dify配置文字转语音工作流

万雨千山

497人浏览 · 2026-04-28 10:11:07

万雨千山 · 2026-04-28 10:11:07 发布

提示：本文用dify简单实现文本转语音配置

文章目录

前言
一、TTS是什么？
二、dify配置步骤
三、其他方案的选择
总结

前言

提示：使用dify配置工作流实现文字转语音（TTS）：

想要低成本或者免费用dify实现文本转语音，几种方案，以及最终使用的方案。

提示：以下是本篇文章正文内容，下面案例可供参考

一、TTS是什么？

TTS模型是将文本信息转换为自然语音的计算机模型，实现“文字到声音”的自动生成。
要实现文本转语音，是需要计算的，而dify本身只是沙箱环境，即使添加python脚本也只是做一些逻辑处理，并不能实现计算处理，所以想要简单实现文本转语音必然是需要一个独立服务或者电脑来提供转换处理，无论是用Java还是python都是调开源的接口或服务，所以选择了TTS模型来处理，不过有的需要付费才能使用，所以综合判断。
这是在网上搜的几种用dify实现文本转语音的方式：
在这里插入图片描述
以上几个核心都是需要一个独立的服务或模型或电脑来单独实现TTS。
我用Java和python都可以简单实现文本转语音，但是dify是部署在服务器上的，本地暴露网关接口之类去让dify也不太可能，公司也不让把脚本部署在服务器上，公司也不想再额外的付费去弄一些TTS的工具和模型，只能基于原本的找找有没有TTS，发现配置的通用模型里确实有两个TTS，所以根据这俩去配置工作流了。

二、dify配置步骤

1.查看是否有TTS模型

在这里插入图片描述

在这里插入图片描述

查看是否有tts模型，如果没有就申请，如果有就在模型模块找点并点击启用

2.新建工作流

在这里插入图片描述
新建工作流后，点击编排，然后点击左侧+，添加节点

但是我们是需要添加TTS文本转语音，就需要TTS模型，LLM里显然是找不到的，应该打开工具找到“Audio”,

选择文本转语音

设置节点变量和模型
在这里插入图片描述

添加节点接收输出音频

这样一个简单的文本转语音就设置成功了

3.测试验证

在这里插入图片描述

能成功生成音频文件即成功。

三、其他方案的选择

1.python本地调接口实现文字转语音

现在终端下载一下edge-tts
在这里插入图片描述

pip install fastapi uvicorn edge-tts

from fastapi import FastAPI
from fastapi.responses import FileResponse
import edge_tts, uuid, os

app = FastAPI()

@app.get("/tts")
async def tts(text: str):
    path = f"{uuid.uuid4()}.mp3"
    tts = edge_tts.Communicate(text, "zh-CN-XiaoxiaoNeural")
    await tts.save(path)
    return FileResponse(path, media_type="audio/mpeg")

if __name__ == "__main__":
    import uvicorn
    uvicorn.run(app, port=8000)

2.java调免费微软TTS生成mp3

pom.xml添加依赖

<dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>
        <!-- 开源免费EdgeTTS Java -->
        <dependency>
            <groupId>com.github.oldfishj</groupId>
            <artifactId>edge-tts-java</artifactId>
            <version>1.2.0</version>
        </dependency>
    </dependencies>

控制类调用接口：

package org.wx.controller;

import com.edge.tts.EdgeTTS;
import org.springframework.http.HttpHeaders;
import org.springframework.http.HttpStatus;
import org.springframework.http.MediaType;
import org.springframework.http.ResponseEntity;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;

import java.io.ByteArrayOutputStream;
import java.io.File;
import java.nio.file.Files;

@RestController
public class TtsController {

    // 常用中文音色
    // zh-CN-XiaoxiaoNeural 女声
    // zh-CN-YunxiNeural 男声

    @GetMapping("/api/tts")
    public ResponseEntity<byte[]> tts(
            @RequestParam String text,
            @RequestParam(required = false, defaultValue = "zh-CN-XiaoxiaoNeural") String voice
    ){
        try {
            File tempMp3 = File.createTempFile("tts_", ".mp3");
            // 免费微软TTS生成mp3
            EdgeTTS tts = new EdgeTTS();
            tts.ttsToFile(text, voice, tempMp3.getAbsolutePath());

            byte[] mp3Bytes = Files.readAllBytes(tempMp3.toPath());
            tempMp3.delete();

            HttpHeaders headers = new HttpHeaders();
            headers.setContentType(MediaType.parseMediaType("audio/mpeg"));
            return new ResponseEntity<>(mp3Bytes, headers, HttpStatus.OK);
        }catch (Exception e){
            e.printStackTrace();
            return ResponseEntity.internalServerError().build();
        }
    }
}