议间隔 1~3 秒轮询一次。
3. 获取音频：当任务状态变为 completed 时，从响应中获取 audio_url 下载或播放音频。

4. 使用注意事项

1. 参考音频 URL 必须为公网可直接访问的 HTTP/HTTPS 地址，不支持本地文件与需要鉴权的私有链接。
2. 单次合成文本长度限制为 2048 字符，超长文本建议分段提交任务。
3. 异步任务存在排队与处理耗时，文本越长处理时间越久，请合理设置轮询间隔与超时时间。
4. 合成成功的音频地址存在有效期，请及时下载保存。