这是用于 CosyVoice2 的 api 文件，部署好 cosyVoice 项目后，将该 api.py 文件同 webui.py放在一起，然后执行 python api.py。

如果是三方整合包，将 api.py 同 bat 脚本放在一起，然后查找其中python.exe所在的位置，在bat所在当前文件夹地址栏中输入cmd回车，然后执行 目录/python.exe api.py

如果执行时提示模块未找到，请执行以下命令安装依赖：

python.exe -m pip install fastapi uvicorn

启动后可以访问以下地址查看接口文档：

• Swagger UI: http://localhost:9933/docs
• ReDoc: http://localhost:9933/redoc

根据内置角色合成文字

• 接口地址: /tts
• 请求方法: POST
• 请求类型: Content-Type: application/json

参数说明

• text: 需要合成语音的文字
• role: 角色名称，可选值: '中文女', '中文男', '日语男', '粤语女', '英文女', '英文男', '韩语女'
• speed: 语速，范围 0.5-2.0，默认 1.0
• version: 模型版本，可选 v1 或 v2，默认 v2

注意事项

1. v1 版本为较小模型，速度快但质量较低
2. v2 版本为较大模型，质量好但速度较慢
3. 首次请求时需要加载模型，可能需要等待一段时间

示例代码

import requests

# 使用 v2 版本（默认）
data = {
    "text": "你好啊亲爱的朋友们",
    "role": "中文女",
    "speed": 1.0
}

# 使用 v1 版本
data = {
    "text": "你好啊亲爱的朋友们",
    "role": "中文女",
    "speed": 1.0,
    "version": "v1"
}

response = requests.post("http://127.0.0.1:9933/tts", json=data, timeout=3600)
with open("output.wav", "wb") as f:
    f.write(response.content)

同语言克隆音色合成

• 接口地址：/clone_eq
• 请求方法: POST
• 请求类型: Content-Type: application/json

参数说明

• text: 需要合成语音的文字
• reference_audio: 需要克隆音色的参考音频路径
• reference_text: 参考音频对应的文字内容
• speed: 语速，范围 0.5-2.0，默认 1.0
• version: 模型版本，可选 v1 或 v2，默认 v2

注意事项

1. 参考音频需要是清晰的单人声音
2. 参考音频与目标文本必须是相同语言
3. 必须提供参考音频对应的文本内容
4. 参考音频最好是 3-10 秒的短音频
5. v1 版本为较小模型，速度快但质量较低
6. v2 版本为较大模型，质量好但速度较慢
7. 参考音频路径相对于 api.py 的路径，例如引用1.wav，该文件和api.py在同一文件夹内，则填写 1.wav

示例代码

import requests

data = {
    "text": "你好啊亲爱的朋友们。",
    "reference_audio": "10.wav",
    "reference_text": "希望你过的比我更好哟。",
    "speed": 1.0,
    "version": "v2"  # 可选，默认为 v2
}

response = requests.post("http://127.0.0.1:9933/clone_eq", json=data, timeout=3600)
with open("output.wav", "wb") as f:
    f.write(response.content)

跨语言音色克隆

• 接口地址：/clone 或 /clone_mul
• 请求方法: POST
• 请求类型: Content-Type: application/json

参数说明

• text: 需要合成语音的文字
• reference_audio: 需要克隆音色的参考音频路径
• speed: 语速，范围 0.5-2.0，默认 1.0
• version: 模型版本，可选 v1 或 v2，默认 v2

注意事项

1. 参考音频需要是清晰的单人声音
2. 支持不同语言间的克隆，如用中文音频克隆英文/日文等
3. 参考音频最好是 3-10 秒的短音频
4. v1 版本为较小模型，速度快但质量较低
5. v2 版本为较大模型，质量好但速度较慢
6. 参考音频路径相对于 api.py 的路径，例如引用1.wav，该文件和api.py在同一文件夹内，则填写 1.wav

示例代码

import requests

data = {
    "text": "親友からの誕生日プレゼントを遠くから受け取り、思いがけないサプライズと深い祝福に、私の心は甘い喜びで満たされた！。",
    "reference_audio": "10.wav",
    "speed": 1.0,
    "version": "v2"  # 可选，默认为 v2
}

response = requests.post("http://127.0.0.1:9933/clone", json=data, timeout=3600)
with open("output.wav", "wb") as f:
    f.write(response.content)

OpenAI TTS API 兼容接口

• 接口地址: /v1/audio/speech
• 请求方法: POST
• 请求类型: Content-Type: application/json

参数说明

• input: 要合成的文字
• model: 固定为 tts-1
• speed: 语速，范围 0.5-2.0，默认 1.0
• response_format: 返回格式，固定为 wav
• voice: 角色名称或参考音频路径
  • 使用内置角色时，可选值: '中文女', '中文男', '日语男', '粤语女', '英文女', '英文男', '韩语女'
  • 用于克隆时，填写参考音频路径

注意事项

1. 使用内置角色时默认使用 v2 版本
2. 使用参考音频克隆时默认使用 v2 版本
3. 参考音频路径相对于 api.py 的路径，例如引用1.wav，该文件和api.py在同一文件夹内，则填写 1.wav

示例代码

from openai import OpenAI

# 使用内置角色
client = OpenAI(api_key='12314', base_url='http://127.0.0.1:9933/v1')
with client.audio.speech.with_streaming_response.create(
    model='tts-1',
    voice='中文女',
    input='你好啊，亲爱的朋友们',
    speed=1.0                    
) as response:
    with open('./test.wav', 'wb') as f:
        for chunk in response.iter_bytes():
            f.write(chunk)

# 使用音色克隆
with client.audio.speech.with_streaming_response.create(
    model='tts-1',
    voice='example.wav',  # 参考音频路径
    input='你好啊，亲爱的朋友们',
    speed=1.0                    
) as response:
    with open('./test.wav', 'wb') as f:
        for chunk in response.iter_bytes():
            f.write(chunk)