MaaS_DB_Speech API

1. 接口说明

接口地址为 wss://genaiapi.cloudsway.net/ws/api/v1/tts/ws_binary

2. 身份认证

认证方式使用 Bearer Token，在请求 header 中加上"Authorization": "Bearer {YOUR_ACCESS_KEY}"、"ModelName":"MaaS_DB_Speech"。

3. 请求方式

二进制协议

报文格式(Message format)

字段描述

字段 Field (大小， 单位 bit)	描述 Description	值 Values
协议版本(Protocol version) (4)	可能会在将来使用不同的协议版本，所以这个字段是为了让客户端和服务器在版本上保持一致。	0b0001 - 版本 1 （目前只有版本 1)
报头大小(Header size) (4)	header 实际大小是 header size value x 4 bytes. 这里有个特殊值 0b1111 表示 header 大小大于或等于 60(15 x 4 bytes)，也就是会存在 header extension 字段。	0b0001 - 报头大小 ＝ 4 (1 x 4) 0b0010 - 报头大小 ＝ 8 (2 x 4) 0b1010 - 报头大小 ＝ 40 (10 x 4) 0b1110 - 报头大小 = 56 (14 x 4) 0b1111 - 报头大小为 60 或更大; 实际大小在 header extension 中定义
消息类型(Message type) (4)	定义消息类型。	0b0001 - full client request. 0b1001- full server response(弃用). 0b1011 - Audio-only server response (ACK). 0b1111 - Error message from server (例如错误的消息类型，不支持的序列化方法等等)
Message type specific flags (4)	flags 含义取决于消息类型。 具体内容请看消息类型小节.
序列化方法(Message serialization method) (4)	定义序列化 payload 的方法。 注意：它只对某些特定的消息类型有意义 (例如 Audio-only server response 0b1011 就不需要序列化).	0b0000 - 无序列化 (raw bytes) 0b0001 - JSON 0b1111 - 自定义类型, 在 header extension 中定义 注：目前只支持JSON格式
压缩方法(Message Compression) (4)	定义 payload 的压缩方法。 Payload size 字段不压缩(如果有的话，取决于消息类型)，而且 Payload size 指的是 payload 压缩后的大小。 Header 不压缩。	0b0000 - 无压缩 0b0001 - gzip 0b1111 - 自定义压缩方法, 在 header extension 中定义 注：目前只支持无压缩
保留字段(Reserved) (8)	保留字段，同时作为边界 (使整个报头大小为 4 个字节).	0x00 - 目前只有 0

消息类型详细说明

目前所有 TTS websocket 请求都使用 full client request 格式，无论"query"还是"submit"。

Full client request

• Header size为b0001(即 4B，没有 header extension)。
• Message type为b0001.
• Message type specific flags 固定为b0000.
• Message serialization method为b0001JSON。字段参考上方表格。
• 如果使用 gzip 压缩 payload，则 payload size 为压缩后的大小。

Audio-only server response

• Header size 应该为b0001.
• Message type为b1011.
• Message type specific flags 可能的值有：
• b0000 - 没有 sequence number.
• b0001 - sequence number > 0.
• b0010orb0011 - sequence number < 0，表示来自服务器的最后一条消息，此时客户端应合并所有音频片段(如果有多条)。
• Message serialization method为b0000(raw bytes).

