AI 语音合成入门:用 API 让文字开口说话

·10 分钟阅读·231 次阅读
AI 语音合成入门:用 API 让文字开口说话

你有没有想过,让 AI 把一段文字变成自然流畅的语音?无论是制作有声读物、为视频配音,还是搭建语音助手,语音合成(TTS)技术都能帮你实现。本文将手把手教你通过词元圈 API 调用 TTS 服务,零基础也能快速上手。


什么是语音合成

语音合成(Text-to-Speech,简称 TTS)是一种将文字转换为语音的技术。简单来说,你给 AI 一段文字,它就能「读」出来,而且声音越来越接近真人。

现代 TTS 技术已经能做到:

  • 自然流畅:不再是机械的电子音,听起来像真人朗读
  • 多种音色:男声、女声、不同风格随意选择
  • 多语言支持:中文、英文、日语等主流语言都能处理
  • 情感表达:可以根据内容调整语调和情感

TTS API 调用流程


准备工作

开始之前,你需要准备以下内容:

  1. 词元圈账号:访问 ciyuano.com/register 注册
  2. 一个 API 密钥:在后台「API 密钥」页面创建
  3. 一个 HTTP 客户端:可以用 curl(命令行)、Postman、或者任意编程语言

提示:TTS 功能需要账户有足够余额。新注册用户通常有免费额度,可以在后台「用量」页面查看。


选择合适的音色

词元圈支持多种语音音色,每种音色都有不同的风格特点。以下是常用音色对比:

常用音色对比

选择音色的建议:

  • 不确定用哪个?选 alloy,最通用的中性音色
  • 做客服或教育内容?选 nova,温暖亲切
  • 做新闻播报?选 echo,清晰专业
  • 讲故事或配音?选 fable,富有感情

详细操作步骤

第一步:获取 API 密钥

登录词元圈后台,进入「API 密钥」页面,创建一个新密钥。复制密钥,格式类似 sk-relay-xxxxxxxxxx。

安全提醒:密钥只显示一次,请妥善保存。不要将密钥硬编码在公开的代码仓库中。

第二步:发送 TTS 请求

使用 curl 命令发送一个最简单的 TTS 请求:

curl -X POST https://www.ciyuano.com/v1/audio/speech -H "Authorization: Bearer sk-relay-你的密钥" -H "Content-Type: application/json" -d '{ "model": "tts-1", "input": "你好,欢迎使用词元圈语音合成服务。今天天气真不错!", "voice": "alloy" }' --output speech.mp3

这条命令的含义:

  • POST /v1/audio/speech:调用语音合成接口
  • model:使用的模型,tts-1 为标准模型,tts-1-hd 为高清模型
  • input:要转换为语音的文字内容
  • voice:选择的音色
  • --output speech.mp3:将返回的音频保存为 MP3 文件

执行成功后,当前目录会生成一个 speech.mp3 文件,用任意播放器打开即可听到 AI 生成的语音。

第三步:调整语音参数

你可以通过额外参数来控制语音效果:

{ "model": "tts-1-hd", "input": "这是一段需要高清音质的语音内容。", "voice": "nova", "speed": 1.2, "response_format": "mp3" }

可调参数说明:

参数 说明 默认值
model 模型选择:tts-1(标准)或 tts-1-hd(高清) tts-1
voice 音色选择:alloy / nova / echo / fable / onyx / shimmer alloy
speed 语速,范围 0.25 ~ 4.0 1.0
response_format 输出格式:mp3 / opus / aac / flac / wav / pcm mp3

小技巧:如果语音速度不合适,用 speed 参数调整。比如听书场景可以用 1.2 ~ 1.5 倍速,讲解场景可以用 0.8 ~ 1.0 倍速。

第四步:在代码中调用

如果你熟悉 Python,可以用以下代码调用 TTS 接口:

import requests url = "https://www.ciyuano.com/v1/audio/speech" headers = { "Authorization": "Bearer sk-relay-你的密钥", "Content-Type": "application/json" } data = { "model": "tts-1", "input": "你好,这是一段测试语音。", "voice": "nova" } response = requests.post(url, headers=headers, json=data) with open("output.mp3", "wb") as f: f.write(response.content) print("语音已生成:output.mp3")

JavaScript / Node.js 的调用方式类似:

const response = await fetch("https://www.ciyuano.com/v1/audio/speech", { method: "POST", headers: { "Authorization": "Bearer sk-relay-你的密钥", "Content-Type": "application/json" }, body: JSON.stringify({ model: "tts-1", input: "你好,这是一段测试语音。", voice: "nova" }) }); const buffer = await response.arrayBuffer(); require("fs").writeFileSync("output.mp3", Buffer.from(buffer)); console.log("语音已生成:output.mp3");

实用场景示例

场景一:批量生成有声内容

如果你有一批文章需要转成语音,可以写一个简单的循环脚本,逐段调用 TTS 接口。注意控制调用频率,避免触发限流。

场景二:视频配音

制作教程视频时,先用 TTS 生成旁白音频,再用剪辑软件合成到视频中。比自己录音更高效,音质也更稳定。

场景三:语音通知

在应用中加入语音通知功能,比如订单提醒、系统告警等。用户收到的不再是冷冰冰的文字,而是一段温暖的语音提示。

场景四:多语言内容

同一个内容可以用不同语言的音色生成多语言版本,方便做国际化内容分发。


常见问题

问题 解决方案
返回 401 错误 检查 API 密钥是否正确,是否已过期或被禁用
返回 429 错误 请求过于频繁,降低调用频率或升级套餐
音频文件为空 检查 input 字段是否为空,文字长度是否超过限制
中文发音不自然 尝试切换不同音色,或使用 tts-1-hd 模型获得更好效果
生成速度慢 tts-1 比 tts-1-hd 更快;长文本建议分段处理

使用技巧

  • 文本预处理:去除不必要的特殊字符和格式符号,让语音更自然
  • 分段处理:长文本建议按段落或句子拆分,每段不超过 4000 字符
  • 格式选择:日常使用选 MP3 即可;需要无损音质选 FLAC 或 WAV
  • 缓存复用:相同内容的音频可以缓存,避免重复调用产生额外费用
  • 多音色对比:不确定用哪个音色时,先用短文本测试多种音色效果

总结

通过词元圈的 TTS API,你可以轻松将文字转换为自然流畅的语音。整个过程只需要三步:

  1. 获取 API 密钥
  2. 发送一个 HTTP POST 请求
  3. 接收并保存音频文件

下一步:尝试用不同音色朗读同一段文字,感受不同音色的风格差异。然后把它集成到你的项目中,为用户带来更好的语音体验。

查看完整 API 文档 · 浏览所有模型

评论功能暂未开放,敬请期待