你当前正在访问 Microsoft Azure Global Edition 技术文档网站。 如果需要访问由世纪互联运营的 Microsoft Azure 中国技术文档网站，请访问 https://docs.azure.cn。
批处理合成 API 提供长格式文本转语音的异步合成。 本文介绍从长音频 API 升级到批处理合成 API 的好处以及有关如何升级的详细信息。
重要
批量合成 API 现已正式发布。 长音频 API 将于 2027 年 4 月 1 日停用。
基路径和版本
将终结点从 https://YourSpeechRegion.customvoice.api.speech.microsoft.com 更新为 https://YourSpeechRegion.api.cognitive.microsoft.com，或者改用自定义域：https://{customDomainName}.cognitiveservices.azure.com/。
在代码中将基路径从 /texttospeech/v3.0/longaudiosynthesis 更新为 /texttospeech/batchsyntheses。
将版本从基路径更新为查询字符串 /texttospeech/v3.0/longaudiosynthesis 至 ?api-version=2024-04-01。
例如，要列出 eastus 区域中语音资源的合成作业，请使用 https://eastus.api.cognitive.microsoft.com/texttospeech/batchsyntheses?api-version=2024-04-01 而不是 https://eastus.customvoice.api.speech.microsoft.com/api/texttospeech/v3.0/longaudiosynthesis。
区域和终结点
批处理合成 API 在更多语音区域中可用。
长音频 API 仅限于以下区域：
| 区域 | 终结点 |
|---|---|
| 澳大利亚东部 | https://australiaeast.customvoice.api.speech.microsoft.com |
| 美国东部 | https://eastus.customvoice.api.speech.microsoft.com |
| 印度中部 | https://centralindia.customvoice.api.speech.microsoft.com |
| 美国中南部 | https://southcentralus.customvoice.api.speech.microsoft.com |
| 东南亚 | https://southeastasia.customvoice.api.speech.microsoft.com |
| 英国南部 | https://uksouth.customvoice.api.speech.microsoft.com |
| 西欧 | https://westeurope.customvoice.api.speech.microsoft.com |
语音列表
批处理合成 API 支持所有文本转语音的语音和样式。
长音频 API 仅限于通过 GET 请求返回给 https://<endpoint>/api/texttospeech/v3.0/longaudiosynthesis/voices 的语音集。
文本输入
批处理合成文本输入以最大 2 MB 的 JSON 有效负载发送。
长音频 API 文本输入是从满足以下要求的文件上传的：
- 一个纯文本 (.txt) 或 SSML 文本 (.txt) 文件，编码为 UTF-8（带有字节顺序标记 (BOM)）。 不要使用 ZIP 等压缩文件。 如果有多个输入文件，则必须提交多个请求。
- 文件包含 400 多个字符（对于纯文本），或 400 个可计费字符（对于 SSML 文本），并且少于 10,000 个段落。 对于纯文本，每个段落由一个新行分隔。 对于 SSML 文本，每个 SSML 部分都被视为一个段落。 按不同段落分隔 SSML 部分。
通过批处理合成 API，可以使用任何支持的 SSML 元素，包括 audio、mstts:backgroundaudio 和 lexicon 元素。 长音频 API 不支持 audio、mstts:backgroundaudio和 lexicon 元素。
音频输出格式
批处理合成 API 支持所有文本转语音的音频输出格式。
长音频 API 仅限于以下音频输出格式组。 长音频语音的采样率为 24kHz，而不是 48kHz。 合成时，可以通过向上采样或向下采样来获取其他采样率。
- riff-8khz-16bit-mono-pcm
- riff-16khz-16bit-mono-pcm
- riff-24khz-16bit-mono-pcm
- riff-48khz-16bit-mono-pcm
- audio-16khz-32kbitrate-mono-mp3
- audio-16khz-64kbitrate-mono-mp3
- audio-16khz-128kbitrate-mono-mp3
- audio-24khz-48kbitrate-mono-mp3
- audio-24khz-96kbitrate-mono-mp3
- audio-24khz-160kbitrate-mono-mp3
获取结果
对于批处理合成 API，使用来自 HTTP GET 批处理合成响应的 outputs.result 属性的 URL。
结果位于 ZIP 文件中，其中包含音频（例如 0001.wav）、摘要和调试详细信息。
长音频 API 文本输入和结果通过两个单独的内容 URL 返回，如以下示例所示。 包含 "kind": "LongAudioSynthesisScript" 的一个文件是已提交的输入脚本。 包含 "kind": "LongAudioSynthesisResult" 的另一个文件是此请求的结果。 可以从其 links.contentUrl 属性的 URL 中下载这两个 ZIP 文件。
清理资源
批处理合成 API 支持多达 300 个没有“成功”或“失败”状态的批处理合成作业。 语音服务可将每个合成历史记录最多保留 31 天，或请求 timeToLiveInHours 属性的持续时间，两者以先到者为准。 自动删除的日期和时间（对于状态为“成功”或“失败”的合成作业）等于 lastActionDateTime + timeToLiveInHours 属性。
每个 Azure 订阅帐户的长音频 API 限制为 20,000 个请求。 语音服务不会自动删除作业历史记录。 在发出可能会超过限制的新请求之前，必须删除以前的作业运行历史记录。