SynthesizeSpeech

將 UTF-8 輸入、純文字或 SSML 合成到位元組串流。SSML 輸入必須是有效且格式正確的 SSML。除非使用音素映射，否則某些字母可能不適用於所有聲音（例如，英語聲音可能根本不能讀取西里爾字母）。如需詳細資訊，請參閱其運作方式。

請求語法


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 請求參數

請求不會使用任何 URI 參數。

請求主體

請求接受採用 JSON 格式的下列資料。

Engine

指定 Amazon Polly 在處理語音合成的輸入文字時使用的引擎 (standardlong-form、、或generative)。neural提供您所選語音支援的引擎。如果您未提供引擎，則預設會選取標準引擎。如果標準引擎不支援選擇的語音，則會導致錯誤。如需 Amazon Polly 語音的相關資訊，以及每個引擎可使用哪些聲音，請參閱可用的聲音。

類型：字串

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

必要：是

類型：String

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

必要：否

LanguageCode

「合成語音」要求的選用語言代碼。只有在使用可用於印度英語（en-in）或印地語（Hiin）的雙語語音（例如 Addi）時，才需要此操作。

如果使用雙語語音且未指定語言代碼，Amazon Polly 會使用雙語語音的預設語言。任何語音的預設語言都是LanguageCode參數DescribeVoices作業所傳回的語言。例如，如果沒有指定語言代碼，Adii 將使用印度英語而不是印地語。

類型：字串

必要：否

LexiconNames

您希望服務在合成過程中應用的一個或多個發音詞典名稱列表。只有當詞典的語言與語音的語言相同時，才會套用詞彙。如需儲存辭典的詳細資訊，請參閱。PutLexicon

類型：字串陣列

陣列成員：最多 5 個項目。

模式：[0-9A-Za-z]{1,20}

必要：否

OutputFormat

在其中返回的輸出將被編碼的格式。對於音頻流，這將是 mp3，ogg_Vorbis 或 PCM。對於語音標記，這將是 json。

使用 pcm 時，返回的內容是帶有符號的 16 位，1 通道（mono），小端格式的音頻/pcm。

類型：字串

有效值:json | mp3 | ogg_vorbis | pcm

必要：是

SampleRate

以 Hz 為單位指定的音訊頻率。

MP3 和沃比斯的有效值是「800」，「160」，「22050」和「24000」。標準語音的預設值是「22050」。神經聲音的預設值是「24000」。長格式語音的預設值為「24000」。生成語音的預設值是「24000」。

PCM 的有效值為「800」和「16000」。預設值為「16000」。

類型：字串

必要：否

SpeechMarkTypes

為輸入文字傳回的語音標記類型。

類型：字串陣列

陣列成員：4 個項目的最大數目。

有效值:sentence | ssml | viseme | word

必要：否

Text

輸入要合成的文本。如果您指定ssml為TextType，請遵循輸入文字的 SSML 格式。

類型：字串

必要：是

TextType

指定輸入文字是純文字還是 SSML。預設值為純文字。如需詳細資訊，請參閱使用 SSML。

類型：字串

有效值:ssml | text

必要：否

VoiceId

用於合成的語音 ID。您可以通過調用DescribeVoices操作來獲取可用語音 ID 的列表。

類型：字串

必要：是

回應語法


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

AudioStream

回應元素

如果動作成功，則服務傳回 HTTP 200 回應。

回應會傳回下列 HTTP 標頭。

ContentType

指定音頻流的類型。這應該反映您的請求中的OutputFormat參數。

如果您請求mp3為OutputFormat，則ContentType返回的是音頻/mpeg。
如果您要求 ogg_vorbisOutputFormat，則ContentType返回的是音頻/ogg。
如果您請求pcm為OutputFormat，則ContentType返回的是帶有符號的 16 位，1 通道（mono），小端格式的音頻/pcm。
如果您要求json為OutputFormat，則ContentType返回的是應用程序/x-json-stream。

RequestCharacters

合成的字符數。

回應傳回以下內容作為 HTTP 主體。

AudioStream: 包含合成語音的流。

錯誤

EngineNotSupportedException

此引擎與您指定的聲音不相容。選擇與發動機兼容的新聲音或更換引擎並重新啟動操作。

HTTP 狀態碼：400

InvalidSampleRateException

指定的取樣率無效。

HTTP 狀態碼：400

InvalidSsmlException

您提供的 SSML 無效。請確認 SSML 語法、標籤和值的拼字，然後再試一次。

HTTP 狀態碼：400

LanguageNotSupportedException

Amazon Polly 目前不支援此容量中指定的語言。

HTTP 狀態碼：400

LexiconNotFoundException

Amazon Polly 找不到指定的詞庫。這可能是由於遺失的詞庫、其名稱拼錯或指定位於不同地區的詞庫所造成。

請確認詞典存在，位於區域中 (請參閱ListLexicons)，而且拼寫其名稱的拼字是否正確。然後再試一次。

HTTP 狀態碼：404

MarksNotSupportedForFormatException

OutputFormat所選項目不支援語音標記。語音標記僅適用於json格式內容。

HTTP 狀態碼：400

ServiceFailureException

未知的情況造成服務失敗。

HTTP 狀態碼：500

SsmlMarksNotSupportedForTextTypeException

純文字類型輸入不支援 SSML 語音標記。

HTTP 狀態碼：400

TextLengthExceededException

「Text」參數的值長於接受的限制。對於 SynthesizeSpeech API，輸入文本的限制最多為 6000 個字符，其中不能超過 3000 個字符計費。對於 StartSpeechSynthesisTask API，最多為 200,000 個字符，其中不能超過 100,000 個字符計費。SSML 標籤不計為收費字元。

HTTP 狀態碼：400

另請參閱

如需在其中一個特定語言 AWS SDK 中使用此 API 的詳細資訊，請參閱下列內容：

您的瀏覽器已停用或無法使用 Javascript。

您必須啟用 Javascript，才能使用 AWS 文件。請參閱您的瀏覽器說明頁以取得說明。

文件慣用形式

StartSpeechSynthesisTask

資料類型