4.1.2 TTS

1. 模块概述

TTS 组件提供统一的本地语音合成接口，负责把文本合成为 WAV/PCM 音频。组件位于 components/model_zoo/tts，提供 C++ API、Python 绑定、文件合成 demo 和流式合成 demo，可被 omni_agent 用作语音回复输出。

支持的后端：

后端	语言	采样率	说明
`matcha:zh`	中文	22050Hz	Matcha-TTS 中文模型。
`matcha:en`	英文	22050Hz	Matcha-TTS 英文模型，依赖 `espeak-ng` 做英文音素处理。
`matcha:zh-en`	中英混合	16000Hz	Matcha-TTS 中英混合模型，适合机器人对话。
`kokoro` / `kokoro:<voice>`	中文/英文	24000Hz	Kokoro 多音色模型。

典型数据链路：

输入文本 -> 分词/音素处理 -> TTS 后端 -> WAV/PCM -> AudioPlayer 播放

主要目录：

路径	说明
`components/model_zoo/tts/include/tts_service.h`	C++ 对外 API。
`components/model_zoo/tts/src/backends/matcha/`	Matcha-TTS 后端。
`components/model_zoo/tts/src/backends/kokoro/`	Kokoro 后端和音色管理。
`components/model_zoo/tts/examples/tts_file_demo.cpp`	C++ 文件合成示例。
`components/model_zoo/tts/examples/tts_stream_demo.cpp`	C++ 流式合成播放示例。
`components/model_zoo/tts/python/`	Python 包 `spacemit_tts` 与示例。

演示视频

Matcha-TTS 中英混合演示 GIF

2. 环境准备

前置条件

SDK 源码获取和基础编译环境配置统一参考 2.3-构建编译。完成 SDK 初始化后，回到本文继续执行“构建编译”。

后续命令默认在 spacemit_robot SDK 根目录执行。

构建编译

语音组件使用 target/k3-com260-omni-agent.json 目标配置。系统缺少依赖时先安装：

sudo apt install libsndfile1-dev libfftw3-dev espeak-ng

在 SDK 根目录加载环境后编译 TTS：

source build/envsetup.sh
lunch k3-com260-omni-agent
cd components/model_zoo/tts
mm

流式播放和本文回放命令还依赖 audio 组件和 PortAudio。如当前环境没有 audio_demo，继续编译 audio：

cd ../../multimedia/audio
mm

构建产物会把 tts_file_demo、tts_stream_demo、audio_demo 安装到 output/staging/bin。需要 Python 示例时，在 SDK 根目录执行：

m -py

注意：m -py / mm -py 是构建 wheel，使用系统 Python 环境执行；不要在 ~/.comm-env 中执行。~/.comm-env 只用于后面的 pip install 和运行 Python 示例。

运行 Python 示例前，先安装虚拟环境依赖，并创建、激活 ~/.comm-env：

sudo apt install python3-venv python-is-python3 python3-pip
python3 -m venv ~/.comm-env
source ~/.comm-env/bin/activate

然后二选一安装 Python 包。方式一，直接安装发布包：

python -m pip install spacemit-tts \
    --index-url https://git.spacemit.com/api/v4/projects/33/packages/pypi/simple

方式二，回到 SDK 根目录安装本地构建出的 wheel：

python -m pip install output/wheels/components_model_zoo_tts/spacemit_tts-*.whl \
    --index-url https://git.spacemit.com/api/v4/projects/33/packages/pypi/simple

安装后可 import spacemit_tts。

模型默认放在 ~/.cache/models/tts/ 下，首次运行会按后端检查模型。Matcha 中文还会使用 cppjieba 词典，matcha:zh-en 和 Kokoro 会使用 cpp-pinyin 词典；相关第三方资源通常缓存在 ~/.cache/thirdparty/。