4.请求参数

字段	含义	层级	格式	必需	备注
app	应用相关配置	1	dict	✓
appid	应用标识	2	string	✓	需要申请
token	应用令牌	2	string	✓	可传任意非空字符串
cluster	业务集群	2	string	✓	volcano_tts
user	用户相关配置	1	dict	✓
uid	用户标识	2	string	✓	可传任意非空字符串，传入值可以通过服务端日志追溯
audio	音频相关配置	1	dict	✓
voice_type	音色类型	2	string	✓
emotion	音色情感	2	string		设置音色的情感。示例："emotion": "angry" 注：当前仅部分音色支持设置情感，且不同音色支持的情感范围存在不同。
enable_emotion	开启音色情感	2	bool		是否可以设置音色情感，需将enable_emotion设为true 示例："enable_emotion": True
encoding	音频编码格式	2	string		wav / pcm / ogg_opus / mp3，默认为 pcm 注意：wav 不支持流式
speed_ratio	语速	2	float		[0.8,2]，默认为 1，通常保留一位小数即可
rate	音频采样率	2	int		默认为 24000，可选8000，16000
BitRate	比特率	2	int		可传16 96 128等
explicit_language	明确语种	2	string		仅读指定语种的文本不给定参数，正常中英混crosslingual 启用多语种前端（包含zh/en/ja/es-ms/id/pt-br）zh 中文为主，支持中英混en 仅英文ja 仅日文es-mx 仅墨西id 仅印尼pt-br 仅巴葡
context_language	参考语种	2	string		给模型提供参考的语种不给定 西欧语种采用英语id 西欧语种采用印尼es 西欧语种采用墨西pt 西欧语种采用巴葡
loudness_ratio	音量调节	2	float		[0.5,2]，默认为1，通常保留一位小数即可。0.5代表原音量0.5倍，2代表原音量2倍
request	请求相关配置	1	dict	✓
reqid	请求标识	2	string	✓	需要保证每次调用传入值唯一，建议使用 UUID
text	文本	2	string	✓	合成语音的文本，长度限制 1024 字节（UTF-8 编码）
text_type	文本类型	2	string		使用 ssml 时需要指定，值为"ssml"
silence_duration	句尾静音	2	float		设置该参数可在句尾增加静音时长，范围0~30000ms。（注：增加的句尾静音主要针对传入文本最后的句尾，而非每句话的句尾）若启用该参数，必须在request下首先设置enable_trailing_silence_audio = true
with_timestamp	时间戳相关	2	int string		传入1时表示启用，将返回TN后文本的时间戳，例如：2025。根据语义，TN后文本为“两千零二十五”或“二零二五”。 注：原文本中的多个标点连用或者空格仍会被处理，但不影响时间戳的连贯性（仅限大模型场景使用）。 附加说明（小模型和大模型时间戳原理差异）：小模型依据前端模型生成时间戳，然后合成音频。在处理时间戳时，TN前后文本进行了映射，所以小模型可返回TN前原文本的时间戳，即保留原文中的阿拉伯数字或者特殊符号等。大模型在对传入文本语义理解后合成音频，再针对合成音频进行TN后打轴以输出时间戳。若不采用TN后文本，输出的时间戳将与合成音频无法对齐，所以大模型返回的时间戳对应TN后的文本。
operation	操作	2	string	✓	query（非流式，http 只能 query） / submit（流式）
extra_param	附加参数	2	jsonstring
disable_markdown_filter		3	bool		是否开启markdown解析过滤， 为true时，解析并过滤markdown语法，例如，你好，会读为“你好”， 为false时，不解析不过滤，例如，你好，会读为“星星‘你好’星星” 示例："disable_markdown_filter": True
enable_latex_tn		3	bool		是否可以播报latex公式，需将disable_markdown_filter设为true 示例："enable_latex_tn": True

备注：

1. 已支持字级别时间戳能力（ssml文本类型不支持）
2. 暂时不支持音高调节
3. 大模型音色语种支持中英混
4. 大模型非双向流式已支持latex公式
5. 在 websocket握手成功后，会返回这些 Response header

{
    "user": {
        "uid": "uid123"
    },
    "audio": {
        "voice_type": "zh_male_M392_conversation_wvae_bigtts",
        "encoding": "mp3",
        "speed_ratio": 1.0,
    },
    "request": {
        "reqid": "uuid",
        "text": "我爱中国",
        "operation": "query",
    }
}

5.注意事项

• websocket 单条链接仅支持单次合成，若需要合成多次，则需要多次建立链接
• 每次合成时 reqid 这个参数需要重新设置，且要保证唯一性（建议使用 uuid.V4 生成）
• operation 需要设置为 submit

返回码说明

错误码	错误描述	举例	建议行为
3000	请求正确	正常合成	正常处理
3001	无效的请求	一些参数的值非法，比如 operation 配置错误	检查参数
3003	并发超限	超过在线设置的并发阈值	重试；使用 sdk 的情况下切换离线
3005	后端服务忙	后端服务器负载高	重试；使用 sdk 的情况下切换离线
3006	服务中断	请求已完成/失败之后，相同 reqid 再次请求	检查参数
3010	文本长度超限	单次请求超过设置的文本长度阈值	检查参数
3011	无效文本	参数有误或者文本为空、文本与语种不匹配、文本只含标点	检查参数
3030	处理超时	单次请求超过服务最长时间限制	重试或检查文本
3031	处理错误	后端出现异常	重试；使用 sdk 的情况下切换离线
3032	等待获取音频超时	后端网络异常	重试；使用 sdk 的情况下切换离线
3040	后端链路连接错误	后端网络异常	重试
3050	音色不存在	检查使用的 voice_type 代号	检查参数

