LobeHub
LobeHub

在 LobeHub 中使用豆包语音

豆包语音 是字节跳动火山引擎的语音合成服务,Seed-TTS 2.0 模型使用官方音色合成自然的中英文语音。在 LobeHub 中,豆包语音(Doubao Speech)只提供语音合成(TTS),没有对话模型。

豆包语音与火山方舟(火山引擎 服务商,提供豆包对话、图像与视频模型)是两套独立的服务,控制台与凭证都不同。

步骤一:获取豆包语音凭证

  • 登录 火山引擎语音控制台,开通豆包语音合成模型 2.0;
  • 推荐:在新版控制台的 API Key 管理 中创建并复制 API Key;
  • 旧版控制台账号:改为复制应用的 App ID 与 Access Token。

步骤二:在 LobeHub 中配置豆包语音

  • 打开 应用设置 → AI 服务商,选择 Doubao Speech(可在服务商搜索框中输入 Doubao 快速定位);
  • 将 API Key 粘贴到 API Key,或填写 App ID(旧版控制台) 与 Access Token(旧版控制台)。两者都填写时使用 API Key。修改会自动保存,凭证在存储前会使用 AES-GCM 加密;
  • 打开服务商名称右侧的开关;
  • 可选:如需经代理发送请求,可在 API 代理地址 中填写。留空则使用 https://openspeech.bytedance.com。

步骤三:选择模型

模型列表 的 TTS 标签下列出了 Doubao Speech 2.0(seed-tts-2.0),默认启用。

豆包语音没有对话模型,因此服务商页面不显示 检查 按钮。可按下文方式生成一段语音来验证凭证。

豆包语音合成模型 2.0 按 3 元 / 万字符计费,汉字、字母、标点和空格都按 1 个字符计。大量生成音频前,请先查看 火山引擎语音计费说明。

生成语音

语音合成通过 LobeHub 的语音合成接口完成,LobeHub CLI(lh)与兼容 OpenAI 的 POST /api/v1/audio/speech 接口都使用该接口:

*.sh
Shell
lh generate tts "你好,LobeHub" -m doubaospeech/seed-tts-2.0 -o hello.mp3
  • 音色:未指定时使用 Vivi 2.0(zh_female_vv_uranus_bigtts)。可用 --voice <voice_type> 指定其他官方 2.0 音色,例如 zh_male_m191_uranus_bigtts(云舟)、en_male_tim_uranus_bigtts(Tim),或你自己的复刻音色(S_…,会自动改用声音复刻资源 seed-icl-2.0,需要开通豆包声音复刻模型 2.0)。1.0 音色(*_moon_bigtts、*_mars_bigtts)不能用于 2.0 模型;
  • 长度:语音以单个响应返回,每次请求最多 4096 个字符,更长的文本请拆成多次请求;
  • 格式:mp3(默认)或 opus(固定 48 kHz);
  • 语速与音量:0.5 至 2;
  • 音调:-12 至 12 个半音;
  • 采样率:8000、16000、22050、24000(默认)、32000、44100 或 48000 Hz。

常见问题

“Doubao Speech API Key is incorrect or empty, please check your Doubao Speech API Key and try again.”:没有找到凭证、App ID 与 Access Token 只填了一项,或凭证被火山引擎拒绝。请在 应用设置 → AI 服务商 → Doubao Speech 中填写有效的 API Key(或 App ID + Access Token),或请管理员在服务端设置 DOUBAOSPEECH_API_KEY。

“Enable the voice for this account…”:账号未开通该音色。请在火山引擎语音控制台开通,或换用其他音色。

“The voice does not belong to this model version…”:在 2.0 模型上使用了 1.0 音色,或账号未开通豆包语音合成模型 2.0。

限流或额度错误:账号达到并发上限(默认 10 路),或余额、试用额度已用完。请在火山引擎控制台查看。

自托管部署请参阅 模型服务商环境变量 中的 DOUBAOSPEECH_API_KEY。