byted-text-to-speech

name	byted-text-to-speech
version	1.0.0
author	volcengine-speech-team
description	将文本合成为语音（TTS）。使用火山引擎豆包语音合成 API，支持流式合成、多种音色、语速/音调/音量调节、Markdown 过滤和 LaTeX 公式播报。当用户需要把文字转成语音、生成朗读音频、配音、旁白、播报，或提到「文字转语音」「TTS」「语音合成」「朗读」「配音」时使用本技能。
license	Complete terms in LICENSE
homepage	https://www.volcengine.com/docs/6561/1257543

Byted-Text-to-Speech Skill

基于火山引擎豆包语音合成（HTTP Chunked/SSE 单向流式-V3）将文本转为语音并保存为音频文件。

何时使用

当用户有以下需求时，优先使用本 skill：

• 需要把一段文字转成语音、朗读音频
• 需要生成配音、旁白、播报、有声读物片段
• 需要将代码注释、文档、文章等内容转为音频便于收听
• 需要生成多语言语音（中文、英文等）
• 用户提到「文字转语音」「TTS」「语音合成」「朗读」「配音」「念出来」「读给我听」
• 用户没有明确说"语音合成"，但任务本质上需要将文本内容转为可播放的音频时

使用前检查

优先检查是否已配置以下凭证：

• MODEL_SPEECH_API_KEY

如果缺少凭证，打开 references/setup-guide.md 查看开通、申请和配置方式，并给予用户开通建议

脚本参数

参数	简写	必填	说明
--text	-t	是	要合成的文本内容
--output	-o	否	输出音频文件路径（默认自动生成）
--speaker	-s	否	发音人，默认 zh_female_vv_uranus_bigtts，音色列表
--format		否	音频格式：mp3（默认）、pcm、ogg_opus
--sample-rate		否	采样率，如 16000、24000（默认 24000）
--speech-rate		否	语速 [-50, 100]，100 代表 2.0 倍速，-50 代表 0.5 倍速，默认 0
--pitch-rate		否	音调 [-12, 12]，默认 0
--loudness-rate		否	音量 [-50, 100]，100 代表 2.0 倍音量，-50 代表 0.5 倍音量，默认 0
--bit-rate		否	比特率，对 mp3 和 ogg_opus 格式生效（如 64000、128000），默认 64000
--filter-markdown		否	过滤 markdown 语法（如 **你好** 读为"你好"），默认关闭
--enable-latex		否	启用 LaTeX 公式播报（使用 latex_parser v2，自动开启 markdown 过滤），默认关闭

返回值说明

脚本输出 JSON，包含：

• status: "success" 或 "error"
• local_path: 本地音频文件路径
• format: 音频格式
• error: 失败时的错误信息

请将 local_path 或可访问的音频 URL 返回给用户，便于播放或下载。

错误处理

• 若报错 PermissionError: MODEL_SPEECH_API_KEY ... 需在环境变量中配置：提示用户在 API Key 管理 获取并配置 MODEL_SPEECH_API_KEY，写入 workspace 下的环境变量文件后重试。
• 若返回 4xx/5xx 或业务错误码：根据错误信息提示用户检查文本内容、发音人 ID 及账号是否已开通豆包语音服务。

故障排查

• 缺少凭证：打开 references/setup-guide.md
• 需要查 API 参数、字段、错误码：打开 references/docs-index.md
• 如果脚本返回权限错误，优先检查服务是否已开通、凭证是否有效，给予用户明确的操作指引

参考资料

按需打开以下文件，不必默认全部加载：

• references/setup-guide.md：服务开通、凭证申请、环境变量配置
• references/docs-index.md：API 文档索引、参数说明、音色列表、错误码速查

示例

# 基本用法
python scripts/text_to_speech.py -t "欢迎使用火山引擎语音合成服务。"

# 指定发音人与输出格式
python scripts/text_to_speech.py -t "这是一段测试语音。" -s zh_female_vv_uranus_bigtts -o output.mp3 --format mp3

# 指定语速与采样率
python scripts/text_to_speech.py -t "语速和音调可调。" --speech-rate 10 --sample-rate 16000