鱼音频生成 API 集成指南

news2026/4/29 19:04:27
在这篇文章中我们将介绍如何集成鱼音频生成 API该 API 能够通过输入提示词来克隆您的声音。这项技术的应用场景包括语音合成、自动化语音助手、以及任何需要个性化语音输出的应用。环境准备在使用鱼音频生成 API 之前您需要先申请相应的服务。请确保您已注册并登录到 Ace Data Cloud 平台。申请过程首先访问 鱼音频生成 API 页面。进入页面后点击“获取”按钮如下图所示如果您尚未登录或注册系统会自动引导您进行注册或登录。完成后您将自动返回到当前页面。首次申请时您将获得免费的配额允许您免费使用 API。基本用法了解基本用法后您需要输入以下几个参数prompt提示词action克隆操作voice_id声音 IDmodel模型名称您需要传入一个字段action值为generate并输入模型model当前主要使用fish-tts模型具体如下请求头部设置包括accept您希望接收的响应结果格式这里填入application/json表示 JSON 格式。authorization调用 API 的密钥申请后可直接选择。请求体需要设置如下字段model用于克隆声音的模型主要是fish-tts。action本次声音克隆任务的操作。prompt需要克隆的提示词。voice_id用于克隆的声音 ID。callback_url接收回调结果的 URL。完成设置后右侧将生成相应的代码如下图所示点击“尝试”按钮进行测试结果如下{ success: true, task_id: 5872ab00-3cf4-4040-a798-8510aaa16756, trace_id: 5eda3694-448a-4b72-af33-2acb3851ffe1, data: [ { audio_url: https://platform.r2.fish.audio/task/8a72ff9840234006a9f74cb2fa04f978.mp3 } ] }返回的结果包含多个字段具体描述如下success表示声音克隆任务的状态。data声音克隆任务的结果audio_url此次声音克隆任务的音频链接。我们可以看到已经获得了满意的声音信息只需根据data中的音乐链接地址获取克隆的声音。如果您希望生成相应的集成代码可以直接复制生成的代码例如CURL 代码如下curl -X POST https://api.acedata.cloud/fish/audios \ -H accept: application/json \ -H authorization: Bearer {token} \ -H content-type: application/json \ -d { action: speech, prompt: a white siamese cat, model: fish-tts, voice_id: d7900c21663f485ab63ebdb7e5905036 }异步回调由于鱼音频生成 API 的生成时间相对较长大约需要 1-2 分钟。如果 API 长时间未响应HTTP 请求将保持连接开放导致额外的系统资源消耗。因此该 API 还支持异步回调。总体过程为当客户端发起请求时指定一个额外的callback_url字段。API 将立即返回包含task_id字段信息的结果表示当前任务 ID。当任务完成后生成任务的结果将以 POST JSON 的形式发送到客户端指定的callback_url同时包含task_id字段以便通过 ID 关联任务结果。我们通过一个示例来具体理解该操作。首先Webhook 回调是一个可以接收 HTTP 请求的服务开发者应将其替换为自己的 HTTP 服务器 URL。为了演示我们使用公共 Webhook 示例网站 https://webhook.site/。打开该网站后将获得一个 Webhook URL如下图所示复制此 URL它可以用作 Webhook。样例 URL 为https://webhook.site/4815f79f-a40f-4078-ac85-1cc126b6bb34。接下来我们可以在填写相应参数时设置callback_url字段为上述 Webhook URL如下图所示点击运行后您会立即收到结果如下所示{ task_id: 2725a2d3-f87e-4905-9c53-9988d5a7b2f5 }片刻之后您可以在https://webhook.site/4815f79f-a40f-4078-ac85-1cc126b6bb34查看生成任务的结果如下图所示内容如下{ success: true, task_id: 2725a2d3-f87e-4905-9c53-9988d5a7b2f5, trace_id: e2d308bc-4df8-4c69-9369-a60f3c54f2b3, data: [ { audio_url: https://platform.r2.fish.audio/task/b627c2f7d38a4083a837570ba6d0962f.mp3 } ] }我们可以看到结果包含task_id字段其他字段与上述描述相似通过此字段可以关联任务。错误处理调用 API 时如果发生错误API 将返回相应的错误代码和消息。例如400 token_mismatched错误请求可能由于缺少或无效的参数。400 api_not_implemented错误请求可能由于缺少或无效的参数。401 invalid_token未经授权无效或缺少授权令牌。429 too_many_requests请求过多您已超出速率限制。500 api_error内部服务器错误服务器出现问题。错误响应示例{ success: false, error: { code: api_error, message: fetch failed }, trace_id: 2cf86e86-22a4-46e1-ac2f-032c0f2a4e89 }总结通过本文您已学习如何使用鱼音频生成 API 通过输入提示词克隆声音。希望本指南能帮助您更好地集成和使用该 API。如果您有任何疑问请随时联系技术支持团队。标签#API集成 #语音合成 #AceDataCloud #技术教程 #开发者指南

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2538602.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…