6.音色列表

多情感

音色名称	voice_type	时间戳	语种	支持的情感
北京小爷（多情感）	zh_male_beijingxiaoye_emo_v2_mars_bigtts	√	中文	生气，惊讶，恐惧，激动，冷漠，中性对应的传参（emotion）分别为：angry，surprised，fear，excited，coldness，neutral
柔美女友（多情感）	zh_female_roumeinvyou_emo_v2_mars_bigtts	√	中文	开心，悲伤，生气，惊讶，恐惧，厌恶，激动，冷漠，中性对应的传参（emotion）分别为：happy，sad，angry，surprised，fear，hate，excited，coldness，neutral
阳光青年（多情感）	zh_male_yangguangqingnian_emo_v2_mars_bigtts	√	中文	开心，悲伤，生气，恐惧，激动，冷漠，中性对应的传参（emotion）分别为：happy，sad，angry，fear，excited，coldness，neutral
魅力女友（多情感）	zh_female_meilinvyou_emo_v2_mars_bigtts	√	中文	悲伤，恐惧，中性对应的传参（emotion）分别为：sad，fear，neutral
爽快思思（多情感）	zh_female_shuangkuaisisi_emo_v2_mars_bigtts	√	中文、美式英语	开心，悲伤，生气，惊讶，激动，冷漠，中性对应的传参（emotion）分别为：happy，sad，angry，surprised，excited，coldness，neutral

通用场景

音色名称	voice_type	时间戳	语种	支持的情感
灿灿/Shiny	zh_female_cancan_mars_bigtts	√	中文、美式英语
清新女声	zh_female_qingxinnvsheng_mars_bigtts	√	中文
爽快思思/Skye	zh_female_shuangkuaisisi_moon_bigtts	√	中文、美式英语
温暖阿虎/Alvin	zh_male_wennuanahu_moon_bigtts	√	中文、美式英语
少年梓辛/Brayan	zh_male_shaonianzixin_moon_bigtts	√	中文、美式英语
知性女声	zh_female_zhixingnvsheng_mars_bigtts	√	中文
清爽男大	zh_male_qingshuangnanda_mars_bigtts	√	中文
邻家女孩	zh_female_linjianvhai_moon_bigtts	√	中文
渊博小叔	zh_male_yuanboxiaoshu_moon_bigtts	√	中文
阳光青年	zh_male_yangguangqingnian_moon_bigtts	√	中文
甜美小源	zh_female_tianmeixiaoyuan_moon_bigtts	√	中文
清澈梓梓	zh_female_qingchezizi_moon_bigtts	√	中文
解说小明	zh_male_jieshuoxiaoming_moon_bigtts	√	中文
开朗姐姐	zh_female_kailangjiejie_moon_bigtts	√	中文
邻家男孩	zh_male_linjiananhai_moon_bigtts	√	中文
甜美悦悦	zh_female_tianmeiyueyue_moon_bigtts	√	中文
心灵鸡汤	zh_female_xinlingjitang_moon_bigtts	√	中文
知性温婉	ICL_zh_female_zhixingwenwan_tob	√	中文
暖心体贴	ICL_zh_male_nuanxintitie_tob	√	中文
温柔文雅	ICL_zh_female_wenrouwenya_tob	√	中文
开朗轻快	ICL_zh_male_kailangqingkuai_tob	√	中文
活泼爽朗	ICL_zh_male_huoposhuanglang_tob	√	中文
率真小伙	ICL_zh_male_shuaizhenxiaohuo_tob	√	中文
温柔小哥	zh_male_wenrouxiaoge_mars_bigtts	√	中文
Smith	en_male_smith_mars_bigtts	√	英式英语
Anna	en_female_anna_mars_bigtts	√	英式英语
Adam	en_male_adam_mars_bigtts	√	美式英语
Sarah	en_female_sarah_mars_bigtts	√	澳洲英语
Dryw	en_male_dryw_mars_bigtts	√	澳洲英语

