跳到主要内容

AI语音生成

1. 介绍​

AI语音生成（TTS）功能可以将文本内容转换为自然流畅的语音音频。系统基于智谱AI的GLM-TTS模型，支持多种声色选择、语速调节和音量控制，适用于内容朗读、语音播报、视频配音等场景。

AI语音合成依赖智谱AI的TTS模型服务，使用前请确保已在"AI模型配置"中正确配置了相关API Key。

2. 功能概览​

功能说明
文本转语音输入文案，一键生成语音音频
多声色选择支持7种声色：彤彤、锤锤、小陈、Jam、Kazi、Douji、Luodo
语速调节支持0.25x ~ 4x 倍速调整
音量增益支持-10dB ~ +10dB 音量调节
历史记录自动保存生成历史，支持回放、复用和下载

3. 操作界面​

页面分为三个区域：

  • 左侧 — 参数控制面板：设置倍速、音量增益、声色等参数
  • 中间 — 试听与输入区域：输入文案内容，试听生成结果
  • 右侧 — 生成历史列表：查看历史记录，支持播放、复用文案、下载、删除操作

4. 使用步骤​

4.1 配置参数​

在左侧面板中设置语音参数：

  • 倍速：拖动滑块调整语速，默认1x，范围0.25x ~ 4x
  • 音量增益(dB)：拖动滑块调整音量，默认0dB，范围-10dB ~ +10dB
  • 声色：从下拉框选择音色
    • 彤彤 — 女声，温柔自然（默认）
    • 锤锤 — 男声，沉稳大气
    • 小陈 — 男声，年轻活力
    • Jam — 英文男声
    • Kazi — 英文男声
    • Douji — 中性声线
    • Luodo — 中性声线

4.2 输入文案​

在中间区域的文本框中输入要合成的内容（最多500字），也可点击下方的常用场景标签快速填入示例文案。

4.3 生成语音​

点击"开始合成"按钮，系统将调用AI模型生成音频文件。生成完成后，可在中间区域直接试听。

4.4 管理历史记录​

右侧历史列表展示所有生成记录，支持以下操作：

  • 播放：点击播放按钮试听
  • 复用文案：将历史文案重新填入输入框
  • 下载：下载音频文件到本地
  • 删除：删除不需要的记录

5. 后台配置​

在 application-dev.yml（或对应环境配置）中添加语音相关配置：

jeecg:
  ai-chat:
    ai-model-voice:
      provider: ZHIPU
      model: glm-tts
      apiKey: 你的智谱AI API Key
      apiHost: https://open.bigmodel.cn/api/paas/v4
      timeout: 60
      voice: alloy           # 默认声色
      speed: 1.0             # 默认倍速（0.25~4.0）
      volume: 0.0            # 默认音量增益(dB)

6. API接口​

接口方法说明
/airag/voice/generatePOST文本生成语音，传入文案、声色、倍速、音量等参数
/airag/voice/listByUserGET查询当前用户的语音生成历史
/airag/voice/deleteVoiceRecordDELETE删除指定的语音生成记录

7. 常见问题​

Q：生成语音时提示失败？

A：请检查以下几点：

  1. 确认已正确配置智谱AI的 API Key
  2. 确认 API Key 余额充足

Q：语音文件保存在哪里？

A：生成的语音文件保存在服务器上传目录的 voice/ 文件夹下。