Doubao TTS
Erfordert DOUBAO_SPEECH_API_KEY in .env.
Legen Sie DOUBAO_SPEECH_VOICE_TYPE für die Standardstimme fest, oder übergeben Sie voice_id an das Tool.
Aktuelle API
Verwenden Sie den API-Key-Flow der neuen Konsole:
X-Api-Key: ${DOUBAO_SPEECH_API_KEY}
X-Api-Resource-Id: seed-tts-2.0
Verwenden Sie bei einem API-Key der neuen Konsole nicht X-Api-App-Id und X-Api-Access-Key. Wenn die API load grant: requested grant not found zurückgibt, ist wahrscheinlich der Schlüsseltyp oder der Authentifizierungs-Header falsch.
Für lange Video-Erzählungen 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 sentences[].words[] Timing-Metadaten zurück, die zum Erstellen von Untertiteln verwendet werden können.
OpenMontage-Verwendung
Generieren Sie mit dem TTS-Selektor:
from tools.audio.tts_selector import TTSSelector
result = TTSSelector().execute({
"preferred_provider": "doubao",
"text": "Wenn KI die Zukunft wirklich verändert, wie sollte der normale Mensch teilnehmen?",
"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 Provider direkt auf:
from tools.audio.doubao_tts import DoubaoTTS
result = DoubaoTTS().execute({
"text": "Kurzer Beispieltext zum Anhören.",
"voice_id": "zh_female_vv_uranus_bigtts",
"output_path": "projects/my-video/assets/audio/doubao_sample.mp3",
})
Der Provider schreibt:
output_path: heruntergeladene Audiodateimetadata_path: vollständige JSON-Antwort der Abfrage, standardmäßig<output_path>.json
Empfohlener Arbeitsablauf
- Generieren Sie eine 10-15 Sekunden lange Probe vor einer vollständigen kostenpflichtigen Erzählung.
- Bitten Sie den Nutzer, die Natürlichkeit der Stimme, den Akzent und die Geschwindigkeit zu genehmigen.
- Generieren Sie die vollständige Erzählung erst nach der Genehmigung.
- Bewahren Sie die Abfrage-JSON auf. Sie ist die Quelle der Wahrheit 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“ zerbrechen und das Verständnis beeinträchtigen.
- Lassen Sie die Videolänge dem genehmigten Sprachrhythmus folgen, es sei denn, der Nutzer bittet ausdrücklich darum, eine frühere Laufzeit zu erreichen.
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: Standardmäßig24000.enable_timestamp: Standardmäßigtrue.return_usage: Standardmäßigtrue, fordert Nutzungsmetadaten an, wenn verfügbar.
Übergeben Sie additions.explicit_language standardmäßig nicht. 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 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-Keys der neuen Konsole.speaker permission denied: Die Sprecher-ID ist falsch oder für die ausgewählte Ressource nicht autorisiert.quota exceeded: Kontingent, Lebensdauerzeichen oder Parallelität überschritten.- Fehlende Zeitstempel: Überprüfen Sie
enable_timestamp: true, bewahren Sie die Abfrage-JSON und bestätigen Sie, dass der ausgewählte Endpunktsentenceszurückgegeben hat.
Sicherheit
Geben Sie den API-Key niemals in Protokollen, Metadaten, Patches oder Projektartefakten aus oder schreiben Sie ihn dort hinein. .env.example sollte nur leere Variablennamen enthalten.