语音合成（TTS）

主要用于为系统提供拟人化语音播报与实时语音输出能力。

1. 应用场景

• 消息自动朗读：聊天消息文本转语音自动播报。
• 语音交互全流程：语音唤醒回复、实时语音通话、伴睡模式等场景的语音发声。

2. 操作路径

设置 → 模型配置 → 语音合成模型

3. 支持的服务商

目前灵枢已接入并支持以下语音服务商与协议标准：

• 阿里云 (Aliyun TTS)
• 小米 (Xiaomi)
• 火山引擎 (Volcengine / 字节跳动)
• Fish Audio
• 灵枢 Fish 兼容协议（支持自建或兼容 Fish 协议的服务接入）

[!TIP] 前往对应服务商开放平台获取 API Key / Token 后，在配置页选择对应服务商并填入凭证即可生效。

接下来依次介绍如何配置

小米 MiMo TTS 配置指引（免费）

小米 MiMo 语音合成目前处于免费阶段，且注册流程极简（暂无需实名认证），推荐优先接入体验。

1. 获取 API Key 步骤

1. 注册与登录：
   • 访问官网注册账号：小米 MiMo 官网
2. 创建密钥：
   • 登录成功后，直接访问 API 密钥管理页
   • 点击 创建 API Key 并完成复制。

2. 系统中配置

• 返回系统：设置 → 模型配置 → 语音合成模型
• 服务商选择 小米 / MiMo
• 将复制好的密钥粘贴至 「密钥输入框」 中保存即可。

音色模式与选择建议

系统提供 预置音色 与 音色复刻（自定义声音） 两种合成模式：

模式	特点与优势	使用建议 / 音频要求
预置音色<br>(推荐)	⚡ 响应速度极快、延迟低，稳定性高。	推荐在日常对话、实时通话等注重低延迟体验的场景下优先使用。
声音复刻	🎙️ 支持通过上传样本音频克隆专属音色。	上传音频时建议满足以下条件，以确保最佳复刻效果：<br>• 格式：支持 MP3 等常见音频格式<br>• 时长：建议音频时长 不超过 10 秒<br>• 音质：发音清晰、无背景杂音/噪点

[!TIP] 调优小建议：

• 追求极致的对话流畅度与首包响应时间，建议首选 预置音色；
• 复刻音色质量直接受原音频影响，录音时建议尽量贴近麦克风并处于安静环境。

火山引擎声音复刻

访问以下链接
https://console.volcengine.com/speech/new/experience/clone?projectName=default

上传参考音频

同意协议 点开始复刻

复刻完成 点击箭头的地方 复制音色id

1. 模型配置——语音合成模型

2. 服务商选火山引擎TTS

3. 资源ID选声音复刻模型

4. 音色id填写之前复制的音色id即可

5. 复制API密钥 https://console.volcengine.com/speech/new/setting/apikeys?projectName=default 复制密钥粘贴到 api密钥 输入框

   

说明： 首次开通应该会赠送10个音色槽位（意味着同时可以用 10个 自己复刻出来的音色），2w字免费语音合成额度 每个音色槽位可训练14次音色，每次训练都会覆盖前次训练的音色 免费额度用完 可购买语音包 https://console.volcengine.com/speech/new/purchase?projectName=default官方定价 28元 10w字 合成额度

不购买也可以，开通后付费的方式 0.0003/字 RMB

阿里云声音复刻

1. 访问 大模型服务平台百炼控制台 创建APIKEY 保存好（没有登录会自动跳转登录页面 登录成功后会自动跳转到APIKEY页面）

   

2. 访问 大模型服务平台百炼控制台

   

3. 上传音频即可完成复刻

4. 复刻完成后访问 大模型服务平台百炼控制台 即可看到已经复刻的音色，点击箭头所指复制音色ID

将复制好的音色ID粘贴到灵枢语音合成模型 音色输入框右上角保存即可