多语种

音色名称	voice_type	时间戳	语种	支持的情感
かずね（和音）/Javier or Álvaro	multi_male_jingqiangkanye_moon_bigtts	√	日语、西语
はるこ（晴子）/Esmeralda	multi_female_shuangkuaisisi_moon_bigtts	√	日语、西语
ひろし（広志）/Roberto	multi_male_wanqudashu_moon_bigtts	√	日语、西语
あけみ（朱美）	multi_female_gaolengyujie_moon_bigtts	√	日语
Amanda	en_female_amanda_mars_bigtts	√	美式英语
Jackson	en_male_jackson_mars_bigtts	√	美式英语

趣味口音

音色名称	voice_type	时间戳	语种	支持的情感
京腔侃爷/Harmony	zh_male_jingqiangkanye_moon_bigtts	√	中文-北京口音、英文
湾湾小何	zh_female_wanwanxiaohe_moon_bigtts	√	中文-台湾口音
湾区大叔	zh_female_wanqudashu_moon_bigtts	√	中文-广东口音
呆萌川妹	zh_female_daimengchuanmei_moon_bigtts	√	中文-四川口音
广州德哥	zh_male_guozhoudege_moon_bigtts	√	中文-广东口音
北京小爷	zh_male_beijingxiaoye_moon_bigtts	√	中文-北京口音
浩宇小哥	zh_male_haoyuxiaoge_moon_bigtts	√	中文-青岛口音
广西远舟	zh_male_guangxiyuanzhou_moon_bigtts	√	中文-广西口音
妹坨洁儿	zh_female_meituojieer_moon_bigtts	√	中文-长沙口音
豫州子轩	zh_male_yuzhouzixuan_moon_bigtts	√	中文-河南口音

角色扮演

音色名称	voice_type	时间戳	语种	支持的情感
奶气萌娃	zh_male_naiqimengwa_mars_bigtts	√	中文
婆婆	zh_female_popo_mars_bigtts	√	中文
高冷御姐	zh_female_gaolengyujie_moon_bigtts	√	中文
傲娇霸总	zh_male_aojiaobazong_moon_bigtts	√	中文
魅力女友	zh_female_meilinvyou_moon_bigtts	√	中文
深夜播客	zh_male_shenyeboke_moon_bigtts	√	中文
柔美女友	zh_female_sajiaonvyou_moon_bigtts	√	中文
撒娇学妹	zh_female_yuanqinvyou_moon_bigtts	√	中文
病弱少女	ICL_zh_female_bingruoshaonv_tob	√	中文
活泼女孩	ICL_zh_female_huoponvhai_tob	√	中文
东方浩然	zh_male_dongfanghaoran_moon_bigtts	√	中文
绿茶小哥	ICL_zh_male_lvchaxiaoge_tob	√	中文
娇弱萝莉	ICL_zh_female_jiaoruoluoli_tob	√	中文
冷淡疏离	ICL_zh_male_lengdanshuli_tob	√	中文
憨厚敦实	ICL_zh_male_hanhoudunshi_tob	√	中文
傲气凌人	ICL_zh_male_aiqilingren_tob	√	中文
活泼刁蛮	ICL_zh_female_huopodiaoman_tob	√	中文
固执病娇	ICL_zh_male_guzhibingjiao_tob	√	中文
撒娇粘人	ICL_zh_male_sajiaonianren_tob	√	中文
傲慢娇声	ICL_zh_female_aomanjiaosheng_tob	√	中文
潇洒随性	ICL_zh_male_xiaosasuixing_tob	√	中文
腹黑公子	ICL_zh_male_fuheigongzi_tob	√	中文
诡异神秘	ICL_zh_male_guiyishenmi_tob	√	中文
儒雅才俊	ICL_zh_male_ruyacaijun_tob	√	中文
病娇白莲	ICL_zh_male_bingjiaobailian_tob	√	中文
正直青年	ICL_zh_male_zhengzhiqingnian_tob	√	中文
娇憨女王	ICL_zh_female_jiaohannvwang_tob	√	中文
病娇萌妹	ICL_zh_female_bingjiaomengmei_tob	√	中文
青涩小生	ICL_zh_male_qingsenaigou_tob	√	中文
纯真学弟	ICL_zh_male_chunzhenxuedi_tob	√	中文
暖心学姐	ICL_zh_female_nuanxinxuejie_tob	√	中文
可爱女生	ICL_zh_female_keainvsheng_tob	√	中文
成熟姐姐	ICL_zh_female_chengshujiejie_tob	√	中文
病娇姐姐	ICL_zh_female_bingjiaojiejie_tob	√	中文
优柔帮主	ICL_zh_male_youroubangzhu_tob	√	中文
优柔公子	ICL_zh_male_yourougongzi_tob	√	中文
妩媚御姐	ICL_zh_female_wumeiyujie_tob	√	中文
调皮公主	ICL_zh_female_tiaopigongzhu_tob	√	中文
傲娇女友	ICL_zh_female_aojiaonvyou_tob	√	中文
贴心男友	ICL_zh_male_tiexinnanyou_tob	√	中文
少年将军	ICL_zh_male_shaonianjiangjun_tob	√	中文
贴心女友	ICL_zh_female_tiexinnvyou_tob	√	中文
病娇哥哥	ICL_zh_male_bingjiaogege_tob	√	中文
学霸男同桌	ICL_zh_male_xuebanantongzhuo_tob	√	中文
幽默叔叔	ICL_zh_male_youmoshushu_tob	√	中文
性感御姐	ICL_zh_female_xingganyujie_tob	√	中文
假小子	ICL_zh_female_jiaxiaozi_tob	√	中文
冷峻上司	ICL_zh_male_lengjunshangsi_tob	√	中文
温柔男同桌	ICL_zh_male_wenrounantongzhuo_tob	√	中文
病娇弟弟	ICL_zh_male_bingjiaodidi_tob	√	中文
幽默大爷	ICL_zh_male_youmodaye_tob	√	中文
傲慢少爷	ICL_zh_male_aomanshaoye_tob	√	中文
神秘法师	ICL_zh_male_shenmifashi_tob	√	中文

