如何在Coqui-AI TTS Server的JavaScript API调用中实现speaker_wav参数（XTTS语音克隆场景）

看起来你在Coqui TTS Server上用XTTS做语音克隆时，卡在了API调用传参这块——终端命令行能用，但JS里试了各种方式都没搞定，还怕每次调用重新加载模型耗时间对吧？我来帮你理清楚问题出在哪，一步步解决：

一、先修正服务器端的代码问题 #

你自己修改了Flask路由，但有几个关键小错误，导致参数传了也没生效：

1. 拼写错误：langauge_name 应该是 language_name
2. XTTS的语音克隆参数是speaker_wav，不是原代码里的style_wav（style_wav是给其他模型用的）
3. 要确保服务器能正确读取你传的音频文件路径

给你修正后的完整路由代码：

@app.route("/api/tts", methods=["GET", "POST"])
def tts():
    with lock:
        # 从请求的查询参数、表单或请求头里捞参数，兼容多种传参方式
        text = request.headers.get("text") or request.values.get("text", "")
        speaker_wav = request.headers.get("speaker_wav") or request.values.get("speaker_wav", "")
        language_idx = request.headers.get("language_idx") or request.values.get("language_idx", "en")

        print(f" > 待合成文本: {text}")
        print(f" > 参考语音路径: {speaker_wav}")
        print(f" > 语言标识: {language_idx}")

        # 注意XTTS的synthesizer.tts参数对应：用speaker_wav而不是style_wav
        wavs = synthesizer.tts(
            text=text,
            language_name=language_idx,
            speaker_wav=speaker_wav
        )
        out = io.BytesIO()
        synthesizer.save_wav(wavs, out)
        return send_file(out, mimetype="audio/wav")

二、正确的JavaScript API调用方式 #

你之前试了各种传参方式没成，核心原因是要匹配服务器端的参数读取逻辑（request.values能读取FormData、URL编码表单和query string的参数），下面给你两种最靠谱的JS调用方案：

方案1：用FormData传参（推荐，后续要传文件内容也兼容） #

async function synthesizeVoice() {
    const formData = new FormData();
    formData.append('text', 'Testing, 1 2 3...');
    // 重点：这里的路径必须是**服务器操作系统能直接访问的绝对路径**，不是客户端本地路径！
    // Windows路径记得用双反斜杠转义，或者换成正斜杠
    formData.append('speaker_wav', 'C:\\Users\\perso\\Downloads\\Phonetic Sentence\\Converted\\speaker.wav');
    formData.append('language_idx', 'en');

    try {
        const response = await fetch('http://localhost:5002/api/tts', {
            method: 'POST',
            body: formData
        });

        if (!response.ok) throw new Error(`API请求失败: ${response.status}`);
        
        // 处理返回的音频文件
        const audioBlob = await response.blob();
        const audioUrl = URL.createObjectURL(audioBlob);
        const audio = new Audio(audioUrl);
        audio.play();
    } catch (error) {
        console.error('调用出错:', error);
    }
}

方案2：用URL编码的表单数据 #

如果不想用FormData，也可以用传统的表单编码方式：

async function synthesizeVoice() {
    const params = new URLSearchParams();
    params.append('text', 'Testing, 1 2 3...');
    params.append('speaker_wav', 'C:\\Users\\perso\\Downloads\\Phonetic Sentence\\Converted\\speaker.wav');
    params.append('language_idx', 'en');

    try {
        const response = await fetch('http://localhost:5002/api/tts', {
            method: 'POST',
            headers: {
                'Content-Type': 'application/x-www-form-urlencoded'
            },
            body: params
        });

        if (!response.ok) throw new Error(`API请求失败: ${response.status}`);
        
        const audioBlob = await response.blob();
        const audioUrl = URL.createObjectURL(audioBlob);
        const audio = new Audio(audioUrl);
        audio.play();
    } catch (error) {
        console.error('调用出错:', error);
    }
}

方案3：用GET请求（参数放URL查询串） #

如果要兼容GET方式，记得对特殊路径字符做编码：

async function synthesizeVoice() {
    const customText = 'Testing, 1 2 3...';
    // 对Windows路径的特殊字符做URL编码
    const speakerWavPath = encodeURIComponent('C:\\Users\\perso\\Downloads\\Phonetic Sentence\\Converted\\speaker.wav');
    const languageIdx = 'en';

    const apiUrl = `http://localhost:5002/api/tts?text=${encodeURIComponent(customText)}&speaker_wav=${speakerWavPath}&language_idx=${languageIdx}`;

    try {
        const response = await fetch(apiUrl);

        if (!response.ok) throw new Error(`API请求失败: ${response.status}`);
        
        const audioBlob = await response.blob();
        const audioUrl = URL.createObjectURL(audioBlob);
        const audio = new Audio(audioUrl);
        audio.play();
    } catch (error) {
        console.error('调用出错:', error);
    }
}

三、解决模型重复加载的问题 #

你担心的“每次调用重新加载模型”的问题，其实用TTS Server已经完美解决了！你的bat文件启动服务器时，已经一次性加载了XTTS v2模型，后续所有API调用都是复用这个已经加载好的模型实例，完全没有终端命令那种每次启动都要加载模型的等待时间——只要你的bat启动的服务器一直运行，就不用再担心这个问题。

确认你的bat文件没问题（你现在的写法是对的，再贴一遍方便你核对）：

set TORCH_FORCE_NO_WEIGHTS_ONLY_LOAD=1
echo TORCH_FORCE_NO_WEIGHTS_ONLY_LOAD=%TORCH_FORCE_NO_WEIGHTS_ONLY_LOAD%
"C:\Users\perso\miniconda3\envs\TTS\Scripts\tts-server.exe" --model_path "C:\Users\perso\AppData\Local\tts\tts_models--multilingual--multi-dataset--xtts_v2" --config_path "C:\Users\perso\AppData\Local\tts\tts_models--multilingual--multi-dataset--xtts_v2\config.json"

四、常见问题排查 #

1. 服务器找不到音频文件：speaker_wav必须是服务器能直接访问的绝对路径，不能是客户端本地路径！Windows路径记得用双反斜杠或者正斜杠，比如把C:\xxx改成C:/xxx或者C:\\xxx
2. 参数没传进去：看TTS Server的终端日志，确认打印出来的speaker_wav、text、language_idx是你传的正确值
3. 跨域问题：如果你的前端和TTS Server不在同一端口，要给Flask加跨域支持：安装pip install flask-cors，然后在服务器代码开头加：

   from flask_cors import CORS
   app = Flask(__name__)
   CORS(app)  # 生产环境可以限制允许的域名，比如CORS(app, resources={r"/api/*": {"origins": "http://your-frontend-domain.com"}})
   

4. 模型不匹配：确保启动服务器时指定的是XTTS v2的模型路径，不是其他TTS模型

内容来源于stack exchange