John Qiu
712063071c
skills/ → skills-dev(9), skills-req(10), skills-ops(4), skills-integration(8), skills-biz(4), skills-workflow(7) generate-marketplace.py 改为自动扫描所有 skills-* 目录。 Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
201 lines
4.9 KiB
Markdown
201 lines
4.9 KiB
Markdown
# 豆包语音插件 - 开发状态
|
||
|
||
**更新时间**: 2026-02-07
|
||
**版本**: 1.0.0
|
||
|
||
---
|
||
|
||
## ✅ 已完成功能
|
||
|
||
### 1. TTS (文字转语音) - 完全可用 ✅
|
||
|
||
**测试状态**: 通过
|
||
**API版本**: V1
|
||
**可用音色**:
|
||
- BV700_V2_streaming (通用女声)
|
||
- BV701_V2_streaming (通用男声)
|
||
- BV406_streaming (温柔女声)
|
||
- BV158_streaming (活泼女声)
|
||
- BV115_streaming (磁性男声)
|
||
|
||
**测试命令**:
|
||
```bash
|
||
source scripts/setup_env.sh
|
||
python3 scripts/voice_converter.py tts "你好世界" -o hello.mp3
|
||
```
|
||
|
||
**测试结果**:
|
||
- ✅ HTTP 200 OK
|
||
- ✅ Code 3000 Success
|
||
- ✅ 成功生成 MP3 文件
|
||
- ✅ 音质正常
|
||
|
||
---
|
||
|
||
## ⚠️ 待完成功能
|
||
|
||
### 2. ASR (语音转文字) - 待启用服务
|
||
|
||
**问题**: Code 1001 - "requested resource not granted"
|
||
|
||
**原因**: ASR 服务未在火山引擎控制台正确启用
|
||
|
||
**解决步骤**:
|
||
1. 访问: https://console.volcengine.com/speech/service
|
||
2. 找到 "语音识别 (ASR)" 服务
|
||
3. 确保服务已启用并勾选必要选项
|
||
4. 等待服务生效（可能需要几分钟）
|
||
5. 重新测试
|
||
|
||
**测试命令** (服务启用后):
|
||
```bash
|
||
python3 scripts/voice_converter.py asr audio.mp3
|
||
```
|
||
|
||
---
|
||
|
||
### 3. V3 API / 豆包2.0音色 - 调试中
|
||
|
||
**问题**: Code 45000000 - "get resource id empty"
|
||
|
||
**已尝试的方法**:
|
||
- [x] Resource-Id header
|
||
- [x] X-Resource-Id header
|
||
- [x] resource_id query parameter
|
||
- [x] resource_id in app config
|
||
- [x] 多种 resource_id 值: volc.bigmodel.tts, volc.seed-tts.default, volc.tts.default
|
||
|
||
**当前状态**: 所有方法均返回相同错误
|
||
|
||
**可能原因**:
|
||
1. V3 API 可能需要不同的认证方式 (IAM签名)
|
||
2. 需要特殊的服务实例配置
|
||
3. Resource-Id 的获取或配置方法不正确
|
||
|
||
**建议**:
|
||
- 联系火山引擎技术支持获取 V3 API 正确配置方法
|
||
- 或继续使用 V1 API (已满足基本需求)
|
||
|
||
---
|
||
|
||
## 📁 项目文件结构
|
||
|
||
```
|
||
plugins/doubao-voice-plugin/
|
||
├── .claude-plugin/
|
||
│ └── plugin.json # 插件元数据
|
||
├── skills/
|
||
│ └── SKILL.md # 技能定义和文档
|
||
├── scripts/
|
||
│ ├── voice_converter.py # 主转换工具 (V1 API, 可用)
|
||
│ ├── voice_converter_v2.py # 手动签名版本 (待测试)
