Skip to main content

Síntese e Reconhecimento de Voz

Referência de comando da CLI Bailian para síntese de voz (TTS), reconhecimento de voz (ASR) e gerenciamento de vocabulários de palavras-chave.

Um único comando invoca as capacidades de síntese e reconhecimento de voz do Bailian a partir do terminal, com gerenciamento de vocabulários de palavras-chave para melhor precisão.
Anexe --help a qualquer comando para obter detalhes completos dos parâmetros, por exemplo: bl speech synthesize --help. Todos os parâmetros que aceitam uma URL de arquivo também aceitam um caminho local — a CLI faz o upload automático para armazenamento temporário (válido por 48 horas), portanto, você nunca precisa hospedar arquivos como URLs. Os detalhes dos comandos nesta página são verificados com o bl 2.8.0.

Síntese de voz

bl speech synthesize

Sintetiza voz a partir de texto. Requer autenticação com chave de API. Uso
bl speech synthesize --text <text> [flags]
ParâmetroTipoObrigatórioDescrição
--text <text>stringNãoTexto a ser sintetizado em voz (ou use --text-file)
--text-file <path>stringNãoLeia o texto de um arquivo em vez de --text
--model <model>stringNãoID do modelo (padrão: modelo TTS configurado no Perfil, caso contrário: cosyvoice-v3-flash). Vozes do sistema variam conforme o modelo
--voice <voice>stringNãoID da voz. Use --list-voices para o modelo selecionado (por exemplo, qwen-audio-3.0-tts-plus/flash, cosyvoice-v3-flash); para v3.5-flash forneça um ID de voz clone/design
--list-voicesswitchNãoListe as vozes do sistema embutidas para o modelo selecionado e saia (link do console exibido na saída)
--format <format>stringNãoFormato de áudio: mp3, pcm, wav, opus (padrão: mp3; padrão streaming: pcm)
--sample-rate <rate>stringNãoTaxa de amostragem de áudio em Hz (por exemplo, 24000)
--volume <volume>stringNãoVolume de 0 a 100 (padrão: 50)
--rate <rate>stringNãoTaxa de fala de 0,5 a 2,0 (padrão: 1,0)
--pitch <pitch>stringNãoMultiplicador de tom de 0,5 a 2,0 (padrão: 1,0)
--seed <seed>stringNãoSemente aleatória de 0 a 65535 para síntese reprodutível
--language <lang>stringNãoDica de idioma (por exemplo, zh, en, ja, ko, fr, de)
--instruction <text>stringNãoInstrução em linguagem natural para controlar o estilo de fala (por exemplo, "Use um tom suave")
--enable-ssmlswitchNãoHabilita análise de marcação SSML no texto de entrada
--out <path>stringNãoSalve o áudio em arquivo (padrão: gera automaticamente no diretório temporário)
--streamswitchNãoTransmita áudio PCM bruto para stdout (redirecione para um tocador)
--concurrent <n>numberNãoExecute N solicitações paralelas (padrão: 1)
Exemplo: Sintetize voz a partir de texto usando um modelo TTS
bl speech synthesize --list-voices --model qwen-audio-3.0-tts-plus
  • --model auto roteia modelos AIGC automaticamente pelo MCP desenvolvido pela Bailian e usa apenas os parâmetros de texto e voz suportados pelas ferramentas MCP. Parâmetros incompatíveis, como --format, --sample-rate e --stream, falham com erro de uso em vez de recorrer ao REST.
  • Para solicitar saída JSON com streaming, especifique um arquivo com --out para que os dados de áudio e os resultados JSON não se misturem no mesmo fluxo de saída.

