IndexTTS-2 音频推理合成 API

接口信息

接口路径: POST https://www.yuntts.com/api/v1/indextts2_infer

请求格式: multipart/form-data

认证方式: Authorization: Bearer <api_key>

请求参数

文件参数

参数名	类型	必填	说明
`spk_audio_file`	file	是	说话人参考音频文件。格式：mp3、wav；大小：≤20MB
`emo_audio_file`	file	条件必填	情感参考音频文件（仅当 `emo_control_method=1` 时必需）

表单参数

参数名	类型	必填	说明
`payload`	string (JSON)	是	合成参数的 JSON 字符串，详见 payload 配置参数
`model`	string	否	模型名称，默认 `IndexTeam/IndexTTS-2`
`stream_mode`	boolean	否	是否流式输出，默认 `true`

payload 配置参数

payload 字段为一个 JSON 字符串，支持以下参数：

参数名	类型	必填	默认值	说明
`input`	string	是	-	要合成的文本，最大 600 字符
`emo_control_method`	int	否	`0`	情感控制方式：0=无控制，1=音频情感，2=向量情感，3=文本情感
`emo_alpha`	float	否	`1.0`	情感融合权重，范围 0.0 ~ 1.0
`emo_vec`	array[8]	条件必填	-	8 维情感向量，仅 `emo_control_method=2` 时使用。每个元素 0 ~ 1.2，总和 ≤ 1.5
`emo_text`	string	条件必填	-	情感描述文本，仅 `emo_control_method=3` 时使用
`use_random`	bool	否	`false`	情感随机性开关，仅 `true` 时生效，`false` 时省略

payload 配置示例（4 种模式）

模式 0：emo_control_method = 0 — 无情感参考

仅使用说话人音色自带情绪。

{
    "input": "欢迎使用IndexTTS语音合成接口，正常播报语气",
    "use_random": false
}

模式 1：emo_control_method = 1 — 情感音频参考

需额外上传 emo_audio_file 文件。

{
    "input": "今天发生了一件很难过的事，心里久久不能平静",
    "emo_control_method": 1,
    "emo_alpha": 0.8,
    "use_random": false
}

模式 2：emo_control_method = 2 — 8 维情感向量控制

无参考音频，通过向量控制情感。

{
    "input": "真是天大的好消息，我开心得跳起来了",
    "emo_control_method": 2,
    "emo_alpha": 1.0,
    "emo_vec": [0.9, 0, 0, 0, 0, 0, 0.2, 0.1],
    "use_random": false
}

模式 3：emo_control_method = 3 — 情感文本描述控制

通过自然语言描述情感。

{
    "input": "看到他离开的背影，我忍不住红了眼眶",
    "emo_control_method": 3,
    "emo_alpha": 0.7,
    "emo_text": "内心极度悲伤，压抑哽咽，低声难过",
    "use_random": false
}

curl 请求示例

模式 0（无情感控制）

模式 1（音频情感控制）

模式 2（向量情感控制）

模式 3（文本情感控制）

音频文件要求

属性	要求
格式	mp3、wav
时长	建议 5-30 秒
采样率	建议 ≥ 16kHz
大小	≤ 20MB

响应格式

成功响应（stream_mode=false）

{
    "code": 200,
    "message": "合成成功！",
    "data": {
        "audio_url": "https://www.yuntts.com/wp-content/uploads/my-document/audio/processed/xxx.wav",
        "format": "wav",
        "char_count": 15,
        "points_deducted": 0.045
    }
}

成功响应（stream_mode=true，默认）

直接返回 WAV 音频流，Content-Type: audio/wav。

错误响应

{
    "code": 400,
    "error": "missing_spk_file",
    "message": "必须提供说话人参考音频文件！"
}

错误码说明

HTTP 状态码	错误码	说明
400	`invalid_payload`	payload 不是有效的 JSON 字符串，或为嵌套对象字段
400	`empty_text`	缺少合成文本
400	`text_too_long`	文本超过 600 字符
400	`missing_spk_file`	缺少说话人音频文件
400	`invalid_spk_file`	说话人音频文件验证失败
400	`missing_emo_file`	emo_control_method=1 时缺少情感音频文件
400	`invalid_emo_file`	情感音频文件验证失败
400	`invalid_emo_control_method`	emo_control_method 必须是 0/1/2/3
400	`invalid_emo_vec`	情感向量无效
401	`empty_key`	缺少 Authorization 头
401	`invalid_key`	API 密钥无效
403	`insufficient_balance`	余额不足
405	`method_not_allowed`	非 POST 请求
500	`missing_api_key`	平台 API 密钥未配置
500	`api_error`	合成失败（接口内部错误）
500	`file_error`	文件保存失败
500	`fatal_error`	服务内部致命错误

application/json

Bodyapplication/json

示例

{
	"code": 200,
	"message": "合成成功！",
	"data": {
		"audio_url": "https://xxx.com/audio/xxx.wav",
		"format": "wav",
		"char_count": 10,
		"points_deducted": 0.003
	}
}

接口信息

请求参数

文件参数

表单参数

payload 配置参数

payload 配置示例（4 种模式）

模式 0：emo_control_method = 0 — 无情感参考

模式 1：emo_control_method = 1 — 情感音频参考

模式 2：emo_control_method = 2 — 8 维情感向量控制

模式 3：emo_control_method = 3 — 情感文本描述控制

curl 请求示例

模式 0（无情感控制）

模式 1（音频情感控制）

模式 2（向量情感控制）

模式 3（文本情感控制）

音频文件要求

响应格式

成功响应（stream_mode=false）

成功响应（stream_mode=true，默认）

错误响应

错误码说明

请求参数

请求示例代码

返回响应

IndexTTS-2 音频推理合成 API

接口信息#

请求参数#

文件参数#

表单参数#

payload 配置参数#

payload 配置示例（4 种模式）#

模式 0：emo_control_method = 0 — 无情感参考#

模式 1：emo_control_method = 1 — 情感音频参考#

模式 2：emo_control_method = 2 — 8 维情感向量控制#

模式 3：emo_control_method = 3 — 情感文本描述控制#

curl 请求示例#

模式 0（无情感控制）#

模式 1（音频情感控制）#

模式 2（向量情感控制）#

模式 3（文本情感控制）#

音频文件要求#

响应格式#

成功响应（stream_mode=false）#

成功响应（stream_mode=true，默认）#

错误响应#

错误码说明#

请求参数

请求示例代码

返回响应

接口信息

请求参数

文件参数

表单参数

payload 配置参数

payload 配置示例（4 种模式）

模式 0：emo_control_method = 0 — 无情感参考

模式 1：emo_control_method = 1 — 情感音频参考

模式 2：emo_control_method = 2 — 8 维情感向量控制

模式 3：emo_control_method = 3 — 情感文本描述控制

curl 请求示例

模式 0（无情感控制）

模式 1（音频情感控制）

模式 2（向量情感控制）

模式 3（文本情感控制）

音频文件要求

响应格式

成功响应（stream_mode=false）

成功响应（stream_mode=true，默认）

错误响应

错误码说明