byy/qiming

Fork 0

Files

Codex afb3d9f4e6 提交qiming-mcp-proxy

2026-06-01 13:03:20 +08:00

4.7 KiB

Raw Blame History

TTS功能集成说明

本项目已成功集成文本转语音（TTS）功能，使用index-tts库作为核心语音合成引擎。

功能特性

同步接口

端点: POST /tts/sync
功能: 实时文本转语音，直接返回音频文件
适用场景: 短文本、实时性要求高的场景

异步接口

端点: POST /api/v1/tasks/tts
功能: 提交TTS任务到队列，返回任务ID
任务查询: 复用现有的 /api/v1/tasks/{task_id} 接口
结果获取: 复用现有的 /api/v1/tasks/{task_id}/result 接口
适用场景: 长文本、批量处理、后台任务

安装依赖

1. 安装uv包管理器

curl -LsSf https://astral.sh/uv/install.sh | sh

2. 安装Python依赖

cd voice-cli
uv sync

配置

TTS配置选项

在配置文件中添加以下TTS相关配置：

tts:
  python_path: null        # Python解释器路径（可选，默认自动查找）
  model_path: null         # TTS模型路径（可选）
  default_model: "default" # 默认语音模型
  supported_formats:       # 支持的音频格式
    - "mp3"
    - "wav"
  max_text_length: 5000    # 最大文本长度
  default_speed: 1.0       # 默认语速 (0.5-2.0)
  default_pitch: 0         # 默认音调 (-20到20)
  default_volume: 1.0      # 默认音量 (0.5-2.0)
  timeout_seconds: 300      # TTS任务超时时间

API使用示例

同步TTS请求

curl -X POST "http://localhost:8080/tts/sync" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "你好，世界！这是一个语音合成测试。",
    "speed": 1.0,
    "pitch": 0,
    "volume": 1.0,
    "format": "mp3"
  }'

异步TTS请求

curl -X POST "http://localhost:8080/api/v1/tasks/tts" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "这是一个较长的文本，将通过异步处理转换为语音。",
    "speed": 1.2,
    "pitch": 5,
    "volume": 0.8,
    "format": "wav",
    "priority": "Normal"
  }'

查询任务状态

curl -X GET "http://localhost:8080/api/v1/tasks/{task_id}"

获取任务结果

curl -X GET "http://localhost:8080/api/v1/tasks/{task_id}/result"

请求参数说明

TtsSyncRequest / TtsAsyncRequest

text (string, 必需): 要合成的文本
model (string, 可选): 语音模型名称
speed (float, 可选): 语速，范围 0.5-2.0，默认1.0
pitch (int, 可选): 音调，范围 -20到20，默认0
volume (float, 可选): 音量，范围 0.5-2.0，默认1.0
format (string, 可选): 输出格式，支持 "mp3", "wav"，默认"mp3"
priority (string, 仅异步): 任务优先级 ("Low", "Normal", "High")

响应格式

同步响应

直接返回音频文件，包含适当的Content-Type头。

异步任务响应

{
  "success": true,
  "data": {
    "task_id": "uuid-string",
    "message": "TTS任务已提交",
    "estimated_duration": 30
  }
}

任务状态

TTS任务支持以下状态：

Pending: 任务已提交，等待处理
Processing: 正在处理中
Completed: 处理完成
Failed: 处理失败
Cancelled: 已取消

错误处理

常见错误码

400: 请求参数错误
500: 服务器内部错误

错误信息

文本长度超过限制
参数值超出范围
TTS合成失败
文件操作错误

性能优化

异步处理: 长文本建议使用异步接口
批量处理: 可以提交多个异步任务
缓存机制: 相同文本可能会被缓存
并发控制: 通过配置控制最大并发任务数

扩展性

添加新的语音模型

将模型文件放置在配置的model_path目录
在请求中指定model参数

支持新的音频格式

在配置的supported_formats中添加新格式
确保index-tts支持该格式

故障排除

常见问题

Python依赖缺失: 运行 uv sync 安装依赖
模型加载失败: 检查model_path配置和模型文件
权限问题: 确保有写入data目录的权限
内存不足: 长文本可能需要更多内存

日志查看

tail -f logs/daemon.log

开发说明

代码结构

src/
├── models/
│   ├── tts.rs              # TTS相关数据模型
│   └── config.rs           # 配置结构
├── services/
│   ├── tts_service.rs      # TTS核心服务
│   └── tts_task_manager.rs # TTS任务管理器
└── server/
    ├── handlers.rs         # HTTP处理器
    └── routes.rs          # 路由配置

测试

cargo test tts

贡献

欢迎提交Issue和Pull Request来改进TTS功能。

许可证

遵循项目的开源许可证。

4.7 KiB Raw Blame History Unescape Escape