Doubao TTS
Benötigt DOUBAO_SPEECH_API_KEY in der .env.
Setzen Sie DOUBAO_SPEECH_VOICE_TYPE für die Standardstimme oder übergeben Sie voice_id an das Tool.
Aktuelle API
Verwenden Sie den API-Schlüsselfluss 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-Schlüssel der neuen Konsole. Wenn die API load grant: requested grant not found zurückgibt, ist der Schlüsseltyp oder der Authentifizierungs-Header wahrscheinlich 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
Dieser gibt audio_url sowie sentences[].words[]-Timing-Metadaten zurück, die zum Erstellen von Untertiteln verwendet werden können.
OpenMontage-Nutzung
Generieren Sie mit dem TTS-Selektor:
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": "Kurzer Hörproben-Text.",
"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 Antwort-JSON der Abfrage, standardmäßig<output_path>.json
Empfohlener Workflow
- Generieren Sie zunächst eine 10–15 Sekunden lange Hörprobe, bevor Sie die vollständige kostenpflichtige Erzählung erstellen.
- Bitten Sie den Nutzer, die Natürlichkeit, den Akzent und die Geschwindigkeit der Stimme zu genehmigen.
- Generieren Sie die vollständige Erzählung erst nach der Freigabe.
- Behalten Sie die Abfrage-JSON. Sie ist die maßgebliche Quelle für das Untertitel-Timing.
- Erstellen Sie Bildunterschriften aus
sentences[].words[], nicht aus der geschätzten Textlänge. - Gruppieren Sie Bildunterschriften nach chinesischen semantischen Phrasen, bevor Sie Zeitstempel anwenden. Teilen Sie nicht nur nach einer festen Zeichenzahl auf; 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 Stimmenrhythmus folgen, es sei denn, der Nutzer bittet ausdrücklich um Anpassung an eine vorherige Laufzeit.
Parameter
voice_id: Doubaospeaker/ Stimmtyp. Standardwert istDOUBAO_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: Standardwert24000.enable_timestamp: Standardwerttrue.return_usage: Standardwerttrue, fordert Nutzungsmetadaten an, wenn verfügbar.
Übergeben Sie standardmäßig kein additions.explicit_language. Einige Endpunkt-/Schlüsselkombinationen lehnen zh-cn mit unsupported additions explicit language zh-cn ab.
Für ruhige Mandarin-Erklärvideos beginnen Sie mit speech_rate: 0. Falls das Ergebnis zu lang für das genehmigte Format ist, erstellen Sie eine kurze Vergleichsprobe mit speech_rate: 25 oder 50, bevor Sie die vollständige Erzählung neu generieren. Beschleunigen Sie nicht nur, um die Dauer eines vorherigen Anbieters zu erreichen, wenn der Nutzer 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, Zeichenanzahl auf Lebenszeit oder Parallelität überschritten.- Fehlende Zeitstempel: Überprüfen Sie
enable_timestamp: true, behalten Sie die Abfrage-JSON und stellen Sie sicher, dass der ausgewählte Endpunktsentenceszurückgegeben hat.
Sicherheit
Geben Sie den API-Schlüssel niemals in Logs, Metadaten, Patches oder Projektartefakten aus. Die .env.example sollte nur leere Variablennamen enthalten.