doubao-tts-cn — 豆瓣语音合成（中国）

豆包 TTS - 火山引擎语音合成（V3 API） 将文本或 Markdown 文件合成为高质量语音音频，支持异步长文本合成（最高 10 万字符）。

前置条件 用户需要在火山引擎控制台开通语音合成服务，创建应用，获取 APP ID 和 Access Token 确保已配置 VOLCENGINE_APP_ID 和 VOLCENGINE_ACCESS_TOKEN 环境变量 安装

{baseDir}/install.sh

非交互模式：

{baseDir}/install.sh --app-id  --access-token 

使用方式 基础合成

python3 {baseDir}/scripts/tts.py "你好，这是一段测试文本"

合成 Markdown 文件

python3 {baseDir}/scripts/tts.py ""

指定音色和输出

python3 {baseDir}/scripts/tts.py "" --voice-type BV700_streaming --output story.mp3

启用字幕时间戳

python3 {baseDir}/scripts/tts.py "" --subtitle

设置情感

python3 {baseDir}/scripts/tts.py "" --emotion happy --emotion-scale 4

使用 SSML（仅模型 1.0）

python3 {baseDir}/scripts/tts.py "" --ssml --model 1.0

完整参数组合

python3 {baseDir}/scripts/tts.py story.md \
  --voice-type zh_female_chancan_v2_h5 \
  --format mp3 \
  --sample-rate 24000 \
  --output story.mp3 \
  --subtitle \
  --emotion happy \
  --model 1.0

参数说明： 参数 | 说明 | 默认值 ---|---|--- input | 文本内容或文件路径（必填） | - --voice-type, -v | 音色 ID | zh_female_chancan_v2_h5 --format, -f | 音频格式 | mp3/wav/pcm/ogg_opus | mp3 --sample-rate | 采样率 | 24000 --output, -o | 输出文件路径 | 自动生成 --ssml | 文本格式为 SSML（仅模型 1.0） | false --emotion | 情感设置 | happy/sad/angry 等 | 无 --emotion-scale | 情绪强度 | 1~5 | 4 --subtitle | 启用字幕时间戳 | false --speed | 语速 | [-50,100] | 0 --volume | 音量 | [-50,100] | 0 --model | 模型版本 | 1.0/2.0 | 1.0 --timeout | 最长等待秒数 | 1800

API 版本说明 本 Skill 使用 V3 API（/api/v3/tts/submit + /api/v3/tts/query），鉴权通过以下 Header： X-Api-App-Id: 应用 ID X-Api-Access-Key: Access Token X-Api-Resource-Id: 资源 ID（模型 1.0 用 seed-tts-1.0，模型 2.0 用 seed-tts-2.0）

注意事项 模型 2.0 暂不支持 SSML SSML 闭合标签内字符数不能超过 150 个 合成音频在服务端保存 7 天，下载链接有效期 1 小时 submit 和 query 接口共享并发配额

配置说明 环境变量加载优先级：

• 全局配置: ~/.config/doubao-tts/.env
• 项目目录: 当前工作目录下的 .env
• 系统环境变量

错误处理 错误码 | 说明 ---|--- 20000000 | 成功 40000000 | 请求参数错误 40000001 | 任务不存在或已过期 45000000 | 音色鉴权失败或并发限流 55000000 | 服务端错误

规则 始终通过 {baseDir} 引用脚本路径 合成前确认环境变量已配置 首次使用前需运行 bash {baseDir}/install.sh