说明：v3.5 系列当前仅在北京地域可用。
参数名 | 类型 | 必填 | 适用方式 | 说明 |
|---|---|---|---|---|
| text | string | 是 | generateSpeech / streamSpeech | 待合成文本 |
| voice | string | 是 | generateSpeech / streamSpeech | 音色 ID（需与 v3.5-flash 版本匹配） |
| format | "mp3" | "wav" | "pcm" | 否 | generateSpeech / streamSpeech | 输出音频格式，默认 mp3 |
| sampleRate | 8000 | 16000 | 22050 | 24000 | 44100 | 48000 | 否 | generateSpeech / streamSpeech | 采样率 |
| volume | number | 否 | generateSpeech / streamSpeech | 音量（0~100），默认 50 |
| rate | number | 否 | generateSpeech / streamSpeech | 语速（0.5~2.0），默认 1.0 |
| pitch | number | 否 | generateSpeech / streamSpeech | 音调（0.5~2.0），默认 1.0 |
| languageHints | string | 否 | generateSpeech / streamSpeech | 语言提示 |
字段名 | 类型 | 说明 |
|---|---|---|
| audio | Buffer | 完整音频二进制 |
| usage.characters | number | 字符计数 |
字段名 | 类型 | 说明 |
|---|---|---|
| audio | Buffer | 音频分片（begin/end 事件可能为空） |
| event | "sentence-begin" | "sentence-synthesis" | "sentence-end" | 句子事件类型 |
| sentence.index | number | 句子序号 |
| sentence.originalText | string | 原始句子文本（部分事件返回） |
底层由 SDK 内部通过 WebSocket 协议调用，业务侧无需也不支持直连下游 API。
const ttsModel = this.createModel("cosyvoice-v3.5-flash");
const result = await ttsModel.generateSpeech({
text: "你好，这是一段低延迟语音播报。",
voice: "your_voice_id",
format: "mp3",
});