Skip to content

VOICE_API.md

Latest commit

 

History

History
176 lines (138 loc) · 3.89 KB

VOICE_API.md

File metadata and controls

176 lines (138 loc) · 3.89 KB

TTS Voice Selection API

概述

TTS 服务器现在支持 54 个不同的声音,包括美式、英式、法语、日语和中文等多种语言和口音。

API 使用

基本请求

POST http://localhost:9527/synthesize
Content-Type: application/json

{
  "text": "Hello world",
  "voice": "am_michael"  # 可选参数
}

参数说明

参数 类型 必需 默认值 说明
text string ✅ - 要合成的文本
voice string ❌ af_alloy 声音名称
format string ❌ wav 音频格式

响应格式

{
  "file_id": "52efa9a9c840e992",
  "url": "http://localhost:9527/audio/52efa9a9c840e992.wav",
  "cached": false
}

可用声音列表

🇺🇸 美式英语 (American English)

女声 (Female)

  • af_alloy - Alloy (默认女声)
  • af_aoede - Aoede
  • af_bella - Bella
  • af_heart - Heart
  • af_jessica - Jessica
  • af_kore - Kore
  • af_nicole - Nicole
  • af_nova - Nova
  • af_river - River
  • af_sarah - Sarah
  • af_sky - Sky

男声 (Male)

  • am_adam - Adam
  • am_echo - Echo
  • am_eric - Eric
  • am_fenrir - Fenrir
  • am_liam - Liam
  • am_michael - Michael ⭐ (推荐用于标准美音)
  • am_onyx - Onyx
  • am_puck - Puck
  • am_santa - Santa

🇬🇧 英式英语 (British English)

女声 (Female)

  • bf_alice - Alice
  • bf_emma - Emma
  • bf_isabella - Isabella
  • bf_lily - Lily

男声 (Male)

  • bm_daniel - Daniel
  • bm_fable - Fable
  • bm_george - George ⭐ (推荐用于英式发音)
  • bm_lewis - Lewis

🇫🇷 法语 (French)

  • ff_siwis - Siwis (女声)

🇯🇵 日语 (Japanese)

  • jf_alpha - Alpha (女声)
  • jf_gongitsune - Gongitsune (女声)
  • jf_nezumi - Nezumi (女声)
  • jf_tebukuro - Tebukuro (女声)
  • jm_kumo - Kumo (男声)

🇨🇳 中文 (Chinese)

女声 (Female)

  • zf_xiaobei - 小贝
  • zf_xiaoni - 小妮
  • zf_xiaoxiao - 小小
  • zf_xiaoyi - 小艺

男声 (Male)

  • zm_yunjian - 云健
  • zm_yunxi - 云希
  • zm_yunxia - 云霞
  • zm_yunyang - 云扬

其他语言

  • ef_dora, em_alex, em_santa - 其他欧洲语言
  • hf_alpha, hf_beta, hm_omega, hm_psi - Hindi
  • if_sara, im_nicola - Italian
  • pf_dora, pm_alex, pm_santa - Portuguese

使用示例

cURL 命令

默认声音

curl -X POST "http://localhost:9527/synthesize" \
  -H "Content-Type: application/json" \
  -d '{"text": "Hello world"}'

指定声音

# 美式男声 Michael
curl -X POST "http://localhost:9527/synthesize" \
  -H "Content-Type: application/json" \
  -d '{"text": "death", "voice": "am_michael"}'

# 英式男声 George
curl -X POST "http://localhost:9527/synthesize" \
  -H "Content-Type: application/json" \
  -d '{"text": "death", "voice": "bm_george"}'

JavaScript (扩展端)

const response = await fetch('http://localhost:9527/synthesize', {
  method: 'POST',
  headers: {
    'Content-Type': 'application/json'
  },
  body: JSON.stringify({
    text: 'Hello world',
    voice: 'bm_george'  // 可选
  })
});

const result = await response.json();
// result.url: 音频文件 URL

推荐声音

根据不同使用场景的推荐:

场景 推荐声音 说明
英文单词学习 bm_george, bm_daniel 英式发音更清晰
美式英语 am_michael, am_adam 标准美音
女声朗读 af_nova, af_sarah 声音自然清晰
中文朗读 zf_xiaoxiao, zm_yunxi 普通话标准

缓存机制

  • 缓存键基于 文本 + 声音 的组合
  • 相同文本不同声音会生成不同的音频文件
  • 缓存有效期: 1 小时 (3600秒)
  • 缓存目录: cache/audio/

性能说明

  • 首次合成: ~3-5秒 (包含模型加载)
  • 后续合成: ~1-2秒
  • 缓存命中: ~10ms
  • 所有 54 个声音在服务器启动时一次性加载