SuperAPI AI 工具集

doubao-tts

通用与其它

查看项目

更新于 11-13 22:14

技能介绍

豆包语音合成 Skill(Doubao TTS)通过火山引擎豆包语音合成大模型的单向流式 HTTP V3 接口,将文本合成为语音音频文件。官方文档见豆包语音合成 API 文档。

前置要求

用户需提供以下环境变量(通过 export 设置或在脚本参数中传入):

  • DOUBAO_APP_ID:火山引擎控制台获取的 APP ID
  • DOUBAO_ACCESS_KEY:火山引擎控制台获取的 Access Token
  • DOUBAO_SPEAKER:音色 ID(可选,默认 zh_female_xiaohe_uranus_bigtts)

声音复刻音色以 S_ 开头,可前往官方音色复刻控制台创建;官方预置音色详见音色对照表。若用户未设置 DOUBAO_APP_ID 和 DOUBAO_ACCESS_KEY,先提醒用户设置,并告知获取方式:登录火山引擎控制台 → 豆包语音 → 创建应用 → 获取 APP ID 和 Access Token。若未设置 DOUBAO_SPEAKER,默认使用 zh_female_xiaohe_uranus_bigtts(小何 2.0,通用中文女声)。

主要能力

支持将文本合成为 mp3、ogg_opus、pcm 格式音频,可设置采样率(8000/16000/22050/24000/32000/44100/48000),支持情感参数(emotion)与情绪强度(emotion_scale,范围 1~5),情感仅多情感音色支持。提供大量官方预置音色,覆盖通用场景、角色扮演、视频配音、教育、客服、有声阅读、多语种、趣味口音、IP 仿音等,并支持声音复刻音色。

使用方式

  1. 确认参数:待合成文本(必填)、音色 ID、资源 ID(声音复刻用 seed-icl-1.0;官方 1.0 音色用 seed-tts-1.0;官方 2.0 音色用 seed-tts-2.0,默认 seed-tts-2.0)、音频格式(默认 mp3)、采样率(默认 24000)、情感、情绪强度(默认 4)、输出文件名(默认 output.mp3)。
  2. 执行合成脚本:
# 基础用法(resource-id 自动推断)
python3 /path/to/doubao-tts/scripts/tts_synthesize.py \
  --text "要合成的文本" \
  --speaker "${DOUBAO_SPEAKER:-zh_female_xiaohe_uranus_bigtts}" \
  --format mp3 \
  --sample-rate 24000 \
  --output /mnt/user-data/outputs/output.mp3

# 带情感的合成(仅多情感音色支持)
python3 /path/to/doubao-tts/scripts/tts_synthesize.py \
  --text "要合成的文本" \
  --speaker "zh_female_shuangkuaisisi_emo_v2_mars_bigtts" \
  --emotion happy \
  --emotion-scale 4 \
  --output /mnt/user-data/outputs/output.mp3

环境变量 DOUBAO_APP_ID 和 DOUBAO_ACCESS_KEY 必须已设置,也可通过 --app-id 和 --access-key 参数直接传入。 3. 输出结果:脚本将音频保存到指定路径,合成完成后使用 present_files 工具将文件呈现给用户。

适用场景

语音合成、文字转语音、TTS、朗读文本、生成语音、用自定义声音朗读、豆包语音、声音复刻合成等。可根据上下文从音色对照表中选择合适音色,如正式播报、儿童故事、英语内容、播客、有声书、客服、教育、方言口音、角色扮演等。

音色说明

  • 2.0 音色(uranus 系列)需使用 seed-tts-2.0,不支持旧版 V1 接口。
  • 1.0 音色(mars/moon 系列)使用 seed-tts-1.0。
  • 声音复刻音色(S_ 开头)必须使用 seed-icl-1.0 作为 resource_id。 完整音色列表参见官方文档。

限制与注意事项

  • 文本超过 5000 字建议分段合成后拼接。
  • 脚本使用 requests.Session 实现连接复用,流式接口返回的音频数据为 base64 编码,脚本自动解码拼接。
  • 可传入参数调整语速、音量、音调等。
  • 错误处理:40402003 表示文本超长需分段;40000001 表示参数错误,检查音色 ID 与 resource_id 是否匹配;40300001 表示鉴权失败,检查 APP ID 和 Access Key;quota 相关错误表示试用版用量已用完,需开通正式版。