3. 示例使用

3.1 文件合成

tts_file_demo -p "今天学Python" -l matcha:zh-en

预期输出包含引擎名称、采样率、音频时长、处理时间、RTF，并保存 output.wav。可以用 audio 组件回放：

audio_demo play ./output.wav -c 2 -d 1

常用后端示例：

tts_file_demo -p "你好世界" -l matcha:zh
tts_file_demo -p "Hello" -l matcha:en
tts_file_demo -p "今天学Python" -l matcha:zh-en
tts_file_demo -p "你好" -l kokoro
tts_file_demo -p "你好" -l kokoro:yunxi

3.2 自定义发音 lexicon

tts_file_demo 支持通过 --lexicon 修正中文多音字或指定英文热词读法。中文 phoneme 使用带声调拼音；matcha:zh-en 的英文热词可用 locale=en 交给 espeak-ng 生成 IPA。

tts_file_demo -p "你好,我是 SpaceMIT 的语音合成模型,很高兴为你服务" \
    -l matcha:zh-en \
    --lexicon "为你:wei4 ni3:zh,SpaceMIT:space meet:en"

3.3 C++ 流式合成

tts_stream_demo -p "你好" -e matcha:zh-en

该示例会把输入文本切分成句子，边模拟 LLM 输出边合成音频并播放。日志包含 开始流式合成、[合成] 第 1 句完成、[播放] 重采样 和 播放完成。

3.4 Python 多引擎 demo

cd components/model_zoo/tts/python/examples
python tts_file_demo.py

示例会依次创建 Matcha 中文、英文、中英混合和 Kokoro 引擎，输出多个 WAV 文件。流式 Python 示例：

python tts_stream_demo.py -p "你好"

4. 应用开发

本章面向应用开发者，说明如何在自己的 C++ / Python 应用中集成 TTS 组件。完整接口以 components/model_zoo/tts/include/tts_service.h 为准；本节只介绍常用公开接口和典型调用方式。TTS 的 C++ 入口是 SpacemiT::TtsEngine，Python 入口是 spacemit_tts.Engine。

4.1 接口说明

TTS 组件的核心入口是 SpacemiT::TtsEngine。应用侧通过该类创建合成引擎、选择后端，并发起阻塞合成、流式合成或双向流合成请求。

4.1.1 常用数据结构

类型	说明
`TtsConfig`	引擎配置。常用字段：`backend`、`model_dir`、`voice`（Kokoro 音色名）、`speaker_id`（多说话人模型）、`sample_rate`、`speech_rate`、`pitch`、`volume`（[0,100]）、`lexicon`、`num_threads`。可用 `Preset(name)` 创建预置配置；含链式 `withSpeed/withSpeaker/withVolume`。
`BackendType`	后端枚举。`MATCHA_ZH` / `MATCHA_EN`（22050Hz）、`MATCHA_ZH_EN`（16000Hz，中英混合）、`KOKORO`（24000Hz，多音色）、`COSYVOICE` / `VITS` / `PIPER` / `CUSTOM`（保留）。不同后端默认采样率不同，接 audio 播放需重采样。
`AudioFormat`	输出音频格式。`PCM`、`WAV`；`MP3`、`OGG` 为预留。
`PronunciationEntry`	自定义发音条目。字段 `word`（要纠正的词）、`phoneme`（拼音或音素）、`locale`（默认 `zh`，可选 `en` 仅对 matcha:zh-en 有效）。
`TtsEngineResult`	合成结果。提供 `GetAudioData()`（bytes）/ `GetAudioFloat()` / `GetAudioInt16()`、`GetSampleRate()`、`GetDurationMs()`、`GetProcessingTimeMs()`、`GetRTF()`、`IsSuccess()`、`GetMessage()`、`IsEmpty()`、`IsSentenceEnd()`、`SaveToFile(path)`。
`TtsResultCallback`	流式回调基类。覆写 `OnOpen()`、`OnEvent(result)`、`OnComplete()`、`OnError(message)`、`OnClose()`。回调由 TTS 引擎内部线程触发，自有状态需自行加锁。
`TtsEngine::DuplexStream`	双向流句柄。提供 `SendText(text)` 持续推送文本片段、`Complete()` 表示文本流结束、`IsActive()` 查询状态；典型用于 LLM 流式输出对接 TTS。