视频配音

音色名称	voice_type	时间戳	语种	支持的情感
和蔼奶奶	ICL_zh_female_heainainai_tob	√	中文
邻居阿姨	ICL_zh_female_linjuayi_tob	√	中文
温柔小雅	zh_female_wenrouxiaoya_moon_bigtts	√	中文
天才童声	zh_male_tiancaitongsheng_mars_bigtts	√	中文
猴哥	zh_male_sunwukong_mars_bigtts	√	中文
熊二	zh_male_xionger_mars_bigtts	√	中文
佩奇猪	zh_female_peiqi_mars_bigtts	√	中文
武则天	zh_female_wuzetian_mars_bigtts	√	中文
顾姐	zh_female_gujie_mars_bigtts	√	中文
樱桃丸子	zh_female_yingtaowanzi_mars_bigtts	√	中文
广告解说	zh_male_chunhui_mars_bigtts	√	中文
少儿故事	zh_female_shaoergushi_mars_bigtts	√	中文
四郎	zh_male_silang_mars_bigtts	√	中文
磁性解说男声/Morgan	zh_male_jieshuonansheng_mars_bigtts	√	中文、美式英语
鸡汤妹妹/Hope	zh_female_jitangmeimei_mars_bigtts	√	中文、美式英语
贴心女声/Candy	zh_female_tiexinnvsheng_mars_bigtts	√	中文、美式英语
俏皮女声	zh_female_qiaopinvsheng_mars_bigtts	√	中文
萌丫头/Cutey	zh_female_mengyatou_mars_bigtts	√	中文、美式英语
懒音绵宝	zh_male_lanxiaoyang_mars_bigtts	√	中文
亮嗓萌仔	zh_male_dongmanhaimian_mars_bigtts	√	中文

有声阅读

音色名称	voice_type	时间戳	语种	支持的情感
悬疑解说	zh_male_changtianyi_mars_bigtts	√	中文
儒雅青年	zh_male_ruyaqingnian_mars_bigtts	√	中文
霸气青叔	zh_male_baqiqingshu_mars_bigtts	√	中文
擎苍	zh_male_qingcang_mars_bigtts	√	中文
活力小哥	zh_male_yangguangqingnian_mars_bigtts	√	中文
古风少御	zh_female_gufengshaoyu_mars_bigtts	√	中文
温柔淑女	zh_female_wenroushunv_mars_bigtts	√	中文
反卷青年	zh_male_fanjuanqingnian_mars_bigtts	√	中文