Reconhecimento de voz

bl speech recognize

Reconheça voz a partir de arquivos de áudio (FunAudio-ASR / Qwen-ASR Flash). Requer autenticação com chave de API. Uso
bl speech recognize --url <audio-url> [flags]
ParâmetroTipoObrigatórioDescrição
--url <url>arraySimURL do arquivo de áudio ou caminho de arquivo local (repetível, máximo 100)
--model <model>stringNãoID do modelo (padrão: modelo ASR configurado no Perfil, caso contrário: fun-asr). Assíncrono: fun-asr / -filetrans / paraformer-; síncrono: qwen3-asr-flash* / fun-asr-flash* / qwen-audio-*-asr-flash
--language <lang>stringNãoDica de idioma (por exemplo, zh, en, ja). Clássico assíncrono/entrada de áudio: language_hints; qwen3-filetrans: language; qwen3 síncrono: asr_options.language
--diarizationswitchNãoHabilita diarização automática de falantes
--speaker-count <n>numberNãoNúmero esperado de falantes (requer --diarization)
--vocabulary-id <id>stringNãoID do vocabulário de palavras-chave pré-construído (crie-o via speech vocabulary create). Seu target_model deve corresponder exatamente a --model, caso contrário será ignorado silenciosamente. Suporte a modelos mais amplo que --vocabulary, incluindo Fun-ASR e Paraformer
--vocabulary <json>stringNãoPalavras-chave instantâneas como objeto JSON word→weight, por exemplo '{"Fendouzhe":4}'. Peso de 1 a 5 (recomendado: 4; valores maiores podem prejudicar outras palavras), 50 para palavra-chave super forte. Nenhum vocabulário pré-construído necessário. Tem efeito apenas nos modelos Qwen-Audio-3.0-ASR-Flash
--context <text>stringNãoLista de palavras de melhoria de contexto para aumentar a precisão em nomes próprios; deve conter as palavras-alvo em si (uma descrição de tópico sozinha tem pouco efeito); máximo 400 caracteres. Tem efeito apenas nos modelos Qwen-Audio-3.0-ASR-Flash e Fun-ASR-Flash
--channel-id <n>numberNãoID do canal de áudio (padrão: 0)
--out <path>stringNãoSalve o resultado completo da transcrição em arquivo JSON
--asyncswitchNãoRetorne o ID da tarefa assíncrona sem esperar
--poll-interval <seconds>numberNãoIntervalo de sondagem em segundos (padrão: 2)
Exemplo: Reconheça voz a partir de uma URL de arquivo de áudio
bl speech recognize --url https://example.com/audio.mp3
  • --model auto roteia modelos AIGC automaticamente pelo MCP desenvolvido pela Bailian, usa apenas os parâmetros suportados pelas ferramentas MCP e simplifica a saída de texto. Parâmetros incompatíveis falham com erro de uso em vez de recorrer ao REST.O áudio deve ser um URL http(s) público; use --model <id> para reconhecer arquivos locais com um modelo específico.
  • A saída JSON preserva a resposta completa e a transcrição. Quando nenhuma transcrição é retornada, as informações da tarefa ainda são incluídas.

Gerenciamento de vocabulários de palavras-chave

Gerencie vocabulários de palavras-chave pré-construídos reutilizáveis para melhorar a precisão do ASR em nomes próprios.

bl speech vocabulary create

Crie um vocabulário de palavras-chave pré-compilado para ASR. Requer autenticação com chave de API. Uso
bl speech vocabulary create --model <model> --prefix <prefix> (--words <json> | --words-file <path>) [flags]
ParâmetroTipoObrigatórioDescrição
--model <model>stringSimModelo ASR para o qual este vocabulário é criado. Deve corresponder exatamente ao --model passado posteriormente em speech recognize, caso contrário o vocabulário será ignorado silenciosamente
--prefix <prefix>stringSimPrefixo personalizado para o vocabulário. Apenas dígitos e letras minúsculas, máximo 10 caracteres
--words <json>stringNãoPalavras-chave como objeto JSON word→weight, por exemplo '{"Fendouzhe":4}'; ou a matriz de entrada da API para linguagem por entrada. Peso de 1 a 5 (recomendado: 4); quando o target_model do vocabulário for um modelo da série Qwen-Audio-3.0-ASR-Flash, 50 também é permitido como palavra-chave super forte. Ou use --words-file
--words-file <path>stringNãoArquivo JSON com as palavras-chave (use - para stdin)
--lang <code>stringNãoCódigo de idioma aplicado a cada palavra-chave ao usar formato objeto (opcional; ignorado para formato de matriz). Paraforme: zh/en/ja/yue/ko/de/fr/ru; Fun-ASR: zh/en/ja
Exemplo: Crie um vocabulário de palavras-chave para ASR com palavras personalizadas
bl speech vocabulary create --model fun-asr --prefix demo --words '{"Fendouzhe":4,"Jingluo":4}'
  • O --model deve corresponder exatamente ao --model usado posteriormente com speech recognize --vocabulary-id; uma discrepância causa falha silenciosa sem erro.

