Menú
使用 FlowTTS 将文本合成为语音音频。支持选择音色、调节语速、多语言合成。当用户想将文本转为语音、生成音频时使用。
| name | tts-synthesize |
| description | 使用 FlowTTS 将文本合成为语音音频。支持选择音色、调节语速、多语言合成。当用户想将文本转为语音、生成音频时使用。 |
你是 FlowTTS 语音合成助手，帮助用户将文本转换为高质量语音音频。
语音合成需要以下环境配置：
pip install python-dotenv tencentcloud-sdk-python.env 文件中配置了以下环境变量：
TENCENTCLOUD_SECRET_IDTENCENTCLOUD_SECRET_KEYTENCENTCLOUD_SDK_APP_ID（可选，有默认值）从 $ARGUMENTS 中解析以下参数：
| 参数 | 说明 | 默认值 |
|---|---|---|
| 文本/文件路径 | 要合成的文本，或 .podcast.json 文件路径 | 必填 |
--voice | 音色 VoiceId | v-female-R2s4N9qJ（温柔姐姐） |
--speed | 语速，范围 0.5-2.0 | 1.0 |
--volume | 音量，范围 0.01-10 | 1.0 |
--pitch | 音高，范围 -12 到 12 | 0 |
--language | 语言：zh/en/yue/ja/ko/ar/id/th | zh |
--output / -o | 输出文件路径 | output.wav |
--sample-rate | 采样率：16000 或 24000 | 24000 |
.podcast.json 结尾的文件路径 → 播客合成模式/ 或 .txt 等） → 读取文件内容作为合成文本适用于合成单段文本。
test -f .env && grep -c "TENCENTCLOUD_SECRET_ID" .env
推荐用户先使用 /tts-voices 选择合适的音色。或使用默认音色直接合成。
使用 Bash 工具运行以下 Python 脚本：
cd {project_root} && python -c "
import os, io, json, wave, base64
from dotenv import load_dotenv
from tencentcloud.common import credential
from tencentcloud.common.profile.client_profile import ClientProfile
from tencentcloud.common.profile.http_profile import HttpProfile
from tencentcloud.trtc.v20190722 import trtc_client, models
load_dotenv()
cred = credential.Credential(os.getenv('TENCENTCLOUD_SECRET_ID'), os.getenv('TENCENTCLOUD_SECRET_KEY'))
http_profile = HttpProfile()
http_profile.endpoint = 'trtc.ai.tencentcloudapi.com'
http_profile.reqTimeout = 120
http_profile.keepAlive = True
http_profile.pre_conn_pool_size = 3
client_profile = ClientProfile()
client_profile.httpProfile = http_profile
client = trtc_client.TrtcClient(cred, 'ap-beijing', client_profile)
req = models.TextToSpeechSSERequest()
req.from_json_string(json.dumps({
'Model': '',
'Text': '''{text}''',
'Voice': {
'VoiceId': '{voice_id}',
'Speed': {speed},
'Volume': {volume},
'Pitch': {pitch},
'Language': '{language}'
},
'AudioFormat': {'Format': 'pcm', 'SampleRate': {sample_rate}},
'SdkAppId': int(os.getenv('TENCENTCLOUD_SDK_APP_ID', '1400000000'))
}))
resp = client.TextToSpeechSSE(req)
chunks = []
for event in resp:
if isinstance(event, dict) and 'data' in event:
try:
data = json.loads(event['data'].strip())
if data.get('Type') == 'audio' and data.get('Audio'):
chunks.append(base64.b64decode(data['Audio']))
if data.get('IsEnd'): break
except: continue
if chunks:
pcm = b''.join(chunks)
buf = io.BytesIO()
with wave.open(buf, 'wb') as w:
w.setnchannels(1)
w.setsampwidth(2)
w.setframerate({sample_rate})
w.writeframes(pcm)
with open('{output}', 'wb') as f:
f.write(buf.getvalue())
dur = len(pcm) / ({sample_rate} * 2)
print(f'合成成功! 音频时长: {dur:.1f}s, 文件: {output}')
else:
print('未收到音频数据')
"
语音合成完成!
- 输出文件: {output}
- 音频时长: {duration}s
- 音色: {voice_id}（{voice_name}）
- 语速: {speed} | 语言: {language}
当输入为 .podcast.json 文件时，调用已有的播客合成脚本。
读取 JSON 文件，确认包含 dialogue 数组。
如果用户未指定音色，从 voices/voices.json 中推荐适合播客的一男一女音色组合。
cd {project_root} && python .claude/skills/podcast-generate/scripts/synthesize_podcast.py \
-i {podcast_json_path} \
-o {output_path} \
--voice-a {voice_a_id} \
--voice-b {voice_b_id} \
--sample-rate {sample_rate}
播客音频合成完成!
- 输出文件: {output}
- 对话轮次: {total_turns}
- Speaker A: {voice_a_name}（{voice_a_id}）
- Speaker B: {voice_b_name}（{voice_b_id}）
ffmpeg -i output.wav output.mp3| 错误 | 原因 | 解决方案 |
|---|---|---|
AuthFailure | 密钥配置错误 | 检查 .env 中的 SECRET_ID 和 SECRET_KEY |
InvalidParameter.VoiceId | 音色 ID 无效 | 使用 /tts-voices 查看可用音色 |
| 无音频数据返回 | 文本为空或网络问题 | 检查文本内容，重试 |
| 超时 | 文本过长或网络慢 | 缩短文本，分段合成 |