Doubao TTS
Nécessite DOUBAO_SPEECH_API_KEY dans .env.
Définissez DOUBAO_SPEECH_VOICE_TYPE pour la voix par défaut, ou passez voice_id à l'outil.
API actuelle
Utilisez le flux de clé API nouvelle console :
X-Api-Key: ${DOUBAO_SPEECH_API_KEY}
X-Api-Resource-Id: seed-tts-2.0
N'utilisez pas X-Api-App-Id et X-Api-Access-Key avec une clé API nouvelle console. Si l'API renvoie load grant: requested grant not found, le type de clé ou l'en-tête d'authentification est probablement erroné.
Pour les narrations vidéo longues, préférez le point de terminaison asynchrone :
POST https://openspeech.bytedance.com/api/v3/tts/submit
POST https://openspeech.bytedance.com/api/v3/tts/query
Cela renvoie audio_url ainsi que les métadonnées temporelles sentences[].words[] qui peuvent être utilisées pour construire des sous-titres.
Utilisation avec OpenMontage
Générez avec le sélecteur TTS :
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,
})
Ou appelez directement le fournisseur :
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",
})
Le fournisseur écrit :
output_path: fichier audio téléchargémetadata_path: réponse JSON complète de la requête, par défaut<output_path>.json
Workflow recommandé
- Générez un échantillon de 10 à 15 secondes avant une narration complète payante.
- Demandez à l'utilisateur d'approuver le naturel de la voix, l'accent et la vitesse.
- Générez la narration complète uniquement après approbation.
- Conservez le JSON de la requête. C'est la source de vérité pour le timing des sous-titres.
- Construisez les sous-titres à partir de
sentences[].words[], pas à partir de la longueur estimée du texte. - Regroupez les sous-titres par phrases sémantiques chinoises avant d'appliquer les horodatages. Ne divisez pas uniquement par un nombre fixe de caractères ; cela pourrait briser des phrases comme "在不押单个公司的情况下" ou "可能会被慢慢稀释" et nuire à la compréhension.
- Laissez la durée vidéo suivre le rythme de la voix approuvé, sauf si l'utilisateur demande explicitement de correspondre à une durée antérieure.
Paramètres
voice_id:speaker/ type de voix Doubao. Par défaut :DOUBAO_SPEECH_VOICE_TYPE.resource_id: utilisezseed-tts-2.0pour les voix Doubao Speech 2.0.speech_rate:0est normal,100est 2x,-50est 0.5x.sample_rate: par défaut24000.enable_timestamp: par défauttrue.return_usage: par défauttrue, demande les métadonnées d'utilisation lorsqu'elles sont disponibles.
Ne passez pas additions.explicit_language par défaut. Certaines combinaisons de point de terminaison/clé rejettent zh-cn avec unsupported additions explicit language zh-cn.
Pour les explications calmes en mandarin, commencez avec speech_rate: 0. Si le résultat est trop long pour le format approuvé, faites un court échantillon de comparaison avec speech_rate: 25 ou 50 avant de régénérer la narration complète. N'augmentez pas la vitesse uniquement pour correspondre à la durée d'un fournisseur précédent si l'utilisateur préfère le rythme naturel de Doubao.
Dépannage
load grant: requested grant not found: mauvais type de clé ou mauvais en-tête d'authentification. UtilisezX-Api-Keypour les clés API nouvelle console.speaker permission denied: l'identifiant de la voix est erroné ou n'est pas autorisé pour la ressource sélectionnée.quota exceeded: quota, nombre de caractères à vie ou simultanéité dépassés.- Horodatages manquants : vérifiez
enable_timestamp: true, conservez le JSON de la requête et confirmez que le point de terminaison sélectionné a renvoyésentences.
Sécurité
N'imprimez ni n'écrivez jamais la clé API dans les journaux, métadonnées, correctifs ou artefacts de projet. .env.example doit contenir uniquement des noms de variables vides.