文本转语音

1. 什么是文本转语音任务？

文本转语音（Text-to-Speech，TTS）是大模型推理服务中的重要任务之一，旨在将输入的文本内容转换为自然、可听的语音输出。通过 TTS 能力，用户可以将文本快速转化为语音，用于播报、对话反馈和多媒体内容生成等场景。

2. 典型应用场景

• 语音播报：将文章、公告、提示信息自动转换为语音。
• 对话系统：为聊天机器人或智能助手提供语音回复能力。
• 数字人 / 虚拟角色：为虚拟形象生成指定音色的语音输出。
• 无障碍辅助：帮助视障用户通过语音获取文本内容。

3. 影响推理效果的关键因素

输入文本（Text）

• 作为语音生成的原始内容，文本的语义、标点和结构会直接影响语音的停顿与节奏。
• 建议合理使用标点符号（如逗号、句号）以获得更自然的朗读效果。避免过长、结构混乱的文本。

参数调整

以下参数用于控制语音生成的稳定性、多样性以及输出音色：

Temperature（随机性控制，0.0 – 1.0）

• 控制语音生成过程中的随机性。
• 较低值（如 0.1）：语音表现更加稳定、一致，适合正式播报。
• 较高值（如 0.8）：语音变化更丰富，适合更自然或个性化的表达。
• 应用场景：用于在稳定性与自然度之间进行平衡。

Top P（词汇采样范围，0.0 – 1.0）

• 通过控制参与生成的词汇概率范围，影响语音表达的多样性。
• 较低值：输出更可预测，语音风格更统一。
• 较高值：表达更灵活，语音细节变化更多。
• 应用场景：在保证可控性的前提下提升语音自然度。

声音类型（Reference ID）

• 用于选择语音生成所使用的参考音色或声音模板。
• 不同 Reference ID 对应不同的音色风格（如性别、语气、角色）。
• 应用场景：根据需求选择合适的音色，提升语音的亲和力和个性化。

4. 代码调用示例

import requests
url = "https://xxxxxxxxxxxx.space.opencsg-stg.com/v1/tts"
headers = {
    'Content-Type': 'application/json'
}
data = {"format":"wav","temperature":0.8,"top_p":0.8,"reference_id":"musk"}
response = requests.post(url=url, json=data, headers=headers, stream=True)
response.raise_for_status()
if response.status_code == 200:
    for line in response.iter_lines():
        if line:
            try:
                decoded_line = re.sub(r'^data:', '', line.decode('utf-8'))
                data = json.loads(decoded_line)
                if ("choices" in data) and data['choices'][0]['delta'] and ("content" in data['choices'][0]['delta']):
                    print(data['choices'][0]['delta'])
            except json.JSONDecodeError:
                pass