SuperAPI AI 工具集

doubao-open-tts

通用与其它

查看项目

更新于 10-16 09:59

技能介绍

用途:调用豆包(火山引擎)TTS API V1 接口,把文本转换为自然语音并输出音频文件,适用于配音、有声内容、播报等文本转语音场景。

主要能力:提供 200 多种音色,默认音色为灿灿(zh_female_cancan_mars_bigtts);支持 mp3、pcm、wav 格式(默认 mp3);可调语速与音量;音色按通用、情感、智能客服、纪录片、有声小说、新闻播报、通用多语言、方言及特殊类别分类,可用 --list-voices 浏览并按分类筛选。

使用方式:先进入技能目录安装依赖,cd skills/doubao-open-tts 后执行 pip install -r requirements.txt。通过环境变量或 .env 文件配置 VOLCANO_TTS_APPID、VOLCANO_TTS_ACCESS_TOKEN、VOLCANO_TTS_SECRET_KEY,可选 VOLCANO_TTS_VOICE_TYPE 设置默认音色;.env 可用 cp .env.example.txt .env 后填写。命令行基础用法如 python scripts/tts.py "文本",可加 -o 指定输出、-e 指定格式、-f 从文件读取文本、--speed 与 --volume 调节参数、-v 指定音色、--list-voices 列出音色、--category 分类筛选、--cluster 切换集群。也可用 Python API 导入 VolcanoTTS、VOICE_TYPES、VOICE_CATEGORIES,初始化客户端后调用 list_voices、set_voice、synthesize 合成。

限制:必须配置上述三项凭证;语速范围为 0.8-2.0(1.0 为正常),音量范围为 0.1-3.0(1.0 为正常);不同集群可能支持不同音色,默认集群为 volcano_tts;非中文文本需使用通用多语言类别的音色。生成文件默认保存为当前目录下的 output.mp3。费用、配额及具体平台支持情况暂未提供。