描述 #

语音合成模块 - 基于豆包语音大模型的文本转音频解决方案

核心功能 #

• 接入火山引擎大模型（volc.tts）的语音合成接口
• 支持多种参数配置，如音色、情绪、编码格式、语速、采样率等
• 并发处理多个文本输入，输出 Base64 编码音频及原始响应
• 适合用于语音播报、虚拟人声音生成、听力内容制作等场景

使用场景 #

• 智能客服、语音助理内容生成
• 多语言文本播报系统
• 内容平台、短视频配音
• 虚拟人语音驱动

企业接入说明 #

当前该能力仅对通过企业认证的用户开放，如需测试或正式接入，请先完成火山引擎企业认证流程。

算子参数 #

输入 #

输出 #

字符串数组，文本生成的音频结果；
若识别失败或输入为空字符串，则对应元素为 None

参数 #

如参数没有默认值，则为必填参数

调用示例 #

下面的代码展示了如何使用 daft 运行算子将文字转换为语音。

from __future__ import annotations

import os

import daft
from daft import col
from daft.las.functions.audio.audio_tts_doubao import AudioTtsDoubao
from daft.las.functions.udf import las_udf

if __name__ == "__main__":
    # 从环境变量中读取豆包语音服务的鉴权信息：
    # - OPENSPEECH_APPID：应用 ID，用于标识调用方
    # - OPENSPEECH_TOKEN：访问令牌，用于接口鉴权
    appid = os.getenv("OPENSPEECH_APPID")
    token = os.getenv("OPENSPEECH_TOKEN")

    if os.getenv("DAFT_RUNNER", "native") == "ray":
        import logging

        import ray

        def configure_logging():
            logging.basicConfig(
                level=logging.INFO,
                format="%(asctime)s - %(name)s - %(levelname)s - %(message)s",
                datefmt="%Y-%m-%d %H:%M:%S",
            )
            logging.getLogger("tracing.span").setLevel(logging.WARNING)
            logging.getLogger("daft_io.stats").setLevel(logging.WARNING)
            logging.getLogger("DaftStatisticsManager").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaScheduler").setLevel(logging.WARNING)
            logging.getLogger("DaftFlotillaDispatcher").setLevel(logging.WARNING)

        ray.init(dashboard_host="0.0.0.0", runtime_env={"worker_process_setup_hook": configure_logging})
        daft.context.set_runner_ray()

    daft.set_execution_config(actor_udf_ready_timeout=600)
    daft.set_execution_config(min_cpu_per_task=0)

    samples = {
        "text_input": [
            "今天天气真好，适合出去走走。",
        ]
    }

    df = daft.from_pydict(samples)
    df = df.with_column(
        "tts_audio",
        las_udf(
            AudioTtsDoubao,
            construct_args={
                "appid": appid,
                "token": token,
                "uid": "test",
                "concurrency": 1,
                "timeout": 60,
            },
            num_cpus=1,
            batch_size=1,
            concurrency=1,
        )(col("text_input")),
    )

    df.show()
    # ╭─────────────────────────────────────────────┬────────────────────────────────╮
    # │ text_input                                  ┆ tts_audio                      │
    # │ ---                                         ┆ ---                            │
    # │ Utf8                                        ┆ Binary                         │
    # ╞═════════════════════════════════════════════╪════════════════════════════════╡
    # │ 欢迎使用豆包语音大模型，这是一个演示示例。…        ┆ b"\xff\xf3\xe4\xc4\x00\x00\x0… │
    # ╰─────────────────────────────────────────────┴────────────────────────────────╯