- name
- byted-text-to-speech
- version
- 1.0.0
- author
- volcengine-speech-team
- description
- 将文本合成为语音（TTS）。使用火山引擎豆包语音合成 API，支持流式合成、多种音色、语速/音调/音量调节、Markdown 过滤和 LaTeX 公式播报。当用户需要把文字转成语音、生成朗读音频、配音、旁白、播报，或提到「文字转语音」「TTS」「语音合成」「朗读」「配音」时使用本技能。
- license
- Complete terms in LICENSE
- homepage
- https://www.volcengine.com/docs/6561/1257543
Byted-Text-to-Speech Skill
基于火山引擎豆包语音合成（HTTP Chunked/SSE 单向流式-V3）将文本转为语音并保存为音频文件。
何时使用
当用户有以下需求时，优先使用本 skill：
- 需要把一段文字转成语音、朗读音频
- 需要生成配音、旁白、播报、有声读物片段
- 需要将代码注释、文档、文章等内容转为音频便于收听
- 需要生成多语言语音（中文、英文等）
- 用户提到「文字转语音」「TTS」「语音合成」「朗读」「配音」「念出来」「读给我听」
- 用户没有明确说"语音合成"，但任务本质上需要将文本内容转为可播放的音频时
使用前检查
优先检查是否已配置以下凭证：
MODEL_SPEECH_API_KEY
如果缺少凭证，打开 references/setup-guide.md 查看开通、申请和配置方式，并给予用户开通建议
脚本参数
| 参数 | 简写 | 必填 | 说明 |
|---|---|---|---|
--text | -t | 是 | 要合成的文本内容 |
--output | -o | 否 | 输出音频文件路径（默认自动生成） |
--speaker | -s | 否 | 发音人，默认 zh_female_vv_uranus_bigtts，音色列表 |
--format | 否 | 音频格式：mp3（默认）、pcm、ogg_opus | |
--sample-rate | 否 | 采样率，如 16000、24000（默认 24000） | |
--speech-rate | 否 | 语速 [-50, 100]，100 代表 2.0 倍速，-50 代表 0.5 倍速，默认 0 | |
--pitch-rate | 否 | 音调 [-12, 12]，默认 0 | |
--loudness-rate | 否 | 音量 [-50, 100]，100 代表 2.0 倍音量，-50 代表 0.5 倍音量，默认 0 | |
--bit-rate | 否 | 比特率，对 mp3 和 ogg_opus 格式生效（如 64000、128000），默认 64000 | |
--filter-markdown | 否 | 过滤 markdown 语法（如 **你好** 读为"你好"），默认关闭 | |
--enable-latex | 否 | 启用 LaTeX 公式播报（使用 latex\_parser v2，自动开启 markdown 过滤），默认关闭 |
返回值说明
脚本输出 JSON，包含：
status:"success"或"error"local_path: 本地音频文件路径format: 音频格式error: 失败时的错误信息
请将 local_path 或可访问的音频 URL 返回给用户，便于播放或下载。
错误处理
- 若报错
PermissionError: MODEL_SPEECH_API_KEY ... 需在环境变量中配置：提示用户在 API Key 管理 获取并配置MODEL_SPEECH_API_KEY，写入 workspace 下的环境变量文件后重试。 - 若返回 4xx/5xx 或业务错误码：根据错误信息提示用户检查文本内容、发音人 ID 及账号是否已开通豆包语音服务。
故障排查
- 缺少凭证：打开
references/setup-guide.md - 需要查 API 参数、字段、错误码：打开
references/docs-index.md - 如果脚本返回权限错误，优先检查服务是否已开通、凭证是否有效，给予用户明确的操作指引
参考资料
按需打开以下文件，不必默认全部加载：
references/setup-guide.md：服务开通、凭证申请、环境变量配置references/docs-index.md：API 文档索引、参数说明、音色列表、错误码速查
示例
# 基本用法
python scripts/text_to_speech.py -t "欢迎使用火山引擎语音合成服务。"
# 指定发音人与输出格式
python scripts/text_to_speech.py -t "这是一段测试语音。" -s zh_female_vv_uranus_bigtts -o output.mp3 --format mp3
# 指定语速与采样率
python scripts/text_to_speech.py -t "语速和音调可调。" --speech-rate 10 --sample-rate 16000