要在火山引擎调用豆包tts生成ai语音，需依次开通服务、获取access key与secret key、部署模型；再通过sdk或手写签名建立websocket连接；最后发送合规json初始化帧并解析event_type=352的二进制音频帧。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要在火山引擎上制作可直接调用的AI语音，必须先开通豆包TTS服务、获取认证凭证、构造符合协议的WebSocket请求帧，并正确解析返回的二进制音频流，缺一不可。
开通豆包TTS服务并获取密钥
登录火山引擎控制台 → 进入「ARK」大模型平台 → 切换区域为 cn-beijing → 左侧导航栏点击「语音合成（TTS）」→ 点击「立即开通」。
开通后进入「API密钥管理」页面，创建一个新的Access Key，记录下 【Access Key ID】 和 【Secret Access Key】；这两个值后续将用于签名计算，不可泄露或丢失。
回到TTS服务页，点击「模型管理」→ 找到「豆包语音合成大模型」→ 点击「部署」→ 选择「实时流式合成」类型并确认部署。等待状态变为「运行中」即可开始调用。
构造合法的WebSocket连接请求
方法一：使用官方SDK（推荐新手）
在Python项目中安装 volcengine-sdk-python：pip install volcengine；初始化TTSClient时传入刚获取的Access Key和Region，调用create_tts_stream()即可建立带自动鉴权的WebSocket连接。
方法二：手写签名请求（适合调试与定制）
第一步：拼接待签名字符串，格式为 GET\n/volc/engine/tts/stream\naccess_key=xxx&action=CreateTTSStream&format=wav®ion=cn-beijing×tamp=1724089860&version=2023-01-01，其中 timestamp 必须是当前秒级时间戳，误差不能超过5分钟，否则会返回403错误。
第二步：用Secret Access Key对字符串进行HMAC-SHA256签名，再Base64编码，得到 signature 字段。
第三步：将 signature 拼入完整URL，形如：wss://open.volcengineapi.com?access_key=xxx&signature=yyy×tamp=zzz&…，用任意WebSocket客户端连接该地址。
发送文本并接收音频流
连接成功后，需立刻发送一个JSON格式的初始化帧：
{"text": "你好，我是AI语音助手", "voice_type": "zh-CN-xiaoyan", "sample_rate": 16000, "format": "wav"}
注意：text字段长度不能超过1024字符，超长会被截断且不报错；voice_type必须从控制台「音色列表」中精确复制，大小写和连字符都不能错，例如填成 zh-cn-xiaoyan 就会触发400响应。
服务端返回的是自定义二进制帧，结构为：4字节头部 + 4字节事件类型 + 4字节会话ID长度 + 会话ID + 4字节数据长度 + 音频数据。只有 event_type == 352（AUDIO_DATA）时，后续数据才是真实PCM/WAV音频内容，其他类型如152（SESSION_FINISHED）表示会话已结束，应主动关闭连接。
收到 AUDIO_DATA 帧后，提取出原始音频字节，按 format 字段指定格式封装（如 wav 需补RIFF头），即可喂给播放器或保存为文件。
