TTS標準介面 - Intelligent Media Services

即時工作流程支援您按照我們提供的標準協議來接入文本轉語音（TTS）模型。

自研TTS標準介面

您需要實現一個公網可訪問的HTTP流式Data Transmission Service，按照我們定義的輸入輸出規範，封裝好您的文本轉語音模型，即可將您的自研TTS添加到工作流程中。

首先您需要在編排管理主控台中的TTS 文字轉語音節點中，配置以下參數：

名稱	類型	必填	描述	樣本值
請求服務地址	String	是	自研模型HTTPS介面地址	https://www.abc.com
Token	String	否	服務校正令牌	AUJH-pfnTNMPBm6iWXcJAcWsrscb5KYaLitQhHBLKrI
採樣率	Integer	是	採樣率，單位Hz，可選項： 8000 16000 24000 48000	48000

說明

介面只支援S16LE格式的單聲道音頻資料，在發送前需重採樣到介面支援的格式。

在即時工作流程運行期間，我們會按照以下格式，組裝表單資料，通過Post請求來訪問您配置的自研文本轉語音模型HTTPS地址，輸入參數如下：

名稱	類型	必填	描述	樣本值
Text	String	是	語音文本	你好
VoiceId	String	否	音色	yourVoiceId
SampleRate	Integer	是	採樣率，單位Hz	48000
Token	String	否	服務校正令牌	AUJH-pfnTNMPBm6iWXcJAcWsrscb5KYaLitQhHBLKrI
ExtendData	String	是	提交自訂TTS拓展資訊欄位，會包含執行個體Id，以及啟動執行個體時您傳入的UserData業務欄位資料。	{'InstanceId':'68e00b6640e*****3e943332fee7','ChannelId':'123','SentenceId':'3',UserData':'{"aaaa":"bbbb"}'}
InstanceId	String	是	執行個體ID資訊	68e00b6640e*****3e943332fee7
ChannelId	String	是	房間ID資訊	123
SentenceId	Int	是	問答ID資訊說明對於使用者的同一次提問，智能體回答會使用相同的ID資訊。	3
Emotion	String	否	說話情緒： neutral：自然 happy：高興 sad：悲傷說明不傳入該參數時，表示這次語音合成不含情緒。	happy
UserData	String	否	啟動執行個體時您傳入的UserData業務欄位資料	{"aaaa":"bbbb"}

說明

您需要將產生的對應音色以及採樣率的音頻源流PCM通過HTTP流式響應，分段發送給我們的服務，我們將即時地推送到後續節點當中。

自訂TTS Server

Python

自訂TTS Server程式碼範例如下：

from aiohttp import web


async def stream_audio(request):
    data = await request.json()
    text = data.get('Text', "")
    token = data.get('Token', None)
    sample_rate = data.get('SampleRate', 48000)
    extend_data = data.get('ExtendData', "")
    print(f"text:{text}, token:{token}, sample_rate:{sample_rate}, extend_data:{extend_data}")
    # TODO:校正Token是否合法

    response = web.StreamResponse(
        status=200,
        reason='OK',
        headers={'Content-Type': 'audio/mpeg'}
    )

    # 開始響應
    await response.prepare(request)

    # generate_tts_data 是一個協程，用於產生音頻資料
    async for chunk in generate_tts_data(text, sample_rate):
        await response.write(chunk)

    # 完成響應
    await response.write_eof()

    return response


async def generate_tts_data(text: str, sample_rate: int):
    # TODO: 調用TTS服務，產生對應音頻對應採樣率的音頻資料
    # 樣本：從檔案讀取音頻資料
    file_path = '/your_dir/sample.pcm'
    with open(file_path, 'rb') as f:
        while True:
            chunk = f.read(4096)  # 每次讀取4KB的資料
            if not chunk:
                break
            yield chunk

app = web.Application()
app.add_routes([web.post('/stream-audio', stream_audio)])

if __name__ == '__main__':
    web.run_app(app)

Intelligent Media Services：TTS標準介面

自研TTS標準介面

自訂TTS Server

Python

相關文檔