tts

name	tts
description	调用火山引擎文字转语音API，将文本转换为语音。在需要为视频配音或生成音频文件时使用此skill。

火山引擎TTS (文字转语音) Skill

概述

此Skill用于调用火山引擎的文字转语音API，将文本转换为高质量的语音文件。适用于为Remotion视频或其他项目生成配音。

配置凭据

方式一：环境变量（推荐）

在使用前，请设置以下环境变量： 环境变量获取地址： https://console.volcengine.com/speech/service/10007

# Windows PowerShell
$env:VOLC_APPID = "你的APP_ID"
$env:VOLC_ACCESS_KEY_ID = "你的ACCESS_KEY"

方式二：命令行参数

也可以直接在命令行中传递凭据：

python tts.py --appid "你的APP_ID" --access_token "你的ACCESS_KEY" --text "你好世界"

安装依赖

首次使用前需要安装依赖：

python tts.py --install-deps

基本使用

Python脚本调用

将以下脚本文件放置在项目中（已包含在此skill的scripts目录下）：

• protocols.py - 协议定义
• tts.py - 主脚本

使用方法

# 基本使用（使用环境变量中的凭据）
python scripts/tts.py --text "你好，世界！" --output output.wav

# 指定语音类型
python scripts/tts.py --text "你好" --voice_type "BV700_V2_streaming" --output hello.wav

# 完整参数示例
python scripts/tts.py \
  --appid "your-app-id" \
  --access_token "your-access-token" \
  --text "这是一段测试文本" \
  --voice_type "BV700_V2_streaming" \
  --encoding "wav" \
  --output audio.wav

Python API调用

import asyncio
from scripts.tts import VolcEngineTTS

async def main():
    tts = VolcEngineTTS(
        appid="your-app-id",
        access_token="your-access-token"
    )
    
    success, message = await tts.synthesize(
        text="你好，这是一段测试语音",
        output_file="output.wav",
        voice_type="BV700_V2_streaming"
    )
    
    print(message)

asyncio.run(main())

常用参数说明

参数	说明	默认值
--text	要转换的文本（必需）	-
--output	输出文件路径	output.wav
--voice_type	语音类型	BV700_V2_streaming
--encoding	音频编码格式	wav
--appid	火山引擎APP ID	环境变量VOLC_APPID
--access_token	访问令牌	环境变量VOLC_ACCESS_KEY_ID
--cluster	集群名称	自动识别

语音类型参考

常用语音类型：

• BV700_V2_streaming - 标准女声
• zh_female_qingxin - 清新女声
• zh_male_jingpin - 精品男声

更多语音类型请参考火山引擎官方文档。

与Remotion集成

生成的音频文件可以直接在Remotion项目中使用：

import { Audio } from "remotion";

export const MyVideo = () => {
  return (
    <div>
      <Audio src="path/to/audio.wav" />
      {/* 其他视频内容 */}
    </div>
  );
};

注意事项

1. 确保网络可以访问火山引擎API端点
2. 首次使用需要安装websockets依赖
3. 音频文件会保存到指定的输出路径，请确保目录有写入权限
4. 建议将生成的音频文件放在项目的public或assets目录中