4.1.2 引擎初始化与预设

接口	说明	参数	返回值
`TtsEngine(backend, model_dir)`	通过后端枚举快速构造，模型路径为空时使用默认缓存路径。	`backend`：`BackendType`；`model_dir`：可选模型目录。	引擎实例。
`TtsEngine(TtsConfig)`	用完整配置构造，可指定语速、音色、采样率、发音词典等。	`config`：`TtsConfig` 实例。	引擎实例。
`TtsConfig::Preset(name)`	静态工厂，返回指定预设的 `TtsConfig`，可在其上覆写字段。	`name`：matcha_zh / matcha_en / matcha_zh_en / kokoro 等。	`TtsConfig`。
`TtsConfig::AvailablePresets()`	静态方法，返回当前可用的预设名称列表。	无。	`std::vector<std::string>`。
`IsInitialized()` / `GetEngineName()` / `GetBackendType()` / `GetSampleRate()` / `GetNumSpeakers()` / `GetConfig()`	状态与配置查询。	无。	各自类型。

4.1.3 阻塞合成

接口	说明	参数	返回值
`Call(text, config=TtsConfig())`	一次性合成完整文本，返回包含全部音频的结果对象。	`text`：要合成的文本；`config`：可选覆盖配置。	`shared_ptr<TtsEngineResult>`，失败返回 `nullptr` 或 `IsSuccess()==false`。
`CallToFile(text, file_path)`	合成并直接写 WAV 文件，免去手动 `SaveToFile()`。	`text`：要合成的文本；`file_path`：输出 WAV 路径。	`bool`。

4.1.4 流式合成

接口	说明	参数	返回值
`StreamingCall(text, callback, config=TtsConfig())`	一次性输入文本，分句合成；每句通过 `OnEvent` 回调返回一个 chunk，`IsSentenceEnd()` 区分中间/句末。	`text`：完整文本；`callback`：`shared_ptr<TtsResultCallback>`；`config`：可选覆盖配置。	无直接返回；输出通过 callback。
`StartDuplexStream(callback, config=TtsConfig())`	启动双向流会话，返回 `DuplexStream` 句柄；适合上游持续产文本（例如 LLM 流式输出）。	`callback`：`shared_ptr<TtsResultCallback>`；`config`：可选覆盖配置。	`shared_ptr<DuplexStream>`。
`DuplexStream::SendText(text)`	把一段文本片段推入流，引擎内部会做切句和合成。可多次调用。	`text`：文本片段。	无。
`DuplexStream::Complete()`	标记文本流结束；引擎合成完剩余文本后触发 `OnComplete`。	无。	无。

4.1.5 运行时配置

接口	说明	参数	返回值
`SetSpeed(speed)` / `SetSpeaker(speaker_id)` / `SetVolume(volume)`	运行时切换语速、说话人、音量；下一次 `Call()` 起生效。	`speed`：>1 加速、<1 减速；`speaker_id`：多说话人模型索引；`volume`：[0, 100]。	无。
`UpdateLexicon(entries)`	更新自定义发音词典，立即生效，影响后续合成。	`entries`：`vector<PronunciationEntry>`。	无。
`GetLastRequestId()`	取最近一次合成的请求标识，便于日志关联。	无。	`string`。

4.2 C++ 调用示例

以下示例默认已完成 §2 构建；模型在 ~/.cache/models/tts/ 下对应子目录（matcha-tts / kokoro / ...）。

TTS 组件编译后会把 tts_service.h 和 libtts_service_cpp.so 安装到 output/staging。下游组件链接 TTS 库的 CMake 写法：

add_executable(my_app main.cpp)

find_library(TTS_SERVICE_LIB NAMES tts_service_cpp
    PATHS ${CMAKE_INSTALL_PREFIX}/lib NO_DEFAULT_PATH)
find_path(TTS_SERVICE_INCLUDE_DIR NAMES tts_service.h
    PATHS ${CMAKE_INSTALL_PREFIX}/include NO_DEFAULT_PATH)
if(NOT TTS_SERVICE_LIB OR NOT TTS_SERVICE_INCLUDE_DIR)
    message(FATAL_ERROR "tts_service_cpp not found. Build components/model_zoo/tts first.")
endif()

target_include_directories(my_app PRIVATE ${TTS_SERVICE_INCLUDE_DIR})
target_link_libraries(my_app PRIVATE ${TTS_SERVICE_LIB})

