Fish Speech 1.5实战教程：对接企业微信/钉钉机器人语音播报接口
·
Fish Speech 1.5实战教程：对接企业微信/钉钉机器人语音播报接口
1. 引言：当通知有了声音
想象一下这个场景：你正在专心写代码，突然，一个清晰、自然的语音播报在你耳边响起：“服务器CPU使用率超过90%，请立即处理。” 或者，你的团队群里，机器人用你熟悉的声音播报了今天的销售数据。这不再是科幻电影里的场景，而是我们今天要实现的。
Fish Speech 1.5 是一个强大的文本转语音模型，它能生成非常自然、高质量的语音。但它的价值远不止于在网页上点一下“播放”。真正的威力在于把它接入到你的工作流里，让冷冰冰的文字通知变成有温度的语音提醒。
这篇文章，我将带你从零开始，把 Fish Speech 1.5 变成一个能为你所用的“语音播报员”。我们会把它和企业微信、钉钉的机器人对接起来，实现一个自动化、智能化的语音通知系统。无论你是运维工程师、项目经理，还是产品经理，这套方案都能让你的工作更高效、更有趣。
2. 准备工作：部署你的语音工厂
在开始对接之前，我们需要先把 Fish Speech 1.5 跑起来。别担心，过程很简单。
2.1 快速部署 Fish Speech 1.5
如果你还没有部署 Fish Speech 1.5，可以按照以下步骤快速完成。这里假设你使用的是支持 GPU 的云服务器环境。
首先，通过 SSH 连接到你的服务器，然后执行以下命令来拉取和启动服务：
# 1. 拉取最新的 Fish Speech 1.5 镜像（假设使用Docker）
docker pull fishaudio/fish-speech:latest
# 2. 运行容器，映射端口到7860
docker run -d --gpus all \
-p 7860:7860 \
--name fish-speech \
fishaudio/fish-speech:latest
# 3. 检查服务是否正常运行
docker logs fish-speech --tail 20
看到服务启动成功的日志后，你就可以在浏览器里访问 http://你的服务器IP:7860 来打开 Fish Speech 的 Web 界面了。
2.2 验证核心功能
打开 Web 界面后，我们先做个简单的测试，确保一切正常。
- 在「输入文本」框里，输入：“你好，世界！这是一条测试语音。”
- 点击「开始合成」按钮。
- 稍等片刻，你应该能听到一个清晰、自然的语音。
如果测试成功，恭喜你，你的“语音工厂”已经准备就绪了。接下来，我们要为它搭建一条“生产线”，让它能自动接收文本并生成语音。
3. 核心思路：构建自动化语音流水线
我们的目标不是手动在网页上输入文字，而是让程序自动完成。整个流程可以分解为三个核心步骤：
- 接收触发：企业微信或钉钉机器人收到一条消息（比如告警信息、数据报表）。
- 文本处理：程序提取消息中的关键文本，并发送给 Fish Speech 1.5。
- 语音生成与推送：Fish Speech 1.5 生成语音文件，程序再将这个语音文件发回给机器人，在群里播报。
为了实现这个流程，我们需要一个“中间人”服务。这个服务负责监听机器人的消息，调用 Fish Speech 的 API 生成语音，最后把语音文件传回去。我将用 Python 来编写这个“中间人”服务，因为它简单、高效，有丰富的库支持。
4. 实战第一步：编写语音生成服务
Fish Speech 1.5 提供了 HTTP API 供我们调用。我们先来写一个 Python 脚本，实现最基本的文本转语音功能。
4.1 调用 Fish Speech API
创建一个名为 tts_service.py 的文件，写入以下代码：
import requests
import json
import time
import os
class FishSpeechTTS:
def __init__(self, base_url="http://localhost:7860"):
"""
初始化 TTS 客户端
:param base_url: Fish Speech 服务的地址
"""
self.base_url = base_url.rstrip('/')
self.api_url = f"{self.base_url}/api/generate"
def text_to_speech(self, text, output_path="output.wav", language="zh", **kwargs):
"""
将文本转换为语音并保存为文件
:param text: 要转换的文本
:param output_path: 输出音频文件路径
:param language: 语言代码，如 'zh'（中文）、'en'（英文）
:param kwargs: 其他高级参数，如 temperature, top_p 等
:return: 成功返回文件路径，失败返回 None
"""
# 构造请求数据
payload = {
"text": text,
"language": language,
**kwargs # 可以传入其他参数，如 temperature=0.7
}
headers = {
"Content-Type": "application/json"
}
try:
print(f"正在合成语音: {text[:50]}...")
