From 695b3ecf2519577c7fa265fdd3478eb2629162f5 Mon Sep 17 00:00:00 2001 From: "3371392206@qq.com" <3371392206@qq.com> Date: Wed, 26 Aug 2026 16:16:56 +0800 Subject: [PATCH] =?UTF-8?q?docs:=20README=20=E4=BF=AE=E6=AD=A3=20speed=20?= =?UTF-8?q?=E4=B8=8E=20sample=5Frate=20=E6=8F=8F=E8=BF=B0=20(VUL-008=20/?= =?UTF-8?q?=20VUL-009)=20VUL-008=20(=E4=BF=A1=E6=81=AF):=20speed=20?= =?UTF-8?q?=E8=B6=85=E8=8C=83=E5=9B=B4=E9=9D=99=E9=BB=98=E6=88=AA=E6=96=AD?= =?UTF-8?q?=E6=97=A0=E6=8F=90=E7=A4=BA=20=20=20=E4=BF=AE=E5=A4=8D:?= =?UTF-8?q?=E3=80=8CAPI=20=E4=BD=BF=E7=94=A8=E8=AF=B4=E6=98=8E=E3=80=8Dspe?= =?UTF-8?q?ed=20=E6=8F=8F=E8=BF=B0=E4=BB=8E"0.25=20~=204.0"=E6=94=B9?= =?UTF-8?q?=E4=B8=BA=20=20=20"=E5=AE=A2=E6=88=B7=E7=AB=AF=E6=8E=A5?= =?UTF-8?q?=E5=8F=97=E8=8C=83=E5=9B=B4=200.25=20~=204.0;=E7=81=AB=E5=B1=B1?= =?UTF-8?q?=E5=AE=9E=E9=99=85=E7=94=9F=E6=95=88=E8=8C=83=E5=9B=B4=200.5=20?= =?UTF-8?q?~=202.0=20=20=20(speech=5Frate=20[-50,=20100]),=E8=B6=85?= =?UTF-8?q?=E5=87=BA=E8=8C=83=E5=9B=B4=E4=BC=9A=E8=A2=AB=E9=9D=99=E9=BB=98?= =?UTF-8?q?=E6=88=AA=E6=96=AD,=E5=AE=A2=E6=88=B7=E7=AB=AF=E6=97=A0?= =?UTF-8?q?=E6=84=9F=E5=8F=8D=E9=A6=88"=E3=80=82=20=20=20=E9=80=89=20TODO?= =?UTF-8?q?=20=E6=96=B9=E6=A1=88=201(=E8=AF=9A=E5=AE=9E=E4=BF=AE=E6=AD=A3?= =?UTF-8?q?=E6=96=87=E6=A1=A3),=E4=B8=8D=E6=94=B9=E4=BB=A3=E7=A0=81?= =?UTF-8?q?=E3=80=82?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit VUL-009 (信息): WAV 采样率依赖配置而非上游实际值 修复:BYTEDANCE_TTS_SAMPLE_RATE 描述加风险提示 "此值直接写入 WAV 头,需与上游实际 PCM 采样率一致, 否则音频变速变调"。 上游 v3 协议不返回 sample_rate 字段,代码侧无法自动取真实值, 仅文档强化。 --- README.md | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) diff --git a/README.md b/README.md index f49d2b9..c46c6e4 100644 --- a/README.md +++ b/README.md @@ -63,7 +63,7 @@ tts-api.exe |--------|------|--------| | `BYTEDANCE_TTS_TIMEOUT` | 单次合成超时 | `30s` | | `BYTEDANCE_TTS_FORMAT` | 上游实际请求的音频格式(mp3 / pcm / ogg_opus);客户端要求 wav 时内部自动转 pcm + 本地拼 WAV 头 | `mp3` | -| `BYTEDANCE_TTS_SAMPLE_RATE` | 上游采样率(8000 / 16000 / 22050 / 24000 / 32000 / 44100 / 48000) | `24000` | +| `BYTEDANCE_TTS_SAMPLE_RATE` | 上游采样率(8000 / 16000 / 22050 / 24000 / 32000 / 44100 / 48000);**此值直接写入 WAV 头,需与上游实际 PCM 采样率一致,否则音频变速变调** | `24000` | | `BYTEDANCE_TTS_BIT_RATE` | MP3 比特率,仅 mp3 生效 | 无 | ### 复刻 2.0 扩展参数 @@ -270,7 +270,7 @@ CORS拦截: 来源="https://..." 路径=/v1/audio/speech 方法=POST 客户端=. - `input` — 要合成的文本 - `voice` — 发音人(OpenAI 兼容,实际用 `BYTEDANCE_TTS_SPEAKER`) - `response_format` — 输出格式:`mp3`(默认)/ `opus`(映射 ogg_opus)/ `wav` / `pcm` / `aac` / `flac`(降级到 mp3) -- `speed` — 语速,0.25 ~ 4.0(火山侧转换为 speech_rate [-50, 100]) +- `speed` — 语速倍率,客户端接受范围 0.25 ~ 4.0;**火山实际生效范围 0.5 ~ 2.0**(speech_rate [-50, 100]),超出范围会被静默截断,客户端无感反馈 **格式映射:**