包依赖建议在当前组件的 package.xml 中声明 <depend>tts</depend>。

4.2.1 一次性合成存 WAV

适用场景：批量离线合成、固定提示音生成、脚本化测试。

调用步骤：

用 TtsConfig::Preset("matcha_zh") 创建预设配置，按需覆写 speech_rate、volume、sample_rate。
构造 TtsEngine 并通过 IsInitialized() 检查。
调用 CallToFile(text, path) 直接落盘，或 Call(text) 取结果再 SaveToFile()。

#include <iostream>
#include "tts_service.h"

int main() {
    SpacemiT::TtsConfig config = SpacemiT::TtsConfig::Preset("matcha_zh");
    config.speech_rate = 1.0f;

    SpacemiT::TtsEngine engine(config);
    if (!engine.IsInitialized()) {
        std::cerr << "TTS 引擎初始化失败" << std::endl;
        return 1;
    }

    if (!engine.CallToFile("你好，欢迎使用语音合成。", "hello.wav")) {
        std::cerr << "合成失败" << std::endl;
        return 1;
    }
    std::cout << "已生成 hello.wav，采样率 "
              << engine.GetSampleRate() << " Hz" << std::endl;
    return 0;
}

完整版含命令行参数解析和交互模式，见 components/model_zoo/tts/examples/tts_file_demo.cpp。

4.2.2 PCM 内存合成 + 直送播放器

适用场景：合成结果不落盘，直接送 SpacemitAudio::AudioPlayer 播放；或塞入应用自有音频管线（队列、网络发送等）。

调用步骤：

构造引擎并 Call(text) 取 TtsEngineResult。
通过 GetAudioInt16() 拿 PCM16 样本，GetSampleRate() 拿采样率。
起 AudioPlayer 用对应采样率播放，把样本转为字节写入。

#include <vector>
#include "tts_service.h"
#include "audio_base.hpp"

void SpeakOnce(const std::string& text) {
    SpacemiT::TtsEngine engine(SpacemiT::TtsConfig::Preset("matcha_zh"));
    auto result = engine.Call(text);
    if (!result || !result->IsSuccess()) return;

    std::vector<int16_t> pcm = result->GetAudioInt16();
    int sample_rate = result->GetSampleRate();

    SpacemitAudio::AudioPlayer player(-1);
    player.Start(sample_rate, 1);
    const auto* bytes = reinterpret_cast<const uint8_t*>(pcm.data());
    player.Write(bytes, pcm.size() * sizeof(int16_t));
    player.Stop();
    player.Close();
}

若播放设备只支持 48kHz（K3 默认），先用 Resampler 把 22050 / 16000 / 24000 转成 48000；具体见 6.3.3-audio §4.2.5。

4.2.3 流式合成边播

适用场景：长文本或低延迟回复，需要"边合成边播"，避免等整段合成完才出声；用户打断（barge-in）也依赖流式接口。

调用步骤：

实现 TtsResultCallback 子类，覆写 OnEvent 把 chunk 推入播放队列；OnComplete 通知主线程合成结束。
构造引擎，调用 StreamingCall(text, callback)；该函数会启动后台合成。
主线程从队列取 PCM 写入 AudioPlayer，达到边合成边播效果。

#include <atomic>
#include <iostream>
#include <memory>
#include <mutex>
#include <queue>

