feat(volcano-tts): add support for v3 model parameter
1. 新增BYTEDANCE_TTS_MODEL环境变量支持，为火山TTS v3 API配置子模型版本 2. 为复刻音色添加默认兜底模型，修复55000000报错问题 3. 更新文档说明v3 API调用规则与环境变量配置 4. 修正语速转换的范围限制，匹配官方文档规范
This commit is contained in:
+14
@@ -0,0 +1,14 @@
|
||||
# Go build cache
|
||||
.gocache/
|
||||
*.exe
|
||||
*.test
|
||||
*.out
|
||||
|
||||
# Editor / OS
|
||||
.vscode/
|
||||
.idea/
|
||||
.DS_Store
|
||||
Thumbs.db
|
||||
|
||||
# Logs
|
||||
*.log
|
||||
@@ -65,6 +65,7 @@ tts_server.exe
|
||||
| `BYTEDANCE_TTS_API_KEY` | 火山引擎新版控制台 API Key | `your_api_key_here` |
|
||||
| `BYTEDANCE_TTS_RESOURCE_ID` | 资源ID，决定模型版本 | `seed-tts-1.0` |
|
||||
| `BYTEDANCE_TTS_SPEAKER` | 发音人（音色）ID | `zh_female_qingxin` |
|
||||
| `BYTEDANCE_TTS_MODEL` | 模型子版本（复刻音色必填，不设默认 `seed-tts-2.0-standard`） | `seed-tts-2.0-standard` |
|
||||
|
||||
### 可选参数
|
||||
|
||||
@@ -90,6 +91,18 @@ tts_server.exe
|
||||
|
||||
**注意：** 1.0音色只能搭配 `seed-tts-1.0` Resource ID，2.0音色只能搭配 `seed-tts-2.0` Resource ID。
|
||||
|
||||
### v3 API 调用说明
|
||||
|
||||
本项目按火山 v3 单向流式 TTS API 实现（[官方文档](https://www.volcengine.com/docs/6561/2528925)），相比 v1/v2 有以下关键差异：
|
||||
|
||||
- **不再使用业务集群**（`cluster` 字段在 v3 已废弃），改用 `X-Api-Resource-Id` HTTP header 路由模型
|
||||
- **鉴权 header 只有** `X-Api-Key` 一个，无 `Authorization`，无 app 对象
|
||||
- **`req_params.model` 字段**：v3 必须显式传子模型版本。可选值：
|
||||
- `seed-tts-2.0-standard`（默认，标准版，常规音色/复刻音色通用）
|
||||
- `seed-tts-2.0-expressive`（表现力增强版，部分复刻音色推荐）
|
||||
- 留空时会用 `seed-tts-2.0-standard` 作为兜底
|
||||
- **复刻音色（`S_` 开头的 speaker）必须显式传 model**，否则可能因默认模型与复刻音色不匹配返回 `55000000`
|
||||
|
||||
## CORS 跨域配置
|
||||
|
||||
跨域请求由 `ALLOWED_ORIGINS` 环境变量控制，按**完整 origin**（含协议 + 域名 + 端口）精确匹配：
|
||||
@@ -232,6 +245,7 @@ OPENAI_TTS_API_KEY=sk-key1,sk-key2,sk-key3
|
||||
2. 用控制台的在线体验/调试试一下同一对 `BYTEDANCE_TTS_RESOURCE_ID` + 音色
|
||||
3. 控制台能合成的组合才是正确的
|
||||
4. 把控制台显示的**实际资源 ID 字符串**（通常是 `volc.megatts.*` 格式）填到 Zeabur 的 `BYTEDANCE_TTS_RESOURCE_ID`
|
||||
5. 如果你用的是**声音复刻**音色（speaker 以 `S_` 开头），同时确认设置了 `BYTEDANCE_TTS_MODEL`（推荐 `seed-tts-2.0-standard` 或 `seed-tts-2.0-expressive`）。复刻音色不传 `model` 字段是 55000000 的常见原因之一
|
||||
|
||||
### 5. PowerShell 下 `curl` 命令被解释错
|
||||
|
||||
@@ -334,3 +348,4 @@ sudo systemctl start tts-server
|
||||
5. ALLOWED_ORIGINS 是否包含前端完整 origin（含 https://）
|
||||
6. 客户端请求 URL 是否以 https:// 开头
|
||||
7. 生产环境凭据是否定期轮换（API Key 明文出现在日志/对话中时立刻重置）
|
||||
8. 复刻音色（speaker 以 `S_` 开头）是否设置了 `BYTEDANCE_TTS_MODEL`（默认 `seed-tts-2.0-standard`）
|
||||
|
||||
@@ -49,13 +49,16 @@ func (h *HTTPClient) PostStream(url string, headers map[string]string, body []by
|
||||
return h.client.Do(req)
|
||||
}
|
||||
|
||||
// convertSpeedToSpeechRate 把 OpenAI 风格的 speed（倍率）转成火山 v3 的 speech_rate（百分比）。
|
||||
// 文档规定 speech_rate 范围 [-50, 100]，对应 0.5x ~ 2.0x 倍速。
|
||||
// 输入超出范围会被截断到边界值。
|
||||
func convertSpeedToSpeechRate(speed float64) int {
|
||||
rate := int((speed - 1.0) * 100)
|
||||
if rate < -200 {
|
||||
rate = -200
