StackFlow AI Platform
设备开发 & 快速上手
模型介绍
Qwen3
DeepSeek-R1
AI Pyramid 应用案例
Module LLM 应用案例
CV 视觉应用
VLM 多模态
LLM 大语言模型
语音助手
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。模型详细介绍参考模型介绍章节。
提示
AI Pyramid 有专属的带音色克隆的文本转语音，可参考 CosyVoice 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-ja-jp、melotts-zh-cn 和 melotts-en-us 等 |
| voice | - | 否 | - | MeloTTS 模型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。