Was macht Doubao TTS?
Erfordert DOUBAO_SPEECH_API_KEY in .env.
Setzen Sie DOUBAO_SPEECH_VOICE_TYPE für die Standardstimme oder übergeben Sie voice_id an das Tool.
Aktuelle API
Verwenden Sie den API-Key-Fluss der neuen Konsole:
X-Api-Key: ${DOUBAO_SPEECH_API_KEY}
X-Api-Resource-Id: seed-tts-2.0
Verwenden Sie nicht X-Api-App-Id und X-Api-Access-Key mit einem API-Key der neuen Konsole. Wenn die API load grant: requested grant not found zurückgibt, ist wahrscheinlich der Schlüsseltyp oder der Authentifizierungs-Header falsch.
Für lange Videoerzählungen bevorzugen Sie den asynchronen Endpunkt:
POST https://openspeech.bytedance.com/api/v3/tts/submit
POST https://openspeech.bytedance.com/api/v3/tts/query
Dies gibt audio_url sowie Zeitmetadaten von sentences[].words[] zurück, die zum Erstellen von Untertiteln verwendet werden können.
OpenMontage-Verwendung
Generieren mit dem TTS-Auswähler:
from tools.audio.tts_selector import TTSSelector
result = TTSSelector().execute({
"preferred_provider": "doubao",
"text": "如果 AI 真的会改变未来,普通人到底该怎么参与?",
"voice_id": "zh_female_vv_uranus_bigtts",
"output_path": "projects/my-video/assets/audio/narration.mp3",
"speech_rate": 0,
"enable_timestamp": True,
})
Oder rufen Sie den Anbieter direkt auf:
from tools.audio.doubao_tts import DoubaoTTS
result = DoubaoTTS().execute({
"text": "短样本试听文本。",
"voice_id": "zh_female_vv_uranus_bigtts",
"output_path": "projects/my-video/assets/audio/doubao_sample.mp3",
})
Der Anbieter schreibt:
output_path: heruntergeladene Audiodateimetadata_path: vollständige Abfrageantwort als JSON, standardmäßig<output_path>.json
Empfohlener Arbeitsablauf
- Generieren Sie vor einer vollständigen kostenpflichtigen Erzählung ein 10-15 Sekunden langes Hörbeispiel.
- Bitten Sie den Benutzer, Natürlichkeit, Akzent und Geschwindigkeit der Stimme zu genehmigen.
- Generieren Sie die vollständige Erzählung erst nach der Genehmigung.
- Behalten Sie das Abfrage-JSON. Es ist die maßgebliche Quelle für das Untertitel-Timing.
- Erstellen Sie Untertitel aus
sentences[].words[], nicht aus der geschätzten Textlänge. - Gruppieren Sie Untertitel nach chinesischen semantischen Phrasen, bevor Sie Zeitstempel anwenden. Teilen Sie nicht nur nach einer festen Zeichenanzahl; dies kann Phrasen wie "在不押单个公司的情况下" oder "可能会被慢慢稀释" zerstören und das Verständnis beeinträchtigen.
- Lassen Sie die Videodauer dem genehmigten Sprachrhythmus folgen, es sei denn, der Benutzer fordert ausdrücklich eine Übereinstimmung mit einer vorherigen Laufzeit.
Parameter
voice_id: Doubaospeaker/ Stimmtyp. StandardmäßigDOUBAO_SPEECH_VOICE_TYPE.resource_id: Verwenden Sieseed-tts-2.0für Doubao Speech 2.0-Stimmen.speech_rate:0ist normal,100ist 2x,-50ist 0.5x.sample_rate: Standard24000.enable_timestamp: Standardtrue.return_usage: Standardtrue, fordert Nutzungsmetadaten an, wenn verfügbar.
Übergeben Sie additions.explicit_language nicht standardmäßig. Einige Endpunkt-/Schlüsselkombinationen lehnen zh-cn mit unsupported additions explicit language zh-cn ab.
Für ruhige Mandarin-Erklärvideos beginnen Sie mit speech_rate: 0. Wenn das Ergebnis für das genehmigte Format zu lang ist, erstellen Sie ein kurzes Vergleichsbeispiel mit speech_rate: 25 oder 50, bevor Sie die gesamte Erzählung neu generieren. Beschleunigen Sie nicht nur, um die Dauer eines vorherigen Anbieters zu erreichen, wenn der Benutzer Doubaos natürliches Tempo bevorzugt.
Fehlerbehebung
load grant: requested grant not found: falscher Schlüsseltyp oder falscher Authentifizierungs-Header. Verwenden SieX-Api-Keyfür API-Schlüssel der neuen Konsole.speaker permission denied: Stimmen-ID ist falsch oder nicht für die ausgewählte Ressource autorisiert.quota exceeded: Kontingent, Lebenszeitzeichen oder Parallelität überschritten.- Fehlende Zeitstempel: Überprüfen Sie
enable_timestamp: true, behalten Sie das Abfrage-JSON und bestätigen Sie, dass der ausgewählte Endpunktsentenceszurückgegeben hat.
Sicherheit
Geben Sie den API-Schlüssel niemals in Logs, Metadaten, Patches oder Projektartefakten aus oder schreiben Sie ihn dorthin. .env.example sollte nur leere Variablennamen enthalten.