doubao-tts

name	doubao-tts
version	2.1.0
description	使用豆包语音合成（Volcengine TTS）将文本转为语音文件。当用户提到"豆包TTS"、"豆包语音合成"、"doubao tts"、"火山引擎TTS"、"volcengine tts"、"语音合成"、"文字转语音"、"TTS"、"生成音频"、"朗读文字"，或任何需要调用豆包/火山引擎语音合成 API 的场景，必须触发本技能。

Doubao TTS Skill（V3）

使用火山引擎豆包语音合成 V3 HTTP SSE 单向流式接口将文本转为音频文件。

获取 API Key（推荐，新版控制台）

1. 登录 火山引擎控制台
2. 进入 豆包语音 → 语音合成大模型 → 应用管理
3. 创建应用（或使用已有应用）
4. 在 API Key 管理 页面获取 API Key → 对应 DOUBAO_TTS_API_KEY

若尚未开通服务，需先在 语音合成大模型 页面开通。

旧版控制台（AppID + Token）

旧版控制台应用详情页底部可获取：

• APP ID → DOUBAO_TTS_APPID
• Access Token → DOUBAO_TTS_TOKEN

环境变量

变量名	说明	推荐
DOUBAO_TTS_API_KEY	API Key（新版控制台，X-Api-Key）	✅
DOUBAO_TTS_APPID	AppID（旧版控制台，X-Api-App-Id）
DOUBAO_TTS_TOKEN	Access Token（旧版控制台，X-Api-Access-Key）
DOUBAO_TTS_RESOURCE_ID	资源 ID，留空默认 seed-tts-2.0

检查是否已配置：

[ -n "$DOUBAO_TTS_API_KEY" ] && echo "API_KEY: set" || echo "API_KEY: not set"
[ -n "$DOUBAO_TTS_APPID" ] && echo "APPID: set" || echo "APPID: not set"
[ -n "$DOUBAO_TTS_TOKEN" ] && echo "TOKEN: set" || echo "TOKEN: not set"

未配置时告知用户设置（优先使用 API Key）： Set DOUBAO_TTS_API_KEY | Set DOUBAO_TTS_RESOURCE_ID

旧版控制台（AppID + Token）： Set DOUBAO_TTS_APPID | Set DOUBAO_TTS_TOKEN

使用方式

调用脚本：/var/minis/skills/doubao-tts/scripts/tts.py

# 基础用法
uv run --script --cache-dir /root/.cache/uv \
  /var/minis/skills/doubao-tts/scripts/tts.py \
  --text "你好，欢迎使用豆包语音合成" \
  --output /var/minis/workspace/output.mp3

# 指定音色和语速
uv run --script --cache-dir /root/.cache/uv \
  /var/minis/skills/doubao-tts/scripts/tts.py \
  --text "今天天气真好" \
  --speaker zh_female_cancan_uranus_bigtts \
  --speech-rate 10 \
  --output /var/minis/workspace/output.mp3

# 英文
uv run --script --cache-dir /root/.cache/uv \
  /var/minis/skills/doubao-tts/scripts/tts.py \
  --text "Hello! Nice to meet you." \
  --speaker en_female_dacey_uranus_bigtts \
  --output /var/minis/workspace/output.mp3

API 说明

• 接口：https://openspeech.bytedance.com/api/v3/tts/unidirectional/sse（SSE 流式）
• 鉴权（二选一）：
  • 新版控制台：Header X-Api-Key（API Key）
  • 旧版控制台：Header X-Api-App-Id + X-Api-Access-Key（AppID + Token）
• Resource ID：指定调用的模型版本（见下表）
• 用量返回：脚本默认携带 X-Control-Require-Usage-Tokens-Return: text_words，合成结束时返回计费字符数（text_words）

Resource ID	说明
seed-tts-1.0	豆包语音合成模型 1.0 字符版（默认，兼容所有 BV*_streaming 音色）
seed-tts-1.0-concurr	豆包语音合成模型 1.0 并发版
seed-tts-2.0	豆包语音合成模型 2.0（仅支持 2.0 音色）

参数说明

参数	说明
--text	要合成的文本（必填）
--output	输出文件路径（必填）
--api-key	API Key（新版控制台，优先于 APPID/TOKEN）
--appid	AppID（旧版控制台）
--token	Access Token（旧版控制台）
--speaker	音色，默认 zh_female_shuangkuaisisi_uranus_bigtts（爽快思思 2.0）
--encoding	格式：mp3/pcm/ogg_opus，默认 mp3
--speech-rate	语速 [-50, 100]，0 为默认，100 为 2 倍速
--loudness	音量 [-50, 100]，0 为默认
--sample-rate	采样率，默认 24000
--emotion	情感（如 happy/sad/angry/narrator 等）
--emotion-scale	情绪强度 [1, 5]（配合 --emotion 使用）
--resource-id	Resource ID（覆盖环境变量）
--json	JSON 格式输出结果

常用音色速查

豆包语音合成模型 2.0（seed-tts-2.0，推荐）

speaker	名称	场景
zh_female_shuangkuaisisi_uranus_bigtts	爽快思思 2.0 ⭐默认	通用
zh_female_cancan_uranus_bigtts	知性灿灿 2.0	角色扮演
zh_female_tianmeixiaoyuan_uranus_bigtts	甜美小源 2.0	通用
zh_female_vv_uranus_bigtts	Vivi 2.0	通用，中/日/印尼/墨西哥西语，方言川陕东北
zh_female_xiaohe_uranus_bigtts	小何 2.0	通用
zh_male_m191_uranus_bigtts	云舟 2.0	通用
zh_male_taocheng_uranus_bigtts	小天 2.0	通用
zh_female_kefunvsheng_uranus_bigtts	暖阳女声 2.0	客服
en_female_dacey_uranus_bigtts	Dacey	多语种（英）
en_male_tim_uranus_bigtts	Tim	多语种（英）

豆包语音合成模型 1.0（seed-tts-1.0，需改 --resource-id）

speaker	名称	场景
BV700_streaming	灿灿	通用，支持22种情感
BV001_streaming	通用女声	通用
BV002_streaming	通用男声	通用
BV701_streaming	擎苍	有声阅读
BV503_streaming	活力女声-Ariana	英语

⚠️ 1.0 和 2.0 音色不能混用，seed-tts-2.0 只支持 *_uranus_bigtts 结尾的音色

常见情感值

pleased(愉悦) / sorry(抱歉) / happy(开心) / sad(悲伤) / angry(愤怒) / scare(害怕) / surprise(惊讶) / hate(厌恶) / tear(哭腔) / narrator(旁白) / storytelling(讲故事)

完整工作流

1. 检查环境变量是否配置（优先 DOUBAO_TTS_API_KEY，其次 DOUBAO_TTS_APPID + DOUBAO_TTS_TOKEN）
2. 调用 tts.py 脚本生成音频文件到 /var/minis/workspace/
3. 以 minis://workspace/xxx.mp3 链接形式返回给用户，可直接点击播放