response = requests.post(self.api_url, json=payload, headers=headers, timeout=60)
if response.status_code == 200:
# 保存音频文件
with open(output_path, 'wb') as f:
f.write(response.content)
print(f"语音文件已保存: {output_path}")
return output_path
else:
print(f"API 调用失败，状态码: {response.status_code}")
print(f"响应内容: {response.text}")
return None
except requests.exceptions.RequestException as e:
print(f"请求发生错误: {e}")
return None
except Exception as e:
print(f"处理过程中发生未知错误: {e}")
return None
# 示例：快速测试
if __name__ == "__main__":
tts = FishSpeechTTS()
# 测试合成一段中文语音
test_text = "各位同事请注意，下午三点在会议室召开项目周会，请准时参加。"
result = tts.text_to_speech(test_text, "meeting_notice.wav", language="zh", temperature=0.7)
if result:
print("测试成功！你可以播放 meeting_notice.wav 文件来听效果。")
else:
print("测试失败，请检查服务是否正常运行。")
运行这个脚本，如果一切正常，你会在当前目录下得到一个名为 meeting_notice.wav 的语音文件。双击播放，听听效果。
4.2 添加声音克隆功能（可选但强大）
Fish Speech 1.5 支持声音克隆。这意味着你可以用一段短短的录音，让机器人用你（或任何指定人）的声音来播报。这在个性化通知场景下非常有用。
我们在 FishSpeechTTS 类中添加一个方法：
def text_to_speech_with_clone(self, text, reference_audio_path, reference_text, output_path="output_cloned.wav", language="zh"):
"""
使用参考音频进行声音克隆的语音合成
:param reference_audio_path: 参考音频文件路径（5-10秒清晰语音）
:param reference_text: 参考音频对应的文本
"""
# 注意：此API端点可能与基础合成不同，请根据实际部署的Fish Speech版本调整
clone_api_url = f"{self.base_url}/api/generate_with_reference"
# 需要以 multipart/form-data 形式上传文件
files = {
'audio': open(reference_audio_path, 'rb'),
}
data = {
'text': text,
'reference_text': reference_text,
'language': language
}
try:
print(f"正在使用声音克隆合成: {text[:50]}...")
response = requests.post(clone_api_url, files=files, data=data, timeout=90)
if response.status_code == 200:
with open(output_path, 'wb') as f:
f.write(response.content)
print(f"克隆语音文件已保存: {output_path}")
return output_path
else:
print(f"克隆API调用失败: {response.status_code}, {response.text}")
return None
except Exception as e:
print(f"克隆过程中发生错误: {e}")
return None
finally:
files['audio'].close()
重要提示：声音克隆的 API 端点 (/api/generate_with_reference) 和参数可能需要根据你部署的 Fish Speech 1.5 具体版本进行调整。最准确的方法是查阅其官方文档或通过 Web 界面抓取网络请求。
5. 实战第二步：对接企业微信机器人
现在我们的“语音工厂”可以工作了，接下来要打通“物流”——把企业微信的消息送进来，把生成的语音送出去。
5.1 创建企业微信群机器人
- 打开企业微信，进入你需要接收语音通知的群聊。
- 点击右上角的群菜单，选择「添加群机器人」。
- 给机器人起个名字，比如“语音播报员”，然后点击「添加」。
- 系统会生成一个 Webhook 地址，格式类似
https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxxxxxxx。请务必复制并保存好这个地址，这是机器人的唯一密钥。
5.2 编写消息接收与处理服务
我们需要一个 Web 服务来接收企业微信机器人推送的消息（虽然群机器人通常是我们主动推给它，但为了处理复杂交互，我们可以自建接收服务）。这里使用 Flask 框架快速搭建。
创建一个名为 wechat_bot_server.py 的文件：
from flask import Flask, request, jsonify
import requests
import json
from fish_speech_tts import FishSpeechTTS # 导入我们之前写的类
import os
app = Flask(__name__)
# 初始化 TTS 客户端
tts_client = FishSpeechTTS(base_url="http://localhost:7860")
# 你的企业微信机器人 Webhook URL
WECHAT_WEBHOOK_URL = "https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=你的KEY"
def send_voice_to_wechat(voice_file_path):
"""
将语音文件发送到企业微信群
"""
if not os.path.exists(voice_file_path):
return False
# 企业微信发送语音需要先上传媒体文件，这里简化流程，实际需按API分两步操作
# 注意：企业微信机器人API默认不支持直接发送语音文件，以下为概念流程
print(f"概念流程：此处应调用企业微信API上传 {voice_file_path} 并发送到群聊")
# 实际开发请参考企业微信机器人文档的“上传临时素材”和“发送语音消息”部分
return True
@app.route('/wechat/webhook', methods=['POST'])
def handle_wechat_message():
"""
处理企业微信机器人推送的消息（如果需要接收用户@机器人的消息，需配置接收消息模式）
"""
data = request.json
print(f"收到企业微信消息: {json.dumps(data, indent=2, ensure_ascii=False)}")
# 提取消息文本。这里结构根据企业微信回调格式而定。
# 假设我们收到的是一个简单的文本命令，例如：@机器人 播报：服务器状态正常
text_to_speak = "未识别到有效播报文本"
# 这里需要解析 data 结构，提取出用户发送的文本内容
# 例如：data.get('text', {}).get('content', '')
# 由于企业微信机器人回调格式多样，此处省略具体解析代码
# 假设我们提取到了文本
extracted_text = "这是一条测试播报内容"
# 调用 TTS 生成语音
voice_file = tts_client.text_to_speech(
text=extracted_text,