|
||
│ ├── voice_converter_sdk.py # SDK版本 (待测试)
|
||
│ ├── check_credentials.py # 凭证检查工具
|
||
│ ├── test_services.py # 服务状态测试
|
||
│ ├── test_v3_debug.py # V3 API 调试脚本
|
||
│ ├── setup_env.sh # 环境变量配置脚本
|
||
│ └── README_TEST.md # 测试报告
|
||
├── README.md # 用户文档
|
||
└── STATUS.md # 本文件 (开发状态)
|
||
```
|
||
|
||
---
|
||
|
||
## 🔧 诊断工具
|
||
|
||
### 检查凭证配置
|
||
```bash
|
||
python3 scripts/check_credentials.py
|
||
```
|
||
显示当前环境变量配置状态
|
||
|
||
### 测试服务状态
|
||
```bash
|
||
python3 scripts/test_services.py
|
||
```
|
||
测试 TTS 和 ASR 服务是否可用
|
||
|
||
### V3 API 调试
|
||
```bash
|
||
python3 scripts/test_v3_debug.py
|
||
```
|
||
测试多种 V3 API 配置方式
|
||
|
||
---
|
||
|
||
## 📊 当前凭证配置
|
||
|
||
```bash
|
||
DOUBAO_APP_ID="your_app_id"
|
||
DOUBAO_ACCESS_TOKEN="your_access_token"
|
||
|
||
# V3 可选配置 (暂不可用)
|
||
# DOUBAO_USE_V3="true"
|
||
# DOUBAO_RESOURCE_ID="volc.bigmodel.tts"
|
||
```
|
||
|
||
**Access Key 信息** (用于签名认证，暂未使用):
|
||
- Access Key ID: your_access_key_id
|
||
- Secret Access Key: your_secret_access_key
|
||
|
||
---
|
||
|
||
## 🎯 下一步计划
|
||
|
||
### 立即可用
|
||
1. ✅ **使用 TTS 功能**
|
||
- 集成到应用中
|
||
- 测试不同音色
|
||
- 生产环境部署
|
||
|
||
### 短期目标 (1-3天)
|
||
2. ⚠️ **启用 ASR 服务**
|
||
- 在控制台启用服务
|
||
- 测试语音识别功能
|
||
- 完善错误处理
|
||
|
||
### 长期目标 (可选)
|
||
3. 🔄 **V3 API 支持**
|
||
- 联系火山引擎技术支持
|
||
- 获取正确的 Resource-Id 配置方法
|
||
- 支持豆包2.0高级音色
|
||
|
||
---
|
||
|
||
## 📞 技术支持
|
||
|
||
### 火山引擎
|
||
- 文档: https://www.volcengine.com/docs/6561/1329505
|
||
- 控制台: https://console.volcengine.com/speech/app
|
||
- 服务管理: https://console.volcengine.com/speech/service
|
||
|
||
### 常见问题解决
|
||
1. **TTS 可用但 ASR 不可用**
|
||
- 检查控制台 ASR 服务是否启用
|
||
- 确认勾选了"语音识别"选项
|
||
|
||
2. **V3 API 持续报错**
|
||
- 暂时使用 V1 API
|
||
- 联系火山引擎技术支持
|
||
|
||
3. **认证失败**
|
||
- 检查环境变量是否正确设置
|
||
- 确认 Access Token 格式正确
|
||
- 注意 Authorization header 使用 `Bearer;{token}` (有分号)
|
||
|
||
---
|
||
|
||
## ✨ 总结
|
||
|
||
**当前可用**: TTS (文字转语音) 功能完全可用，可以投入使用
|
||
|
||
**待解决**:
|
||
1. 在控制台启用 ASR 服务
|
||
2. (可选) 解决 V3 API 配置问题
|
||
|
||
**建议**: 先使用 V1 API 的 TTS 功能，满足基本语音合成需求。ASR 功能在控制台启用服务后即可使用。V3 API 的豆包2.0音色为可选功能，可以后续再解决。
|
||
|
||
---
|
||
|
||
*Generated by Claude Code on 2026-02-07*
|