ai-proj-helper/skills-integration/doubao-voice-plugin/scripts

豆包语音工具使用指南

简单易用的豆包语音命令行工具，支持文字转语音(TTS)和唱歌。

快速开始

1. 配置环境变量

# 在 ~/.zshrc 或 ~/.bashrc 中添加
export DOUBAO_APP_ID="your_app_id"
export DOUBAO_ACCESS_TOKEN="your_access_token"

# 使配置生效
source ~/.zshrc

2. 安装依赖

pip install requests

使用方法

📝 文字转语音 (TTS)

基础用法：

python voice_converter.py tts "你好，我是豆包语音助手"

指定输出文件和音色：

python voice_converter.py tts "欢迎使用豆包语音" -o welcome.mp3 -v BV701_V2_streaming

可用音色：

• BV700_V2_streaming - 通用女声（默认，推荐）
• 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

🎵 唱歌 (Singing)

基础用法：

python singing.py sing "请唱一首关于春天的歌"

指定输出文件：

python singing.py sing "唱一个温柔的摇篮曲" -o lullaby.mp3

交互式模式（实时对话）：

python singing.py interactive

在交互模式下可以自然地与豆包对话，要求她唱歌、讲故事等。输入 quit 退出。

Python 代码调用

# TTS - 文字转语音
from voice_converter import DoubaoVoiceConverter

converter = DoubaoVoiceConverter()
audio_file = converter.text_to_speech(
    "你好，欢迎使用豆包语音",
    output_file="hello.mp3",
    voice_type="BV700_V2_streaming"
)
print(f"生成语音: {audio_file}")

# 唱歌
import asyncio
from singing import DoubaoSinging

async def main():
    singing = DoubaoSinging()

    # 让豆包唱歌
    audio_file = await singing.sing(
        "请唱一首情歌",
        output_file="love_song.mp3",
        language="zh-CN"
    )
    print(f"唱歌完成: {audio_file}")

    # 或启动交互模式
    # await singing.interactive_singing()

asyncio.run(main())

完整示例

示例1：生成通知语音

# 生成女声通知
python voice_converter.py tts "您有一条新消息，请注意查收" -o notification.mp3

# 生成男声通知
python voice_converter.py tts "系统将在5分钟后进行维护" -o maintenance.mp3 -v BV701_V2_streaming

示例2：唱歌

# 让豆包唱一首情歌
python singing.py sing "请唱一首温柔的情歌" -o love_song.mp3

# 让豆包唱一首儿歌
python singing.py sing "唱一首欢快的儿歌" -o kids_song.mp3

# 启动交互式模式与豆包对话
python singing.py interactive

错误处理

常见错误

1. 环境变量未设置

❌ 错误: 请先设置环境变量:
export DOUBAO_APP_ID='your_app_id'
export DOUBAO_ACCESS_TOKEN='your_access_token'

解决： 确保已正确设置环境变量并 source ~/.zshrc

2. API 调用失败

❌ 错误: TTS 失败 (code: 4001): Invalid token

解决： 检查 Access Token 是否正确或已过期

技术参数

音频格式要求

TTS 输出：

• 格式：MP3
• 采样率：16000 Hz
• 声道：单声道

API 限制

• TTS: 单次最长 5000 字符
• 并发限制: 根据购买的并发数

在 Claude Code 中使用

在 Claude Code 中可以直接用自然语言调用：

TTS - 文字转语音:

"把这段话转成语音：你好世界"
"用温柔女声合成：欢迎光临"

唱歌:

"请唱一首关于春天的歌"
"唱一个温柔的摇篮曲"
"开启与豆包的实时语音对话模式"

获取 API 凭证

1. 访问 火山引擎控制台
2. 创建应用
3. 获取 App ID 和 Access Token
4. 开通所需服务：
   • 豆包语音合成模型2.0

参考链接

• 火山引擎豆包语音文档
• API 接口文档
• 计费说明