#include "tts_service.h"
#include "audio_base.hpp"

class PlaybackCallback : public SpacemiT::TtsResultCallback {
 public:
    void OnEvent(std::shared_ptr<SpacemiT::TtsEngineResult> result) override {
        if (!result || !result->IsSuccess()) return;
        std::lock_guard<std::mutex> lk(mu_);
        chunks_.push(result->GetAudioInt16());
        sample_rate_ = result->GetSampleRate();
    }
    void OnComplete() override { done_ = true; }
    void OnError(const std::string& msg) override {
        std::cerr << "[TTS] " << msg << std::endl;
        done_ = true;
    }

    std::mutex mu_;
    std::queue<std::vector<int16_t>> chunks_;
    std::atomic<bool> done_{false};
    int sample_rate_ = 0;
};

int main() {
    SpacemiT::TtsEngine engine(SpacemiT::TtsConfig::Preset("matcha_zh"));
    auto cb = std::make_shared<PlaybackCallback>();

    engine.StreamingCall("你好世界。今天天气很好。", cb);

    SpacemitAudio::AudioPlayer player(-1);
    bool started = false;
    while (!cb->done_ || !cb->chunks_.empty()) {
        std::vector<int16_t> pcm;
        {
            std::lock_guard<std::mutex> lk(cb->mu_);
            if (!cb->chunks_.empty()) { pcm = std::move(cb->chunks_.front()); cb->chunks_.pop(); }
        }
        if (pcm.empty()) continue;
        if (!started) { player.Start(cb->sample_rate_, 1); started = true; }
        player.Write(reinterpret_cast<const uint8_t*>(pcm.data()),
                     pcm.size() * sizeof(int16_t));
    }
    player.Stop();
    player.Close();
    return 0;
}

完整版含进度展示与采样率自适应，见 components/model_zoo/tts/examples/tts_stream_demo.cpp。

4.2.4 双向流（边输入文本边合成）

适用场景：上游持续产文本（典型如 LLM 流式输出），希望文本一边到达就一边触发合成，整体延迟最小化。

调用步骤：

实现 TtsResultCallback，处理 chunk（参考 §4.2.3）。
调用 StartDuplexStream(callback) 取得 DuplexStream。
上游每收到一段文本就 stream->SendText(piece)；上游结束时调 stream->Complete()，等待 OnComplete。

auto engine = std::make_shared<SpacemiT::TtsEngine>(
    SpacemiT::TtsConfig::Preset("matcha_zh_en"));
auto cb = std::make_shared<PlaybackCallback>();

auto stream = engine->StartDuplexStream(cb);
stream->SendText("你好");
stream->SendText("世界，");
stream->SendText("现在开始流式合成。");
stream->Complete();   // 通知文本流结束
// 主线程继续从 cb->chunks_ 取数据播放，与 §4.2.3 相同

4.2.5 自定义发音 lexicon

适用场景：纠正多音字（如"为你"读 wei4 ni3 而非 wei2 ni3）、产品名注音、混合语合成（matcha:zh-en 下指定英文词的英文读法）。

调用步骤：

准备 vector<PronunciationEntry>，每条含 word、phoneme、locale（默认 zh）。
构造或运行时调 engine.UpdateLexicon(entries)。
后续 Call() / StreamingCall() 都会用更新后的词典。

SpacemiT::TtsEngine engine(SpacemiT::TtsConfig::Preset("matcha_zh_en"));

std::vector<SpacemiT::PronunciationEntry> entries = {
    {"为你", "wei4 ni3", "zh"},
    {"SpaceMIT", "space meet", "en"},
};
engine.UpdateLexicon(entries);

engine.CallToFile("你好，我是 SpaceMIT 的语音合成模型，很高兴为你服务。",
                  "lexicon_demo.wav");

locale="zh" 时 phoneme 是带声调拼音（空格分隔）；locale="en" 仅对 matcha:zh-en 有效，phoneme 是英文单词或短语，由 espeak-ng 渲染成 IPA。

