语音合成：文本准备与音频交付设计
介绍语音合成中的文本规范化、分段、音色与授权、音频格式和验收，明确德他音频 API 当前未开放。
作者：德他数据技术团队 · 更新于 2026-09-24
核心解答
语音合成接入先确定文本、语言、音色、交付格式和授权范围，再核实分段与计费规则。德他当前没有开放 TTS 或音频流式接口；不能向现有文本对话接口添加音频字段实现语音生成。
阅读范围与当前状态
本篇为完整的协议说明或接入准备指南，不代表所述原生、视频或扩展能力已在德他开放。真实调用以接口开放范围和具体模型的核准状态为准。
把朗读文本与展示文本分开
网页可读的文字不一定适合直接朗读。应处理标题、链接、特殊符号和不应播报的说明。数字、缩写和产品名称需要单独检查读法；不要把未经审核的用户内容直接用于自动对外播报。
需求清单
| 项目 | 应明确的内容 |
| --- | --- |
| 语言与语气 | 服务场景、目标受众和表达风格 |
| 音色 | 可用音色及其使用授权 |
| 文本长度 | 分段方式、段间停顿和拼接顺序 |
| 交付格式 | 播放器支持的编码、采样与容器 |
| 延迟要求 | 整段交付或实时播放需求 |
| 计费单位 | 按具体方案确认，不默认按 Token |
长文本处理
按语义段落拆分，保留段落序号与原文版本，避免重试后拼接错序。对每段记录生成结果与处理结论；只有明确失败且允许重新执行时才重试。客户端停止播放不代表远端合成已取消。
质量与授权验收
检查漏字、多音字、停顿、音量与尾部截断。使用真人相关音色时必须取得适用授权，不能把品牌音色或他人声音视为可自由复制的素材。交付前检查生成内容是否符合业务用途。
德他当前能力边界
TTS、语音克隆、音频上传和音频流式输出均未通过本教程声明开放。当前文本与同步图片接口不能替代音频专用接口；本篇不提供看似可运行的音频请求路径。
常见问题
文字聊天模型返回语音描述就等于音频吗？
不是，文字描述与实际音频数据不同。
字数与音频时长可以直接换算计费吗？
不能作为结算依据。应使用所选产品明确的单位和实际核验结果。
关联文档：德他数据教程。本文按德他实际功能独立编写。