注：

1. 上述中文音色可支持中英文混合场景。
2. 病弱少女、 活泼女孩、和蔼奶奶、邻居阿姨四个音色暂不支持双向流式接口调用。

7.示例代码

package org.example.websocket.tts.demo;

import com.alibaba.fastjson.annotation.JSONField;
import lombok.Builder;
import lombok.Data;

@Data
@Builder
public class TtsRequest {
    @JSONField(name = "app")
    private App app;
    @JSONField(name = "user")
    private User user;
    @JSONField(name = "audio")
    private Audio audio;
    @JSONField(name = "request")
    private Request request;

    @Data
    @Builder
    public static class App {
        @JSONField(name = "appid")
        private String appid;
        @JSONField(name = "token")
        private String token; // 目前未生效，使用默认值即可
        @JSONField(name = "cluster")
        private String cluster;
    }

    @Data
    @Builder
    public static class User {
        @JSONField(name = "uid")
        private String uid;
    }

    @Data
    @Builder
    public static class Audio {
        @JSONField(name = "voice_type")
        private String voiceType;
        @JSONField(name = "emotion")
        private String emotion;
        @JSONField(name = "enable_emotion")
        private Boolean enableEmotion;
        @JSONField(name = "encoding")
        private String encoding;
        @JSONField(name = "speed_ratio")
        private Double speedRatio;
        @JSONField(name = "rate")
        private Integer rate;
        @JSONField(name = "BitRate")
        private Integer BitRate;
        @JSONField(name = "explicit_language")
        private String explicitLanguage;
        @JSONField(name = "context_language")
        private String contextLanguage;
        @JSONField(name = "loudness_ratio")
        private Double loudnessRatio;
        @JSONField(name = "volume_ratio")
        private Double volumeRatio;
        @JSONField(name = "voice")
        private String voice;
        @JSONField(name = "pitch_ratio")
        private Double pitchRatio;
        @JSONField(name = "language")
        private String language;
    }

    @Data
    @Builder
    public static class Request {
        @JSONField(name = "reqid")
        private String reqid;
        @JSONField(name = "text")
        private String text;
        @JSONField(name = "text_type")
        private String textType;
        @JSONField(name = "silence_duration")
        private Double silenceDuration;
        @JSONField(name = "with_timestamp")
        private Integer withTimestamp;
        @JSONField(name = "operation")
        private String operation;
        @JSONField(name = "extra_param")
        private String extraParam;

    }
}

package org.example.websocket.tts;

import com.alibaba.fastjson.JSON;
import lombok.Getter;
import org.example.websocket.tts.demo.TtsRequest;
import org.java_websocket.client.WebSocketClient;
import org.java_websocket.framing.CloseFrame;
import org.java_websocket.handshake.ServerHandshake;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import java.io.*;
import java.math.BigInteger;
import java.net.URI;
import java.nio.ByteBuffer;
import java.nio.charset.StandardCharsets;
import java.util.HashMap;
import java.util.Map;
import java.util.UUID;

public class TtsWebsocketDemo {
    private static final Logger log = LoggerFactory.getLogger(TtsWebsocketDemo.class);
    public static final String API_URL = "";

    public static void main(String[] args) throws Exception {
        String accessToken = "";

        TtsRequest ttsRequest;

        ttsRequest = TtsRequest.builder()
                .user(TtsRequest.User.builder()
                        .uid("dadadadwd1e12121rtdawq")
                        .build())
                .audio(TtsRequest.Audio.builder()
                        .encoding("mp3")
                        .voiceType("zh_female_qingchezizi_moon_bigtts")
                        .language("en")
                        .build())
                .request(TtsRequest.Request.builder()
                        .reqid(UUID.randomUUID().toString())
                        .operation("query")
                        .text("我爱中国")
                        .build())
                .build();

