业务赋能中心
TTS 语音合成
克隆音色、参考音频、本地网关合成、输出文件和事件流水说明。
功能定位
TTS 语音合成 用于把业务文本提交到本地语音合成链路，生成可下载的音频结果。当前能力不是纯云端 API，而是依赖地区本地网关和本地 TTS 服务执行。
它适合这些场景：
- 给视频脚本生成样音、口播草稿或正式配音。
- 沉淀客户、主播或业务口径的可复用克隆音色。
- 给剪辑、复盘、提案或交付材料快速补齐音频样例。
先准备什么
正式创建 TTS 任务前，通常要先准备一条可用音色。
音色侧重点包括：
- 克隆音色名称：便于业务识别。
- 语言：例如中文。
- 参考音频：通过上传票据先落到本地可访问目录。
- 状态：启用或停用。
- 备注：记录适用客户、主播或口播限制。
当前系统里的音色以 参考音频克隆 方式为主，因此参考音频质量会直接影响合成结果。
创建任务时要填什么
- 音色：选择已启用且参考音频可用的克隆音色。
- 合成文本：本次要生成语音的正文。
- 本地网关和区域：决定由哪个地区执行合成。
- 语言：通常会跟随音色，也可以按页面允许值确认。
- 优先级：用于区分处理先后。
- 采样和批处理参数：例如
max_new_frames、批大小、采样模式、随机种子等。 - 文本预处理开关：例如文本规范化、Wetext 处理、流式解码等。
大多数业务场景下，保持系统默认参数即可；只有在音色质量、速度或稳定性需要专项调优时，才建议调整高级参数。
标准操作流程
- 先在
TTS 音色中准备或确认可用音色。 - 确认参考音频已经成功上传到本地可访问目录。
- 在
TTS 任务中填写文本、音色和目标网关。 - 提交后观察任务是否进入处理中。
- 完成后进入详情查看输出文件、播放效果和事件流水。
- 需要重做时可在失败任务基础上重试，或调整文本后重新创建。
结果怎么看
TTS 任务常见会包含这些结果信息：
- 当前任务状态。
- 输出音频文件列表。
- 下载入口。
- 事件流水。
- 失败原因。
如果任务已经完成但没有可用输出文件，通常要回头检查本地执行器日志或输出目录权限。
和本地网关怎么协同
当前链路里：
- 云端负责记录任务、权限、参数和文件展示。
- 本地网关负责接收任务、校验参考音频路径、调用本地 TTS 服务。
- 本地 TTS 服务负责真正的语音生成。
- 合成结果会写回共享盘指定目录，再由云端展示或下载。
因此，TTS 页面里的“处理中”“无输出”“下载失败”，都不只是前端问题，往往还要看网关和 TTS 服务状态。
常见异常
任务一直处理中
优先检查目标地区网关是否在线，本地 TTS 服务健康检查是否正常。
任务失败
优先检查参考音频路径是否有效、文本是否过长、当前音色是否被停用，或高级参数是否被设置得过于激进。
完成了但没有输出文件
优先检查输出目录权限、共享盘空间，以及本地结果是否已经成功回写。
音色可选但合成效果异常
优先检查参考音频是否清晰、是否含明显噪声，以及参考音频与目标文本语言是否匹配。