|
||||
if rate < -50 {
|
||||
rate = -50
|
||||
}
|
||||
if rate > 500 {
|
||||
rate = 500
|
||||
if rate > 100 {
|
||||
rate = 100
|
||||
}
|
||||
return rate
|
||||
}
|
||||
@@ -69,14 +72,23 @@ func Synthesis(config *dto.ByteDanceTTSConfig, httpClient *HTTPClient, text stri
|
||||
speaker = voice
|
||||
}
|
||||
|
||||
model := config.Model
|
||||
if model == "" {
|
||||
model = "seed-tts-2.0-standard" // 文档默认值 复刻音色可设为 seed-tts-2.0-expressive
|
||||
}
|
||||
|
||||
// 请求体结构严格按火山 v3 单向流式 API 文档构造
|
||||
// https://www.volcengine.com/docs/6561/2528925
|
||||
// v3 鉴权只依赖 X-Api-Key 一个 header,不再需要业务集群参数
|
||||
params := map[string]interface{}{
|
||||
"user": map[string]interface{}{
|
||||
"uid": "uid",
|
||||
"uid": reqID, // 文档要求随机字符串,这里复用请求级 UUID
|
||||
},
|
||||
"namespace": "UnidirectionalTTS",
|
||||
"req_params": map[string]interface{}{
|
||||
"text": text,
|
||||
"speaker": speaker,
|
||||
"model": model, // 复刻音色必填
|
||||
"audio_params": map[string]interface{}{
|
||||
"format": "wav",
|
||||
"sample_rate": 24000,
|
||||
@@ -88,9 +100,9 @@ func Synthesis(config *dto.ByteDanceTTSConfig, httpClient *HTTPClient, text stri
|
||||
headers := map[string]string{
|
||||
"Content-Type": "application/json",
|
||||
"Connection": "keep-alive",
|
||||
"X-Api-Resource-Id": config.ResourceId,
|
||||
"X-Api-Resource-Id": config.ResourceId, // 模型路由（seed-tts-2.0 / seed-icl-2.0）
|
||||
"X-Api-Request-Id": reqID,
|
||||
"X-Api-Key": config.ApiKey,
|
||||
"X-Api-Key": config.ApiKey, // v3 鉴权 key
|
||||
}
|
||||
|
||||
bodyStr, err := json.Marshal(params)
|
||||
|
||||
@@ -30,6 +30,7 @@ type ByteDanceTTSConfig struct {
|
||||
ApiKey string
|
||||
ResourceId string
|
||||
Speaker string
|
||||
Model string // v3 声音复刻/语音大模型 子模型版本，复刻音色必填
|
||||
URL string
|
||||
Timeout time.Duration
|
||||
}
|
||||
|
||||
@@ -19,6 +19,10 @@ func InitTTSConfig() error {
|
||||
apiKey := os.Getenv("BYTEDANCE_TTS_API_KEY")
|
||||
resourceId := os.Getenv("BYTEDANCE_TTS_RESOURCE_ID")
|
||||
speaker := os.Getenv("BYTEDANCE_TTS_SPEAKER")
|
||||
model := os.Getenv("BYTEDANCE_TTS_MODEL")
|
||||
if model == "" {
|
||||
model = "seed-tts-2.0-standard" // 文档默认值 复刻音色可设为 seed-tts-2.0-expressive
|
||||
}
|
||||
|
||||
missingVars := []string{}
|
||||
if apiKey == "" {
|
||||
@@ -50,6 +54,7 @@ func InitTTSConfig() error {
|
||||
ApiKey: apiKey,
|
||||
ResourceId: resourceId,
|
||||
Speaker: speaker,
|
||||
Model: model,
|
||||
URL: url,
|
||||
Timeout: timeout,
|
||||
}
|
||||
@@ -72,6 +77,7 @@ func CheckEnvironmentVariables() map[string]interface{} {
|
||||
|
||||
optionalVars := map[string]bool{
|
||||
"BYTEDANCE_TTS_TIMEOUT": os.Getenv("BYTEDANCE_TTS_TIMEOUT") != "",
|
||||
"BYTEDANCE_TTS_MODEL": os.Getenv("BYTEDANCE_TTS_MODEL") != "",
|
||||
"OPENAI_TTS_API_KEY": os.Getenv("OPENAI_TTS_API_KEY") != "",
|
||||
"PORT": os.Getenv("PORT") != "",
|
||||
}
|
||||
|
||||
Reference in New Issue
Block a user