4.3 Python 示例

Python 包名为 spacemit_tts，安装方式见 §2 中 wheel 安装步骤。导入后直接使用：

import spacemit_tts

4.3.1 文件合成

import spacemit_tts

config = spacemit_tts.Config.preset("matcha_zh")
config.speech_rate = 1.0
config.volume = 80

with spacemit_tts.Engine(config) as engine:
    result = engine.synthesize("你好，欢迎使用语音合成。")
    print(f"采样率 {result.sample_rate} Hz, "
          f"时长 {result.duration_ms} ms, RTF {result.rtf:.3f}")
    result.save("hello.wav")

也可以用模块级快捷函数一句话存盘：

import spacemit_tts
spacemit_tts.synthesize_to_file("你好世界", "output.wav")

4.3.2 流式合成

继承 TtsCallback 实现自定义回调，结合 synthesize_streaming(text, callback) 触发流式合成：

import numpy as np
import spacemit_tts

class CollectCallback(spacemit_tts.TtsCallback):
    def __init__(self):
        super().__init__()
        self.chunks = []
        self.sample_rate = 0

    def on_event(self, result):
        if result.is_success and not bool(result) is False:
            self.chunks.append(np.array(result.get_audio_int16(),
                                         dtype=np.int16))
            self.sample_rate = result.get_sample_rate()

    def on_error(self, message: str):
        print(f"[TTS] {message}")

cb = CollectCallback()
engine = spacemit_tts.Engine(spacemit_tts.Config.preset("matcha_zh"))
engine.synthesize_streaming("你好世界。今天天气很好。", cb)

audio = np.concatenate(cb.chunks) if cb.chunks else np.empty(0, dtype=np.int16)
print(f"共 {audio.size} 采样点，{cb.sample_rate} Hz")

也可直接复用包内置回调（PrintCallback / SaveCallback / CollectCallback），无需自己继承 ABC。完整流式 demo 见 components/model_zoo/tts/python/examples/tts_stream_demo.py。

4.3.3 C++ ↔ Python 接口对照

C++（`SpacemiT::`）	Python（`spacemit_tts.`）	备注
`TtsConfig` + `Preset(name)`	`Config(backend, model_dir)` 或 `Config.preset(name)`	Python 字段通过属性 setter（`speech_rate` / `volume` / `speaker_id` / `sample_rate` / `pitch`）或链式 `with_speed/with_speaker/with_volume`。
`TtsEngine(config)` + `IsInitialized()`	`Engine(config)` 或 `with Engine(config) as engine`	Python 构造时直接初始化，无需显式 `initialize()`；`engine.is_initialized` 查询状态。
`Call(text)`	`Engine.synthesize(text) → Result` 或 `synthesize(text)` 模块级快捷函数
`CallToFile(text, path)`	`Engine.synthesize_to_file(text, path) → bool` 或 `synthesize_to_file(text, path)`
`StreamingCall(text, callback)`	`Engine.synthesize_streaming(text, callback)`	callback 需为 `TtsCallback` 子类实例。
`StartDuplexStream(callback)`	当前 Python 包未暴露	双向流场景请使用 C++ API。
`TtsResultCallback`	`TtsCallback`（ABC）/ `PrintCallback` / `SaveCallback` / `CollectCallback`	后三者为内置便捷实现。
`SetSpeed/SetSpeaker/SetVolume/UpdateLexicon`	`engine.set_speed(speed)` / `set_speaker(id)` / `set_volume(vol)` / `update_lexicon(entries)`	`entries` 接受 dict 列表（`{"word": ..., "phoneme": ..., "locale": ...}`）或 `PronunciationEntry` 实例。
`TtsEngineResult::GetAudioFloat/Int16/Data` 等 getter	`result.audio_float` / `audio_int16` / `audio_bytes` / `sample_rate` / `duration_ms` / `rtf` 属性	Python 侧用属性而非方法；`result.save(path)` 等价 `SaveToFile`。

