TTS 服务

一个简单易用的文本转语音 (TTS) 服务，基于 Microsoft Azure 语音服务，提供高质量的语音合成能力。

功能特点

• 支持多种语言和声音
• 可调节语速和语调
• 支持多种输出音频格式
• 兼容 OpenAI TTS API
• 支持长文本自动分割与合并
• 提供 Web UI 和 RESTful API

快速开始

Docker 部署

docker run -d -p 8080:8080 --name=tts zuoban/zb-tts

部署完成后，访问 http://localhost:8080 使用 Web 界面，或通过 http://localhost:8080/api-doc 查看 API 文档。部署完成后，访问 http://localhost:8080 使用 Web 界面，或通过 http://localhost:8080/api-doc 查看 API 文档。

Cloudflare Worker 部署

1. 创建一个新的 Cloudflare Worker
2. 复制以下脚本内容到 Worker worker.js
3. 添加环境变量 API_KEY
   • Workers & Pages -> Your Worker -> Settings -> Variables and Secrets -> Add
   • Type: Secret, Name: API_KEY, Value: YOUR_API_KEY

API 使用示例

基础 API

# 基础文本转语音# 基础文本转语音
curl "http://localhost:8080/tts?t=你好，世界&v=zh-CN-XiaoxiaoNeural"

# 调整语速和语调
curl "http://localhost:8080/tts?t=你好，世界&v=zh-CN-XiaoxiaoNeural&r=20&p=10"

# 使用情感风格
curl "http://localhost:8080/tts?t=今天天气真好&v=zh-CN-XiaoxiaoNeural&s=cheerful"

OpenAI 兼容 API

curl -X POST "http://localhost:8080/v1/audio/speech" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "input": "你好，世界！",
    "voice": "zh-CN-XiaoxiaoNeural"
  }'

• model 对应 TTS 服务的 style 参数
• voice 对应 TTS 服务的 voice 参数

配置选项

您可以通过环境变量或配置文件自定义 TTS 服务：

# 使用自定义端口
docker run -d -p 9000:9000 -e PORT=9000 --name=tts zuoban/zb-tts

# 使用配置文件
docker run -d -p 8080:8080 -v /path/to/config.yaml:/app/configs/config.yaml --name=tts zuoban/zb-tts

配置文件详解

TTS 服务使用 YAML 格式的配置文件，默认位置为 /app/configs/config.yaml。以下是配置文件的主要选项：

server:
  port: 8080                # 服务监听端口
  read_timeout: 30          # HTTP 读取超时时间（秒）
  write_timeout: 30         # HTTP 写入超时时间（秒）
  base_path: ""             # API 基础路径前缀，如 "/api"

tts:
  region: "eastasia"        # Azure 语音服务区域
  default_voice: "zh-CN-XiaoxiaoNeural"  # 默认语音
  default_rate: "0"         # 默认语速，范围 -100 到 100
  default_pitch: "0"        # 默认语调，范围 -100 到 100
  default_format: "audio-24khz-48kbitrate-mono-mp3"  # 默认音频格式
  max_text_length: 65535    # 最大文本长度
  request_timeout: 30       # 请求 Azure 服务的超时时间（秒）
  max_concurrent: 10        # 最大并发请求数
  segment_threshold: 300    # 文本分段阈值
  min_sentence_length: 200  # 最小句子长度
  max_sentence_length: 300  # 最大句子长度
  api_key: '替换为您的密钥'  # (可选, /tts 接口使用)

  # OpenAI 到微软 TTS 中文语音的映射
  voice_mapping:
    alloy: "zh-CN-XiaoyiNeural"       # 中性女声
    echo: "zh-CN-YunxiNeural"         # 年轻男声
    fable: "zh-CN-XiaochenNeural"     # 儿童声
    onyx: "zh-CN-YunjianNeural"       # 成熟男声
    nova: "zh-CN-XiaohanNeural"       # 活力女声
    shimmer: "zh-CN-XiaomoNeural"     # 温柔女声

openai:
  api_key: '替换为您的密钥'               # OpenAI API 密钥（可选，api 兼容接口使用）

您可以根据自己的需求修改这些配置选项。 其中，api_key 为接口认证密钥，若不设置，则不需要认证。

以上配置均可通过环境变量进行覆盖，如 SERVER_PORT、OPENAI_API_KEY 等。

使用环境变量时，变量名需转换为大写并使用下划线代替点号。

本地构建与运行

要从源码构建和运行：

# 克隆仓库
git clone https://github.com/zuoban/tts.git
cd tts

# 构建
go build -o tts ./cmd/api

# 运行
./tts

支持的音频格式

• MP3: audio-24khz-48kbitrate-mono-mp3（默认）
• MP3: audio-24khz-96kbitrate-mono-mp3
• MP3: audio-24khz-160kbitrate-mono-mp3
• WAV: riff-24khz-16bit-mono-pcm
• OGG: ogg-24khz-16bit-mono-opus

更多格式请参考 API 文档。

许可证

MIT