用户指南：关于模型介绍和选型建议请参见语音合成。
说明：启动语音合成任务，设置模型、音色、采样率等参数。
发送时机：建立 WebSocket 连接后立即发送。
响应事件：服务端返回 task-started 事件后才能发送后续指令。
说明：用于发送待合成文本。可一次性发送，也可分段按顺序发送。
发送时机：在接收到服务端返回的 task-started 事件后。
数量限制：
说明：通知服务端文本发送完毕，请求结束任务。如需取消当前轮次的语音合成任务，可在
run-task
说明：启动语音合成任务，设置模型、音色、采样率等参数。
发送时机：建立 WebSocket 连接后立即发送。
响应事件：服务端返回 task-started 事件后才能发送后续指令。
headerobject（必选）
属性 action string（必选）指令类型，固定为 run-task。task_idstring（必选）客户端生成的任务 ID（UUID 格式），用于关联后续事件。和后续 continue-task、finish-task 中的 task_id 保持一致。streamingstring（必选）固定为 duplexobject（必选）
属性 task_group string（必选）任务组，固定为 audio。taskstring（必选）任务类型，固定为 tts。functionstring（必选）功能类型，固定为 SpeechSynthesizer。modelstring（必选）模型名称。inputobject（必选）输入数据：固定为空对象 {}，待合成文本通过 continue-task 指令发送。parametersobject（必选）语音合成参数。
属性 text_type string（必选）固定为 PlainText。voicestring（必选）语音合成所使用的音色。
string（可选）音频编码格式。取值范围：
integer（可选）音频采样率（Hz）。取值范围：8000, 16000, 22050（默认）, 24000, 44100, 48000。volumeinteger（可选）音量。默认值：50。取值范围：[0, 100]。ratefloat（可选）语速。默认值：1.0。取值范围：[0.5, 2.0]。pitchfloat（可选）音调。默认值：1.0。取值范围：[0.5, 2.0]。bit_rateinteger（可选）音频码率（kbps）。音频格式为mp3或opus时，支持通过bit_rate参数调整码率。默认值：32。取值范围：[6, 510]。cosyvoice-v1模型不支持该参数。enable_ssmlboolean（可选）是否开启 SSML 功能。默认值：false。设为 true 后，仅允许发送一次 continue-task 指令。SSML 的使用限制（支持的模型、音色和接口），请参见使用限制。word_timestamp_enabledboolean（可选）是否开启字级别时间戳。默认值：false。仅在流式输出模式下可用。支持的音色范围：qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-flash、cosyvoice-v3-plus和cosyvoice-v2模型的复刻音色，以及Qwen-Audio-TTS音色列表、CosyVoice音色列表中标记为支持的系统音色。其他模型的复刻音色不支持此功能。seedinteger（可选）生成时使用的随机数种子，使合成的效果产生变化。在模型版本、文本、音色及其他参数均相同的前提下，使用相同的seed可复现相同的合成结果。默认值0。取值范围：[0, 65535]。cosyvoice-v1不支持该参数。language_hintsarray[string]（可选）指定语音合成的目标语言，提升合成效果。cosyvoice-v1不支持该功能。当数字、缩写、符号等朗读方式或者小语种合成效果不符合预期时使用，例如：
string（可选）设置指令，用于控制方言、情感或角色等合成效果。具体使用说明请参见指令控制。enable_aigc_tagboolean（可选）是否在生成的音频中添加AIGC隐性标识。设置为true时，会将隐性标识嵌入到支持格式（wav/mp3/opus）的音频中。默认值：false。仅qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、cosyvoice-v3-flash、cosyvoice-v3-plus、cosyvoice-v2支持该功能。aigc_propagatorstring（可选）设置AIGC隐性标识中的 ContentPropagator 字段，用于标识内容的传播者。仅在 enable_aigc_tag 为 true 时生效。默认值：阿里云UID。仅qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、cosyvoice-v3-flash、cosyvoice-v3-plus、cosyvoice-v2支持该功能。aigc_propagate_idstring（可选）设置AIGC隐性标识中的 PropagateID 字段，用于唯一标识一次具体的传播行为。仅在 enable_aigc_tag 为 true 时生效。默认值：本次语音合成请求Request ID。仅qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、cosyvoice-v3-flash、cosyvoice-v3-plus、cosyvoice-v2支持该功能。hot_fixobject（可选）文本热修复配置，用于自定义指定词语的发音或对待合成文本进行替换。cosyvoice-v2、cosyvoice-v1不支持该功能。参数介绍：
boolean（可选）是否启用 Markdown 过滤。启用该功能后，系统在合成语音前自动过滤输入文本中的 Markdown 标记符号，避免将其朗读为文字内容。默认值：false。取值范围：
|
continue-task
说明：用于发送待合成文本。可一次性发送，也可分段按顺序发送。
发送时机：在接收到服务端返回的 task-started 事件后。
数量限制：
- 单次调用最多发送 20000 字符
- 累计最多发送 200000 字符
- 发送间隔不得超过 23 秒，否则连接超时
headerobject（必选）
属性 action string（必选）指令类型，固定为 continue-task。task_idstring（必选）任务 ID（UUID 格式），需要和 run-task 中的 task_id 保持一致。streamingstring（必选）固定为 duplex。object（必选）
属性 input object（必选）包含待合成文本。textstring（必选）待合成文本。单次最多 20000 字符，累计最多 200000 字符。 |
finish-task
说明：通知服务端文本发送完毕，请求结束任务。如需取消当前轮次的语音合成任务，可在 input 中设置 directive 为 cancel。
发送时机：所有文本发送完毕后立即发送。
响应事件：服务端返回 task-finished 事件。
headerobject（必选）
属性 action string（必选）指令类型，固定为 finish-task。task_idstring（必选）任务 ID（UUID 格式），需要和 run-task 中的 task_id 保持一致。streamingstring（必选）固定为 duplexobject（必选）
属性 input object（必选）任务输入。为空对象 {} 时表示正常结束任务；包含 directive 时可用于取消当前轮次的语音合成任务。directivestring（可选）控制任务结束行为。当前仅支持取值为 cancel，表示取消当前轮次的语音合成任务，服务端会立即返回 task-finished 事件，且不会输出后续音频。取消后，可在当前 WebSocket 连接上重新发起语音合成任务（发送新的 run-task 事件），无需重新建立连接。 |