多人对话语音生成

将多角色对话文本合成为完整对话音频，适合播客、角色扮演、有声书和课程对话。

操作流程

1. 创建 API Key

   进入 API Key 管理平台，创建 API Key，并保存为环境变量。不要把 API Key 写进客户端代码或提交到仓库。

   export MOSS_API_KEY="<your-api-key>"
   

2. 准备请求输入

   用 model 指定模型，用 speakers 声明每个说话人（id + 已创建的 voice_id），再用 segments 按说话人分句给出台词。

   speakers：说话人 id 与 voice_id 的映射 segments：按说话人分句的台词 delivery_method 与 response_format：控制返回 URL 或音频

   {
     "model": "moss-ttsd",
     "speakers": [
       { "id": "A", "voice_id": "<speaker_a_voice_id>" },
       { "id": "B", "voice_id": "<speaker_b_voice_id>" }
     ],
     "segments": [
       { "speaker": "A", "text": "今天进度如何？" },
       { "speaker": "B", "text": "已经完成接口联调。" }
     ],
     "delivery_method": "url",
     "response_format": "mp3"
   }
   

3. 发起第一次请求

   向 POST /v1/audio/speech/speakers 发起请求。delivery_method=url 时同步返回 JSON 和结果 URL。

   cURLPythonTypeScript

   curl https://api.mosi.cn/v1/audio/speech/speakers \
     -H "Authorization: Bearer $MOSS_API_KEY" \
     -H "Content-Type: application/json" \
     -d @request.json
   

   import json
   import os
   import requests
   
   payload = json.load(open("request.json"))
   resp = requests.post(
       "https://api.mosi.cn/v1/audio/speech/speakers",
       headers={"Authorization": f"Bearer {os.environ['MOSS_API_KEY']}"},
       json=payload,
   )
   print(resp.json())
   

   const resp = await fetch('https://api.mosi.cn/v1/audio/speech/speakers', {
     method: 'POST',
     headers: {
       Authorization: `Bearer ${apiKey}`,
       'Content-Type': 'application/json',
     },
     body: JSON.stringify(payload),
   })
   

4. 获取结果

   delivery_method=url 时，从同步响应的 JSON 中读取结果 URL。如果任务较长，可传 async=true 和 webhook_url 创建异步任务，再用返回的 task_id 查询。

   curl https://api.mosi.cn/v1/audio/tasks/$TASK_ID \
     -H "Authorization: Bearer $MOSS_API_KEY"
   

5. 验证成功

   成功标志：拿到完整对话音频（delivery_method=audio）或结果 URL（delivery_method=url），可下载或播放。

下一步