语言代码

各接口推荐使用同一套语言短代码。

本页讲的是音频或文本本身的语言，与 App、CLI 的界面语言无关，也不是语言模型。

代码写法

以下规则适用于转录、对齐、文本归一化、播报合成与 Realtime，以及调用它们的 MCP 工具和 CLI 选项。两处不做归一的例外见例外。

• 推荐写法：ISO 639-1 两字母代码。唯一的三字母代码是粤语 yue。
• 大小写与分隔符：匹配时忽略大小写和首尾空白，_ 与 - 等价。ZH、en_US、ja 都有效。
• 地区与文字子标签：可以传完整的 BCP-47 标签，会落到对应语言：en-US、en-GB → en，pt-BR → pt，zh-CN、zh-Hans、zh-TW、zh-Hant-TW → zh。
• 其他写法：ISO 639-3 代码（eng、deu、cmn、fil）和英文名称（English、Mandarin、Cantonese）同样能识别。新接入建议统一用短代码。
• 响应：转录、对齐、文本归一化返回的 language 字段是解析后的代码，例如 zh 或 yue。

中文的繁简不算单独的语言。转录和对齐把 zh-Hant 当作 zh；文本归一化在 tn 方向会按显式中文标签决定新生成读法的字形：zh-Hant，或地区为 TW、HK、MO 时输出繁体；文字子标签优先于地区，所以 zh-Hans-TW 仍是简体；原文保留的部分不做字形转换，itn 不受影响；翻译则把繁体中文作为独立目标语言 zh-hant。

省略、und 与 auto

代码写法是统一的；不传 language 时怎么处理、有哪些特殊取值，按能力而定：

und 是 BCP-47 中「未确定」的标签，UND、und-Latn 都按 und 处理。

各接口的 language 参数

Realtime 的 session.audio.output.language 是对话语言：识别出说话语言之前，内置音色按它选择参考 profile；识别出之后以识别结果为准。/v1/text/segmentations 和说话人相关接口不接收语言。声音库按传入的标签保存，见例外。

MCP 工具与 CLI 选项把同样的取值交给同样的能力：

edgespeak-cli transcribe --language 需要能连上网关（桌面 App 或 edgespeak-cli serve）。连不上时命令直接报错退出，不会忽略这个选项。

例外

• 播报示例筛选（GET /v1/audio/speech/examples、edgespeak_speech_examples、edgespeak-cli speech-examples）：只判断第一个子标签是不是 zh，其余取值一律返回英文示例，包括 cmn、Mandarin、yue 以及带首尾空格的 zh。请传 zh 或 en。
• 声音库（POST /v1/audio/voices、edgespeak_add_voice、edgespeak-cli voices add）：只去掉首尾空白，按传入的标签原样保存为音色的 locale 和 names 的键，English 不会被转成 en 或 en-US。请传 zh-CN、en-US 这类 locale。

常用语言速查

使用默认对齐模型时，表中所有语言都支持对齐。

播报支持哪些语言取决于模型，见播报。

各能力支持的语言

各能力覆盖的语言范围不同。请按实际调用的能力核对，不要默认所有语言处处可用。

转录

30 种语言：zh en yue ar de fr es pt id it ko ru th vi ja tr hi ms nl sv da fi pl cs tl fa el hu mk ro。

所有转录模型使用同一份列表。

对齐

目录外的标签会保留文字与地区子标签，例如 nan-Hant。对齐如何应用文本归一化见强制对齐。

文本归一化

55 种语言，tn 与 itn 相同：ar az bg bs ca cs da de el en es et fa fi fr he hi hr hu hy id is it ja ka kk km ko lo lt lv mk mn mr ms my nb nl pl pt ro ru sk sl sq sr sv sw ta th tl tr uk vi zh。

粤语 yue 没有归一化规则。运行中服务的实际列表和各语言可用类别见 GET /v1/models 中 EdgeSpeak/Skylark 条目的 x_edgespeak.normalization.languages_by_mode 与 classes_by_language。

播报

每个播报模型支持的语言各不相同。以 GET /v1/models 中该模型的 supported_languages 为准；x_edgespeak.speech_language.open_set 为 true 时，模型还接受列表以外的 ISO 639 代码。列表内语言的地区和文字变体（如 zh-TW、en-US）同样可用，auto 总是可用。

FireRedTTS3-Instruct、VoxCPM2 和 Breeze-TTS-2 本身不接收语言输入：对它们来说，language 用来挑选对应的参考音，并且仍会按列表校验。从运行中的服务列出每个模型的语言：

curl --fail-with-body "$EDGESPEAK_BASE_URL/models" \
  | jq '.data[] | select(.supported_languages) | {id, supported_languages}'

翻译

38 种目标语言：语言目录中标记的 36 种，外加繁体中文 zh-hant 和维吾尔语 ug。翻译标签一律小写保存，如 JSON 导出里的 target_langs 字段。翻译的用法见翻译要求怎么写。

语言目录

EdgeSpeak 识别 82 种语言。表中的代码、ISO 639-3 代码都可以作为输入；默认对齐模型覆盖全部语言。后三列标出其他能力支持哪些语言。

对齐：已知语言时请显式传入

不传 language 时，对齐只根据参考文本判定语言。书写系统相同的语言可能因此被混淆：例如用汉字写成的粤语文本可能被当成普通话，结果只有少数字能对上音频。显式传 language=yue 可以避免自动语言判定造成的这类偏差。

已知语言时请显式传入。und 只用于混合语言、音译文本，或没有对应代码的语言。

示例

转录粤语音频：

curl --fail-with-body "$EDGESPEAK_BASE_URL/audio/transcriptions" \
  -F file=@cantonese.wav -F language=yue -F response_format=json

把已知的粤语文稿对齐到同一段音频：

curl --fail-with-body "$EDGESPEAK_BASE_URL/audio/alignments" \
  -F file=@cantonese.wav -F text="今日天氣好好。" -F language=yue

把书面文本归一化为繁体中文读法：

curl --fail-with-body "$EDGESPEAK_BASE_URL/text/normalizations" \
  -H "Content-Type: application/json" \
  -d '{"text":"8:15","language":"zh-TW","mode":"tn","top_k":1}'

输出示例（节选）：

{
  "task": "normalize",
  "language": "zh",
  "mode": "tn",
  "alternatives": [{ "rank": 0, "text": "八點十五分" }]
}

响应里返回的是解析后的代码 zh；zh-TW 标签只决定了输出繁体字。

转录语言不受支持时返回稳定错误码。请按 error.code 分支处理，不要解析 message：

{"error":{"message":"unsupported language: 'tlh'","type":"invalid_request_error","code":"asr_language_unsupported","param":"language"}}

message 回显你传入的值，仅供诊断。