更多 Python 示例（含 Kokoro 多音色、双语切换）见 components/model_zoo/tts/python/examples/。

5. 调试指南

调试 TTS 时先确认后端、文本处理和播放链路：

文件合成优先用 tts_file_demo 验证，确认输出 WAV 可被 audio_demo play 正常播放。
英文或中英混合文本先确认 espeak-ng、lexicon 和词典资源是否可用。
播放异常时记录模型输出采样率和播放设备采样率，必要时显式重采样。
性能评估以模型 warmup 后的合成 RTF 为准，Kokoro 首次初始化时间应单独记录。

6. 常见问题

现象	可能原因	处理
首次合成明显慢	模型加载和 warmup 开销	以 warmup 后的合成 RTF 评估性能。
英文发音异常	`espeak-ng` 缺失或热词未配置	安装 `espeak-ng`，必要时用 `--lexicon` 指定读法。
播放速度或音调异常	播放采样率与模型采样率不一致	用 `audio_demo play` 或 `AudioPlayer` 播放时开启重采样。
Kokoro 初始化很慢	模型和音色加载开销较大	应用启动阶段预初始化，不要在每轮对话里反复创建引擎。

附录：K3 实测数据

以下数据基于 K3 平台量化模型构建（tts_file_demo --provider auto）实测。每项运行 3 次，表中取 RTF 中位数对应结果；引擎初始化与 warmup 不计入处理时间。

默认 provider 路由：matcha:zh / matcha:en 使用 SpaceMIT EP 跑声学模型、CPU 跑 vocoder；matcha:zh-en 使用 CPU 跑声学模型和 vocoder；Kokoro 当前使用 CPU 路径。

后端	`-l` 参数	测试文本	音频时长	处理时间	RTF
MATCHA_ZH	`matcha:zh`	"这是一个语音合成测试"	2565ms	575ms	0.22
MATCHA_EN	`matcha:en`	"This is a longer English speech synthesis benchmark sentence for measuring real time factor on the K3 platform."	6873ms	1608ms	0.23
MATCHA_ZH_EN	`matcha:zh-en`	"今天学Python"	1920ms	542ms	0.28
KOKORO	`kokoro`	"你好"	2075ms	6582ms	3.17

测试命令：tts_file_demo -p "<text>" -l <engine> --provider auto

1. 模块概述​

演示视频​

2. 环境准备​

前置条件​

构建编译​

3. 示例使用​

3.1 文件合成​

3.2 自定义发音 lexicon​

3.3 C++ 流式合成​

3.4 Python 多引擎 demo​

4. 应用开发​

4.1 接口说明​

4.1.1 常用数据结构​

4.1.2 引擎初始化与预设​

4.1.3 阻塞合成​

4.1.4 流式合成​

4.1.5 运行时配置​

4.2 C++ 调用示例​

4.2.1 一次性合成存 WAV​

4.2.2 PCM 内存合成 + 直送播放器​

4.2.3 流式合成边播​

4.2.4 双向流（边输入文本边合成）​

4.2.5 自定义发音 lexicon​

4.3 Python 示例​

4.3.1 文件合成​

4.3.2 流式合成​

4.3.3 C++ ↔ Python 接口对照​

5. 调试指南​

6. 常见问题​

附录：K3 实测数据​

1. 模块概述

演示视频

2. 环境准备

前置条件

构建编译

3. 示例使用

3.1 文件合成

3.2 自定义发音 lexicon

3.3 C++ 流式合成

3.4 Python 多引擎 demo

4. 应用开发

4.1 接口说明

4.1.1 常用数据结构

4.1.2 引擎初始化与预设

4.1.3 阻塞合成

4.1.4 流式合成

4.1.5 运行时配置

4.2 C++ 调用示例

4.2.1 一次性合成存 WAV

4.2.2 PCM 内存合成 + 直送播放器

4.2.3 流式合成边播

4.2.4 双向流（边输入文本边合成）

4.2.5 自定义发音 lexicon

4.3 Python 示例

4.3.1 文件合成

4.3.2 流式合成

4.3.3 C++ ↔ Python 接口对照

5. 调试指南

6. 常见问题

附录：K3 实测数据