字节跳动火山引擎TTS v3 API 转 OpenAI 兼容接口

项目简介

本项目将字节跳动火山引擎TTS（文本转语音）v3 API封装为OpenAI兼容的TTS API接口，使原本调用OpenAI TTS服务的应用可以无缝切换到火山引擎TTS服务。

主要特性

• ✅ 完全兼容OpenAI /v1/audio/speech API接口
• ✅ 支持火山引擎TTS v3 API（单向流式）
• ✅ 支持API Key鉴权方式
• ✅ 支持多种发音人和模型版本
• ✅ 内置速率限制和统计功能
• ✅ 支持配置API密钥验证
• ✅ 并发限制：最多同时处理10个请求（保护上游API）
• ✅ 跨平台支持（Windows/Linux/macOS）

文件说明

• tts_server.go - 主程序源码
• .env.example - 环境变量配置示例
• go.mod / go.sum - Go模块依赖

快速开始

前置要求

• Go 1.19 或更高版本
• 火山引擎账号并开通TTS服务

1. 编译程序

go build -o tts_server tts_server.go

2. 配置环境变量

复制 .env.example 为 .env 并填入你的配置：

cp .env.example .env

编辑 .env 文件，填入必要的配置参数。

3. 启动服务

# Windows
tts_server.exe

# Linux/macOS
./tts_server

服务默认监听 8080 端口。

环境变量配置

必需参数

变量名	说明	示例
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

可选参数

变量名	说明	默认值
BYTEDANCE_TTS_TIMEOUT	请求超时时间	30s
OPENAI_TTS_API_KEY	OpenAI兼容接口的API密钥（逗号分隔支持多个）	无
PORT	服务监听端口	8080
ALLOWED_ORIGINS	允许跨域请求的来源（多个用英文逗号分隔；调试可设为 *）	无（不设则拒绝所有跨域）

Resource ID 说明

Resource ID	模型说明
seed-tts-1.0	豆包语音合成模型1.0字符版
seed-tts-1.0-concurr	豆包语音合成模型1.0并发版
seed-tts-2.0	豆包语音合成模型2.0字符版
seed-icl-1.0	声音复刻1.0字符版
seed-icl-1.0-concurr	声音复刻1.0并发版
seed-icl-2.0	声音复刻2.0字符版

⚠️ 上表为通用模型名。火山控制台实际显示的资源 ID 字符串格式通常是 volc.megatts.default、volc.megatts.icl 等（带版本号会形如 volc.megatts.icl.2_0），以控制台资源管理页面显示的字符串为准。资源 ID 与音色必须同时在控制台开通才能组合使用，否则 API 会返回 code=55000000, message=resource ID is mismatched with speaker related resource。

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。

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：

• ✅ https://app.example.com — 精确匹配一个来源
• ✅ https://a.com,https://b.com — 多个来源英文逗号分隔
• ✅ * — 允许所有来源（不可与凭据请求共存，需同时去掉 Authorization 头）
• ❌ app.example.com — 缺协议头，永远不会匹配（服务端强制校验 http:// / https:// 开头）

典型坑：

1. 客户端 URL 是 http:// 但服务端是 https://：浏览器按 http://... 的 origin 发请求，白名单里的 https://... 不会匹配 → 403。客户端必须用 https:// 开头。
2. ALLOWED_ORIGINS=* + 客户端带 Authorization：浏览器按规范会直接拒绝预检（凭据 + 通配符冲突），POST 根本发不出去。
3. 同源请求（前端和 TTS 服务同域名）不受 CORS 限制，ALLOWED_ORIGINS 怎么配都不影响。

诊断时打开浏览器 DevTools → Network → 看 OPTIONS 预检的响应头：

access-control-allow-origin: https://your-frontend.com
access-control-allow-credentials: true

如果 OPTIONS 返回 403 但响应头里没有 access-control-allow-origin，说明 origin 不在白名单，Zeabur 实时日志会输出 CORS拦截: 来源=...。

API 使用说明

OpenAI 兼容接口

端点： POST /v1/audio/speech

请求头：

• Content-Type: application/json
• Authorization: Bearer <你的API密钥>（如果配置了OPENAI_TTS_API_KEY）

请求体：

{
  "model": "tts-1",
  "input": "你好，这是一个测试文本",
  "voice": "alloy",
  "response_format": "wav",
  "speed": 1.0
}