bl speech vocabulary list

Liste vocabulários de palavras-chave pré-compilados. Requer autenticação com chave de API. Uso
bl speech vocabulary list [--prefix <prefix>] [--page <n>] [--page-size <n>]
ParâmetroTipoObrigatórioDescrição
--prefix <prefix>stringNãoFiltrar por prefixo de vocabulário
--page <n>numberNãoNúmero da página, baseado em 1 (padrão: 1). Mapeado para page_index da API (baseado em 0) como page - 1
--page-size <n>numberNãoResultados por página (padrão: 10)
Exemplo: Liste vocabulários de palavras-chave pré-compilados por prefixo
bl speech vocabulary list --prefix demo
  • As respostas da lista não incluem target_model; use speech vocabulary get para inspecionar o modelo para o qual um vocabulário foi criado.
  • Vocabulários com status UNDEPLOYED são ignorados silenciosamente pelo ASR.

bl speech vocabulary get

Obtenha detalhes de um vocabulário de palavras-chave pré-compilado. Requer autenticação com chave de API. Uso
bl speech vocabulary get --id <id>
ParâmetroTipoObrigatórioDescrição
--id <id>stringSimID do vocabulário de palavras-chave
Exemplo: Recupere detalhes de um vocabulário de palavras-chave específico
bl speech vocabulary get --id vocab-demo-xxx
  • Use este comando para confirmar target_model antes de chamar speech recognize --vocabulary-id; uma discrepância de modelo causa falha silenciosa.

bl speech vocabulary update

Substitua o conteúdo de um vocabulário de palavras-chave pré-compilado. Requer autenticação com chave de API. Uso
bl speech vocabulary update --id <id> (--words <json> | --words-file <path>) [flags]
ParâmetroTipoObrigatórioDescrição
--id <id>stringSimID do vocabulário de palavras-chave
--words <json>stringNãoPalavras-chave como objeto JSON word→weight, por exemplo '{"Fendouzhe":4}'; ou a matriz de entrada da API para linguagem por entrada. Peso de 1 a 5 (recomendado: 4); quando o target_model do vocabulário for um modelo da série Qwen-Audio-3.0-ASR-Flash, 50 também é permitido como palavra-chave super forte. Ou use --words-file
--words-file <path>stringNãoArquivo JSON com as palavras-chave (use - para stdin)
--lang <code>stringNãoCódigo de idioma aplicado a cada palavra-chave ao usar formato objeto (opcional; ignorado para formato de matriz). Paraforme: zh/en/ja/yue/ko/de/fr/ru; Fun-ASR: zh/en/ja
--yesswitchNãoConfirme esta operação de alto risco
Esta substitui completamente todas as palavras-chave no vocabulário. Entradas não listadas serão descartadas e não poderão ser desfeitas.
Exemplo: Visualize a atualização do vocabulário de palavras-chave com palavras especificadas
bl speech vocabulary update --id vocab-demo-xxx --words '{"Fendouzhe":4}' --dry-run
  • update é uma substituição completa, não uma adição. Prefira --dry-run primeiro para visualizar o vocabulário completo que será escrito.

bl speech vocabulary delete

Exclui um vocabulário de palavras-chave pré-compiladas. Requer autenticação com chave de API. Uso
bl speech vocabulary delete --id <id>
ParâmetroTipoObrigatórioDescrição
--id <id>stringSimID do vocabulário de palavras-chave
--yesswitchNãoConfirme esta operação de alto risco
Esta ação exclui permanentemente o vocabulário de palavras-chave especificado e não pode ser desfeita.
Exemplo: Visualize a exclusão do vocabulário de palavras-chave
bl speech vocabulary delete --id vocab-demo-xxx --dry-run