用途:该技能用于在 Python 中调用 Telnyx 文本转语音接口,将文本合成为语音,并可选择 Telnyx 或第三方 TTS 提供商。
安装与初始化:pip install telnyx;使用 from telnyx import Telnyx 创建客户端,并通过 TELNYX_API_KEY 环境变量传入 API 密钥。
主要能力:调用 POST /text-to-speech/speech 生成语音,参数包括 text(必填)、provider(telnyx、aws、azure、elevenlabs、minimax、resemble、rime,默认 telnyx)、voice、output_type(binary_output 或 base64_output,默认 binary_output)、text_type(text 或 ssml)、language、voice_settings 以及各提供商的专属配置对象;支持禁用缓存。也可通过 GET /text-to-speech/voices 列出可用语音,并按 provider 过滤。
使用方式:示例包括使用默认 provider 生成 base64 音频、指定 AWS 提供商与语音、传入 SSML 实现停顿等控制、使用 ElevenLabs 语音。响应字段为 response.base64_audio(base64_output 时)或二进制音频流(binary_output 时)。CLI 提供 telnyx-agent tts 与 tts-voices 命令,xAI 提供商仅在 CLI 中可用(--provider xai)。
适用场景:需要在 Python 应用中集成多提供商语音合成、按需选择音色或语言、使用 SSML 精细控制发音与停顿时。
限制与注意事项:API 调用可能失败,需处理网络错误、429 限流、422 校验错误和 401 认证错误;常见错误码包括 401、403、404、422、429。base64_output 需解码后得到音频字节;binary_output 为原始音频流。默认启用缓存,可用 disable_cache 绕过。提供商专属选项、语音可用性与价格等细节暂未提供。