tts_trans/README.md

🎙️ TTS Proxy Service

小米 MiMo TTS 音频转换代理服务，提供实时 TTS 接口和 Web 管理界面。

架构

听书 App / curl ──HTTP──▶ 本服务 ──API──▶ 小米 MiMo TTS
                         │
                         ├── 智能文本分段（>2000字自动切分拼接）
                         ├── TTS 自动重试（5xx 错误最多重试 3 次）
                         └── MP3 缓存

快速启动

# 1. 配置 API Key
cp .env.example .env
# 编辑 .env 填入 MIMO_API_KEY

# 2. 启动
docker compose up -d

# 3. 访问
# 管理界面: http://your-server:3333
# TTS 接口: http://your-server:3333/api/tts

核心功能

POST /api/tts — 实时 TTS

文本进 → MP3 出。支持 JSON 和 Form 两种格式，长文本自动分段拼接。

# JSON 格式
curl -X POST http://localhost:3333/api/tts \
  -H "Content-Type: application/json" \
  -d '{"text": "你好世界", "style": "开心", "voice": ""}' \
  -o output.mp3

# Form 格式（百度兼容）
curl -X POST http://localhost:3333/api/tts \
  -d "tex=你好世界" \
  -o output.mp3

GET /health — 健康检查

管理接口（需 Bearer Token）

接口	方法	说明
/admin/api/preview	POST	TTS 试听，返回音频 URL
/admin/api/config	GET	查看当前配置

接入听书 App

在 App 中配置 TTS 音频源：

• URL: http://your-server:3333/api/tts
• Method: POST
• Body: {"text": "{{speakText}}"}
• Content-Type: audio/mpeg

App 模板变量：{{speakText}}（文本）、{{speakSpeed}}（语速 5-50）

App 只能动态传文本。voice/style 需在 JSON body 中写死，或通过其他客户端调用时传入。

环境变量

变量	必填	默认值	说明
MIMO_API_KEY	✅	-	MiMo TTS API Key
MIMO_API_ENDPOINT	❌	https://api.xiaomimimo.com/v1/chat/completions	API 地址
MIMO_TTS_MODEL	❌	mimo-v2-tts	模型名称
MIMO_VOICE	❌	mimo_default	默认音色
API_TOKEN	❌	-	管理接口 Bearer Token（留空则不鉴权）

MiMo TTS 风格参考

类别	示例
情感	开心 / 悲伤 / 生气 / 平静
语速	语速慢 / 语速快 / 悄悄话
角色	像个大将军 / 像个小孩 / 孙悟空
方言	东北话 / 四川话 / 台湾腔 / 粤语

不使用 Docker

pip install -r requirements.txt
# 系统需安装 ffmpeg
export MIMO_API_KEY=your_key
cd app && python main.py