MaiBot 文档中心

Appearance

语音模块 - 豆包 TTS 配置指南 ✨ ​

这个模块，对接的是 豆包 TTS 提供的TTS语音合成服务哦！

首先，我们需要先从template_configs/Doubao_tts_template.toml复制一份配置文件模板到configs/Doubao_tts.toml。

toml
# 注：所有标有 [*] 的都请参考官方文档 https://www.volcengine.com/docs/6561/1257584 进行配置与解读
[app] # 豆包TTSapp配置
base_url = "https://openspeech.bytedance.com/api/v1/tts" # API地址
# 以下部分由官方文档，请参考 https://www.volcengine.com/docs/6561/196768 的Q1部分
appid = ""
token = ""
cluster = ""
[audio] # 音频配置
voice_type = "" # [*]
emotion = "" # 现阶段无效，请保留为空 [*]
enable_emotion = false # 现阶段无效，请保留为false [*]
emotion_scale = 0 # 现阶段无效，请保留为0 [*]
speed_ratio = 1.0 # 语速，范围0.8-2.0，默认1.0
explicit_language = "" # 明确语种 [*]
context_language = "" # 参考语种 [*]
loudness_ratio = 1.0 # 音量，范围0.5-2.0，默认1.0 [*]
[request]
silence_duration = 0 # 句尾静音时长，单位ms，默认0，最大300000 [*]

配置项详解 ​

这里所有的配置内容呢，都是根据官方文档的内容写的，所以如果你有什么疑问的话，记得去看官方文档哦~

app ​

这部分内容，如何获取请参考另外一个官方文档的 Q1 部分哦。

  • base_url: 这个是豆包TTS服务的API接口地址。在绝大多数情况下，保持默认就好啦。
  • appid: 申请的应用ID（AppID）。
  • token: 访问令牌（Token）喵。
  • cluster: 集群信息

audio 音频参数 ​

  • voice_type: 音色设置！豆包TTS服务提供了许许多多种不同的音色，可以通过查阅豆包官方提供的音色列表，从里面找到自己最喜欢的那一款音色的代码，然后把代码填写到这里。
  • emotion: 现在没有用，一定要留空！
  • enable_emotion: 现在没有用，一定要留空！
  • emotion_scale: 现在没有用，一定要留空！
  • speed_ratio: 语速设定，范围是 0.8 到 2.0，默认值是 1.0。
  • explicit_language: 明确语种。这部分是告诉大模型要读什么语言。

百灵贴士（2025/05/22版）

现在根据官方文档，可填写的方式如下：

  • 不填: 正常中英文混合
  • crosslingual: 多语种混合（包含zh/en/ja/es-ms/id/pt-br）
  • zh: 中文为主，支持中英混
  • en: 仅英文
  • ja: 仅日文
  • es-mx: 仅墨西哥西班牙语
  • id: 仅印尼语
  • pt-br: 仅巴西葡萄牙语
  • context_language: 给模型提供参考的语种。

百灵贴士（2025/05/22版）

根据官方文档，现在可以填写的方式如下：

  • 不填: 西欧语种采用英语。
  • id: 西欧语种采用印尼语。
  • es: 西欧语种采用墨西哥西班牙语。
  • pt: 西欧语种采用巴西葡萄牙语。
  • loudness_ratio: 音量大小调节。这部分的音量可以从0.5到2.0之间选一个小数，默认是1.0。

request ​

这部分内容归类到request，是因为官方参数列表就是这么写的喵~

  • silence_duration: 设置在每句话说完之后，要额外增加多少静音时长。单位是毫秒。默认是 0，表示不额外添加静音。最大可以设置到 300000 毫秒。