SuperAPI AI 工具集

deepgram-go-text-to-speech

编程与开发

查看项目

更新于 10-15 20:35

技能介绍

用途:在 Deepgram Go SDK 仓库中编写或审查使用 Speak v1 进行文本转语音(TTS)的 Go 代码,包括 REST 文件或流式合成,以及 WebSocket 低延迟合成。语音转文字、语音智能体编排和仓库维护流程应使用其他技能。

主要能力:REST 侧通过 pkg/api/speak/v1/rest 提供 ToStream、ToFile、ToSave;WebSocket 侧提供 SpeakWithText、Speak、Flush、Clear(Reset 已弃用,改用 Clear)。支持回调式和通道式音频播放管线。

使用方式:先设置环境变量 export DEEPGRAM_API_KEY="your_api_key",再创建 Speak 客户端。REST 用 speak.NewRESTWithDefaults() 配合 api.New(client);WebSocket 用 speak.NewWSUsingChanWithDefaults 或回调构造器,传入 handler,Connect() 返回 bool,结束后调用 Stop()。选项结构体不同:REST 用 interfaces.SpeakOptions(如 Model、Encoding、Container、SampleRate),WebSocket 用 interfaces.WSSpeakOptions。

适用场景:需要将文本合成为音频文件、流式播放或低延迟语音输出的 Go 应用。

限制:REST 与 WebSocket 使用不同选项结构体;音频帧到达期间需保持播放或消息消费 goroutine 运行;输出格式与编码应参照仓库示例,不要自行猜测。仓库示例位于 examples/text-to-speech/rest/file/hello-world、websocket/simple_channel、websocket/simple_callback。跨语言产品知识可安装 npx skills add deepgram/skills。