产品上手指引
Linux PC
工业控制
大语言模型
实时 AI 语音助手
火山引擎语音助手
离线语音识别
Zigbee
IoT 测量仪表
VAMeter
IoT 云端服务
AWS IoT Core
Ethernet 摄像头
PoECAM
Wi-Fi 摄像头
Unit CamS3
AI 摄像头
LoRa & LoRaWAN
电机驱动
网络设备
恢复出厂固件教程
文本转语音
通过API接口实现输入文本转换输出语音文件。
准备工作
案例程序执行前需在设备中安装对应的model模型包。模型包安装教程可参考模型列表章节。
在运行本示例程序之前，请确保已在 LLM 设备上完成以下准备工作：
- 使用 apt 包管理工具安装
llm-model-melotts-en-us模型包。
apt install llm-model-melotts-en-us- 安装
ffmpeg工具。
apt install ffmpeg- 安装完成后，重启 OpenAI 服务以使新模型生效。
systemctl restart llm-openai-api案例程序
在 PC 端通过 OpenAI API 传入文本信息实现文本转换语音功能，案例程序执行前将下方base_url的IP部分修改为设备实际IP地址。
from pathlib import Path
from openai import OpenAI
client = OpenAI(
api_key="sk-",
base_url="http://192.168.20.186:8000/v1"
)
speech_file_path = Path(__file__).parent / "speech.mp3"
with client.audio.speech.with_streaming_response.create(
model="melotts-en-us",
voice="alloy",
input="The quick brown fox jumped over the lazy dog."
) as response:
response.stream_to_file(speech_file_path)请求参数
| 参数名称 | 类型 | 必选 | 示例值 | 描述 |
|---|---|---|---|---|
| input | string | 是 | "你好，欢迎使用系统" | 要生成音频的文本内容，最大长度为 1024 个字符 |
| model | string | 是 | melotts-zh-cn | 可用的 TTS 模型，包括 melotts-zh-cn 和 melotts-en-us |
| voice | - | 否 | - | 当前不支持语音风格选择 |
| response_format | string | 否 | mp3 | 音频输出格式，支持 mp3, opus, aac, flac, wav, pcm 等 |
| speed | number | 否 | 1.0 | 生成语音的速度，范围为 0.25 ~ 2.0，默认值为 1.0 |
返回示例
- 语音文件数据将会存放至示例程序中的
speech_file_path路径下。