参数说明：

• model - 模型名称（OpenAI兼容，实际不影响）
• input - 要合成的文本
• voice - 发音人（OpenAI兼容，实际不影响）
• response_format - 输出格式：仅支持 wav
• speed - 语速：0.25 ~ 4.0

示例调用：

curl -X POST "http://localhost:8080/v1/audio/speech" \
  -H "Content-Type: application/json" \
  -d '{"model":"tts-1","input":"你好，世界","voice":"alloy","speed":1.0}' \
  -o output.wav

健康检查（含统计信息）

curl http://localhost:8080/health

返回包含：服务状态、请求统计、错误记录、配置检查结果

限流机制

为保护上游火山引擎API，服务实现了两层限流保护：

1. 全局并发限制

• 限制：最多同时处理 10个 TTS请求
• 触发：超过10个并发请求时
• 错误码：503 Service Unavailable
• 说明：确保不超过上游API的并发限制

2. IP速率限制

• 限制：每个IP每分钟 100个 请求
• 触发：单个IP调用过于频繁
• 错误码：429 Too Many Requests
• 说明：防止单个客户端滥用服务

触发限流时的响应

{
  "error": {
    "message": "Server is busy, maximum concurrent requests reached.",
    "type": "concurrency_limit_error",
    "code": "max_concurrent_requests"
  }
}

服务器日志

触发限流时服务器会输出中文警告日志：

• 警告: 已达到最大并发请求数限制，拒绝请求 - 客户端IP: x.x.x.x
• 警告: 已超过IP速率限制，拒绝请求 - 客户端IP: x.x.x.x

支持的发音人

具体发音人列表请参考火山引擎官方文档：

• 1.0音色：https://www.volcengine.com/docs/6561/97454
• 2.0音色：https://www.volcengine.com/docs/6561/1340515

常见问题

1. 如何获取鉴权信息？

• 登录火山引擎新版控制台
• 进入"语音合成"服务
• 创建应用并获取API Key

2. 端口被占用怎么办？

通过环境变量修改端口：

# Windows
set PORT=8081 && tts_server.exe

# Linux/macOS
PORT=8081 ./tts_server

3. 如何配置多个API密钥？

使用逗号分隔：

OPENAI_TTS_API_KEY=sk-key1,sk-key2,sk-key3

4. 出现 code=55000000, message=resource ID is mismatched with speaker related resource 怎么办？

这是火山引擎 v3 API 返回的资源/音色不匹配错误，不是网络或超时问题。修复方法：

1. 去火山控制台 → 语音技术 → 你的应用 → 资源管理或音色库
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. PowerShell 下 curl 命令被解释错

PowerShell 里 curl 是 Invoke-WebRequest 的别名，参数完全不同（如 -m 会被当成歧义参数）。必须写 curl.exe：

curl.exe -v -X POST "https://your-app.zeabur.app/v1/audio/speech" -H "Content-Type: application/json" -H "Authorization: Bearer YOUR_KEY" --data-binary "@body.json"

另外 PowerShell 里 {"foo":"bar"} 不加单引号会被当成脚本块解析，body 被吃掉所有引号。要么用单引号包 JSON，要么把 body 写到文件用 --data-binary "@file.json"。

6. 查看日志

服务启动后会输出详细日志，包括：

• 服务启动信息
• 配置状态
• 请求统计信息
• 错误详情

部署建议

Linux Systemd 服务

创建 /etc/systemd/system/tts-server.service：

[Unit]
Description=ByteDance TTS to OpenAI API Adapter
After=network.target

[Service]
Type=simple
User=www-data
WorkingDirectory=/www/wwwroot/tts-server
EnvironmentFile=/www/wwwroot/tts-server/.env
ExecStart=/www/wwwroot/tts-server/tts_server
Restart=always
RestartSec=10

[Install]
WantedBy=multi-user.target

启动服务：

sudo systemctl daemon-reload
sudo systemctl enable tts-server
sudo systemctl start tts-server

许可证

本项目采用非商业用途许可协议。您可以免费使用本软件用于非商业目的，但禁止用于任何商业活动。详细条款请参阅 LICENSE 文件。

技术支持

如有问题，请检查：

1. 环境变量配置是否正确
2. 网络是否能访问火山引擎TTS服务
3. 鉴权信息是否有效
4. Resource ID与Speaker是否匹配
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）