语音配置与适配器开发¶

手册 · 代理设置 · 视频学习

TTS（语音合成）和 STT（语音识别）在语音设置中拥有各自的提供商配置文件和默认值，与聊天模型相互独立。

配置与验证¶

1. 选择一个已实现的提供商，并提供其端点、准确的模型/资源 ID 和凭据类型。
2. 在支持的情况下，通过提供商发现语音。语音 ID 并非永久捆绑目录；账户专属语音和模型 ID 保持可编辑。列出某个语音并不证明账户已获授权。
3. 选择该模型系列支持的语言、格式和其他选项。
4. 预览一段简短样本，然后保存/选择默认设置。预览使用当前表单，不会更改已保存的默认值。
5. 保存后验证实际的朗读或转录效果。仅模型列表成功并不能证明语音合成或识别可用。

预览会调用提供商，并可能产生使用量。表单更改会使旧预览失效；进行中的预览可以取消。请求超时接受 5–600 秒，默认值为 60。短样本有助于隔离配置错误。

提供商边界¶

• Volcengine Speech： 语音凭据不同于 Ark LLM 密钥。适配器接受 Speech API Key 认证以及较旧的 App ID/访问令牌形式。匹配 TTS 资源和语音系列。STT 使用录音文件 API；音频标准化可能需要系统 FFmpeg。
• 阿里云 DashScope： Qwen3 TTS 和 Qwen-Audio TTS 具有不同的原生端点和参数。适配器会标准化受支持的官方兼容模式基址；私有端点必须实现所选协议。匹配密钥和端点区域。通过发现机制和实际预览确认语音，而不是假定旧示例仍然可用。
• 其他适配器： 兼容的聊天端点并不代表语音 API 也兼容。模型选项和实时发现机制决定所支持的语音和格式。

保留不同的认证、区域/模型、权限、速率限制、超时和音频下载错误，同时不暴露包含凭据的响应。保留取消机制和已配置的超时，而不是添加无限制的重试。

源码映射¶

添加适配器时，请测试凭据处理、端点标准化、解码、超时/取消以及错误编辑。将实时检查与模拟协议测试分开报告。提供商目录、可用性和计费均保留在本仓库之外。