runtime/python/grpc/cosyvoice.proto

syntax = "proto3";

package cosyvoice;
option go_package = "protos/";

// ───────────────────────────────────────────────────────────────────────────────
//  Service
// ───────────────────────────────────────────────────────────────────────────────
service CosyVoice {
  rpc Inference(Request) returns (stream Response) {}
}

// ───────────────────────────────────────────────────────────────────────────────
//  Top‑level wrapper
// ───────────────────────────────────────────────────────────────────────────────
message Request {
  oneof RequestPayload {
    sftRequest        sft_request        = 1;
    zeroshotRequest   zero_shot_request  = 2;
    crosslingualRequest cross_lingual_request = 3;
    instructRequest   instruct_request   = 4;
  }
}

// ───────────────────────────────────────────────────────────────────────────────
//  Individual request messages
// ───────────────────────────────────────────────────────────────────────────────
message sftRequest {
  string spk_id  = 1;
  string tts_text = 2;
}

message zeroshotRequest {
  string tts_text   = 1;
  string prompt_text = 2;
  bytes  prompt_audio = 3;  // URL (utf‑8) or raw bytes
  float  speed        = 4;  // ⎯ optional, 1 = normal speed
}

message crosslingualRequest {
  string tts_text   = 1;
  bytes  prompt_audio = 2;
  float  speed        = 3;  // optional
}

message instructRequest {
  string tts_text      = 1;
  string instruct_text = 2;
  bytes  prompt_audio  = 3; // URL (utf‑8) or raw bytes
  float  speed         = 4; // optional
}

// ───────────────────────────────────────────────────────────────────────────────
message Response {
  bytes tts_audio = 1;
}