        String json = JSON.toJSONString(ttsRequest);

        log.info("request: {}", json);
        HashMap<String, String> authorization = new HashMap<>();
        authorization.put("Authorization", "Bearer " + accessToken);
        authorization.put("ModelName","MaaS_DB_Speech");
        TtsWebsocketClient ttsWebsocketClient = new TtsWebsocketClient(authorization);
        byte[] audio = ttsWebsocketClient.submit(ttsRequest);
        FileOutputStream fos = new FileOutputStream("test4.mp3");
        fos.write(audio);
        fos.close();
        log.info("TTS done.");
    }



    public static class TtsWebsocketClient extends WebSocketClient {
        private final ByteArrayOutputStream buffer = new ByteArrayOutputStream();

        public TtsWebsocketClient(Map<String, String> authorization) {
            super(URI.create(API_URL), authorization);
//            super(URI.create(API_URL));
        }

        public byte[] submit(TtsRequest ttsRequest) throws InterruptedException {
            String json = JSON.toJSONString(ttsRequest);
            log.info("request: {}", json);
            byte[] jsonBytes = json.getBytes(StandardCharsets.UTF_8);
            byte[] header = {0x11, 0x10, 0x10, 0x00};
            ByteBuffer requestByte = ByteBuffer.allocate(8 + jsonBytes.length);
            requestByte.put(header).putInt(jsonBytes.length).put(jsonBytes);

            this.connectBlocking();
            synchronized (this) {
                this.send(requestByte.array());
                wait();
                return this.buffer.toByteArray();
            }
        }

        @Override
        public void onMessage(ByteBuffer bytes) {
            log.info("received message:" + bytes.remaining() + " bytes");
            int protocolVersion = (bytes.get(0) & 0xff) >> 4;
            int headerSize = bytes.get(0) & 0x0f;
            int messageType = (bytes.get(1) & 0xff) >> 4;
            int messageTypeSpecificFlags = bytes.get(1) & 0x0f;
            int serializationMethod = (bytes.get(2) & 0xff) >> 4;
            int messageCompression = bytes.get(2) & 0x0f;
            int reserved = bytes.get(3) & 0xff;
            bytes.position(headerSize * 4);
            byte[] fourByte = new byte[4];
            if (messageType == 11) {
                // Audio-only server response
                log.info("received audio-only response.");
                if (messageTypeSpecificFlags == 0) {
                    // Ack without audio data
                } else {
                    bytes.get(fourByte, 0, 4);
                    int sequenceNumber = new BigInteger(fourByte).intValue();
                    bytes.get(fourByte, 0, 4);
                    int payloadSize = new BigInteger(fourByte).intValue();
                    byte[] payload = new byte[payloadSize];
                    bytes.get(payload, 0, payloadSize);
                    try {
                        this.buffer.write(payload);
                    } catch (IOException e) {
                        throw new RuntimeException(e);
                    }
                    if (sequenceNumber < 0) {
                        // received the last segment
                        this.close(CloseFrame.NORMAL, "received all audio data.");
                    }
                }
            } else if (messageType == 15) {
                // Error message from server
                bytes.get(fourByte, 0, 4);
                int code = new BigInteger(fourByte).intValue();
                bytes.get(fourByte, 0, 4);
                int messageSize = new BigInteger(fourByte).intValue();
                byte[] messageBytes = new byte[messageSize];
                bytes.get(messageBytes, 0, messageSize);
                String message = new String(messageBytes, StandardCharsets.UTF_8);
                throw new TtsException(code, message);
            } else {
                log.warn("Received unknown response message type: {}", messageType);
            }
        }

        @Override
        public void onOpen(ServerHandshake serverHandshake) {
            log.info("opened connection");
        }

        @Override
        public void onMessage(String message) {
            log.info("received message: " + message);
        }

        @Override
        public void onClose(int code, String reason, boolean remote) {
            log.info("Connection closed by {}, Code: {}, Reason: {}", (remote ? "remote" : "us"), code, reason);
            synchronized (this) {
                notify();
            }
        }

        @Override
        public void onError(Exception e) {
            close(CloseFrame.NORMAL, e.toString());
        }
    }

    @Getter
    public static class TtsException extends RuntimeException {
        private final int code;
        private final String message;

        public TtsException(int code, String message) {
            super("code=" + code + ", message=" + message);
            this.code = code;
            this.message = message;
        }
    }
}