FlowTTS

新一代低延迟对话式语音合成系统

English | 简体中文

---

FlowTTS: 一个低延迟、可声音克隆、具备拟人化表达能力的新一代语音生成系统。它能够自然呈现语气词、情绪与副语言细节，让对话场景中的 AI "听起来像真人"。

在线体验

• 对话式 TTS 全部音色体验页

特性

• 超低延迟: 流式 SSE API，支持 Keep-Alive 长连接
• 声音克隆: 提交少量语音样本，创建专属克隆音色
• 拟人化表达: 自然呈现语气词、情绪与副语言细节
• 多语言支持: 中/英/日/韩/粤语

模型说明

模型	定位	特点
flow_01_turbo	对话场景主推	超低延迟，音质高，拟人度强，支持中/英/日/韩/粤语

音色列表

• flow_01_turbo 精品音色列表

快速开始

1. 开通服务

FlowTTS 依托 TRTC AI 对话方案使用，需先开通以下任一服务：

• AI 智能识别包（轻量版/尊享版）
• TRTC 包月套餐 Plus 能力

详见 TRTC 开通 & 计费说明

2. 安装依赖

pip install -r requirements.txt

注意：请确保安装最新版本的腾讯云 SDK（>=3.0.1200），以获得完整的 TTS 功能支持。

3. 配置环境变量

cp .env.example .env

编辑 .env 文件，填入腾讯云密钥：

TENCENTCLOUD_SECRET_ID=your_secret_id_here
TENCENTCLOUD_SECRET_KEY=your_secret_key_here
TENCENTCLOUD_SDK_APP_ID=1400000000

获取密钥：腾讯云控制台

4. 运行示例

基础 TTS 示例

python examples/example_simple.py

声音克隆示例

# 1. 准备音频样本（16kHz 单声道 WAV，10-180秒）
cp your_voice.wav test_data/clone_sample.wav

# 2. 克隆声音，获取 voice_id
python examples/example_voice_clone.py

# 3. 在 example_simple.py 中使用返回的 voice_id 进行 TTS 合成
# 修改 VOICE_CONFIG["VoiceId"] 为克隆返回的 voice_id
python examples/example_simple.py

参数配置

语音参数

参数	范围	说明
Speed	0.5 ~ 2.0	语速
Volume	0 ~ 10	音量
Pitch	-12 ~ 12	音高

音频格式

接口类型	支持格式	采样率
流式 (SSE)	pcm	16000, 24000
非流式	pcm, wav	16000, 24000

默认格式：pcm，默认采样率：24000

Keep-Alive 长连接

SDK 支持 HTTP Keep-Alive，复用 TCP 连接以降低延迟：

http_profile = HttpProfile()
http_profile.keepAlive = True        # 启用 Keep-Alive
http_profile.pre_conn_pool_size = 3  # 连接池大小

参数	说明
keepAlive	启用后复用 TCP 连接，避免重复握手，降低后续请求延迟
pre_conn_pool_size	预建连接池大小，提前建立连接，首次请求也能快速响应

启用 Keep-Alive 后，连续请求可节省约 50-100ms 的连接建立时间

API 文档

• SSE 流式文本转语音 API
• 声音克隆 API

TRTC AI 对话集成

在 TRTC AI 对话配置中加入 TTS 配置，TTSConfig：

• 对话式 AI TTS 配置

{
  "TTSType": "flow",
  "VoiceId": "your_voice_id",
  "Model": "flow_01_turbo",
  "Speed": 1.0,
  "Volume": 1.0,
  "Pitch": 0,
  "Language": "zh"
}

License

MIT License - see LICENSE for details.