豆包 TTS - 火山引擎语音合成 (V3 API)

将文本或 Markdown 文件合成为高质量语音音频，支持异步长文本合成（最高 10 万字符）。

前置条件

1. 用户需要在火山引擎控制台开通语音合成服务
2. 创建应用，获取 APP ID 和 Access Token
3. 确保已配置 VOLCENGINE_APP_ID 和 VOLCENGINE_ACCESS_TOKEN 环境变量

安装

bash {baseDir}/install.sh

非交互模式：

bash {baseDir}/install.sh --app-id  --access-token 

使用方式

基础合成

python3 {baseDir}/scripts/tts.py "你好，这是一段测试文本"

合成 Markdown 文件

python3 {baseDir}/scripts/tts.py ""

指定音色和输出

python3 {baseDir}/scripts/tts.py "" --voice-type BV700_streaming --output story.mp3

启用字幕时间戳

python3 {baseDir}/scripts/tts.py "" --subtitle

设置情感

python3 {baseDir}/scripts/tts.py "" --emotion happy --emotion-scale 4

使用 SSML（仅模型 1.0）

python3 {baseDir}/scripts/tts.py "" --ssml --model 1.0

完整参数组合

python3 {baseDir}/scripts/tts.py story.md 
  --voice-type zh_female_chancan_v2_h5 
  --format mp3 
  --sample-rate 24000 
  --output story.mp3 
  --subtitle 
  --emotion happy 
  --model 1.0

参数说明：

API 版本说明

本 Skill 使用 V3 API（/api/v3/tts/submit + /api/v3/tts/query），鉴权通过以下 Header：

• X-Api-App-Id: 应用 ID
• X-Api-Access-Key: Access Token
• X-Api-Resource-Id: 资源 ID（模型 1.0 用 seed-tts-1.0，模型 2.0 用 seed-tts-2.0）

注意事项

• 模型 2.0 暂不支持 SSML
• SSML 闭合标签内字符数不能超过 150 个
• 合成音频在服务端保存 7 天，下载链接有效期 1 小时
• submit 和 query 接口共享并发配额

配置说明

环境变量加载优先级：

1. 全局配置: ~/.config/doubao-tts/.env
2. 项目目录: 当前工作目录下的 .env
3. 系统环境变量

错误处理

规则

• 始终通过 {baseDir} 引用脚本路径
• 合成前确认环境变量已配置
• 首次使用前需运行 bash {baseDir}/install.sh