output_path=f"temp_voice_{int(time.time())}.wav",
language="zh"
)
if voice_file:
# 发送语音到企业微信（需完善 send_voice_to_wechat 函数）
send_voice_to_wechat(voice_file)
# 清理临时文件
os.remove(voice_file)
return jsonify({"code": 0, "msg": "语音播报任务已处理"})
else:
return jsonify({"code": -1, "msg": "语音生成失败"}), 500
@app.route('/speak', methods=['GET', 'POST'])
def speak_directly():
"""
一个直接触发播报的接口，方便测试
例如访问：http://你的服务器IP:5000/speak?text=你好世界
"""
text = request.args.get('text') or (request.json and request.json.get('text'))
if not text:
return jsonify({"code": -1, "msg": "请提供 text 参数"}), 400
voice_file = tts_client.text_to_speech(
text=text,
output_path=f"direct_voice_{int(time.time())}.wav",
language="zh"
)
if voice_file:
# 这里可以直接播放或转发，我们简单返回文件下载
# 实际应用中，你可能需要将文件上传到图床或存储服务，返回URL
return jsonify({
"code": 0,
"msg": "成功",
"file_path": voice_file,
"note": "实际场景中，应返回可访问的音频URL"
})
else:
return jsonify({"code": -1, "msg": "语音生成失败"}), 500
if __name__ == '__main__':
app.run(host='0.0.0.0', port=5000, debug=True)
关键点说明：
- 企业微信机器人发送语音消息的流程比文本复杂，需要先调用“上传临时素材”API获取媒体ID，再用该ID发送语音消息。上述代码中的
send_voice_to_wechat函数需要你根据官方文档完善。 - 我们提供了一个
/speak接口用于直接测试，非常方便。
5.3 更实用的方案：主动推送语音
大多数情况下，我们不需要机器人“听”我们说话，而是我们主动让机器人“说”话。比如，从监控系统、CI/CD流水线、数据库定时任务中触发播报。
我们可以写一个更简单的推送脚本 push_announcement.py：
#!/usr/bin/env python3
import requests
import base64
import json
import sys
from fish_speech_tts import FishSpeechTTS
def push_voice_announcement(text, webhook_key):
"""
主流程：生成语音 -> 上传到企业微信 -> 发送到群
"""
# 1. 生成语音
tts = FishSpeechTTS()
voice_file = tts.text_to_speech(text, f"announcement.wav", language="zh")
if not voice_file:
print("语音生成失败")
return False
# 2. 上传到企业微信（获取media_id）
upload_url = "https://qyapi.weixin.qq.com/cgi-bin/webhook/upload_media"
params = {
"key": webhook_key,
"type": "voice"
}
with open(voice_file, 'rb') as f:
files = {'media': f}
upload_resp = requests.post(upload_url, params=params, files=files)
if upload_resp.status_code != 200:
print(f"上传语音文件失败: {upload_resp.text}")
return False
media_info = upload_resp.json()
if media_info['errcode'] != 0:
print(f"上传失败: {media_info}")
return False
media_id = media_info['media_id']
# 3. 发送语音消息到群
send_url = f"https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key={webhook_key}"
voice_message = {
"msgtype": "voice",
"voice": {
"media_id": media_id
}
}
send_resp = requests.post(send_url, json=voice_message)
result = send_resp.json()
if result['errcode'] == 0:
print("语音消息推送成功！")
return True
else:
print(f"推送失败: {result}")
return False
if __name__ == "__main__":
# 用法示例: python push_announcement.py "你的Webhook Key" "播报内容"
if len(sys.argv) < 3:
print("用法: python push_announcement.py <webhook_key> <text_to_speak>")
sys.exit(1)
webhook_key = sys.argv[1]
text_to_speak = sys.argv[2]
success = push_voice_announcement(text_to_speak, webhook_key)
sys.exit(0 if success else 1)
现在，你可以在服务器上运行 python push_announcement.py YOUR_KEY “数据库备份完成，一切正常。”，你的企业微信群就会收到一条语音通知了！
6. 实战第三步：对接钉钉机器人
钉钉机器人的对接逻辑与企业微信类似，但 API 细节不同。钉钉机器人发送语音消息相对更直接一些。
6.1 创建钉钉群机器人
- 打开钉钉群，点击右上角的群设置。
- 选择「智能群助手」->「添加机器人」。
- 选择「自定义」机器人，设置名字和安全设置（如关键词、IP白名单等）。
- 完成后，同样会获得一个 Webhook 地址，格式类似
https://oapi.dingtalk.com/robot/send?access_token=xxxx。
6.2 编写钉钉语音推送脚本
创建一个 dingtalk_push.py 文件：
#!/usr/bin/env python3
import requests
import hashlib
import base64
import time
import hmac
import json
import sys
from fish_speech_tts import FishSpeechTTS
from urllib.parse import quote_plus
def push_voice_to_dingtalk(text, webhook_url, secret=None):
"""
推送语音到钉钉群
:param webhook_url: 完整的Webhook地址
:param secret: 机器人的加签密钥（如果设置了）
"""
# 1. 生成语音文件
tts = FishSpeechTTS()
timestamp = str(int(time.time() * 1000))
voice_filename = f"ding_voice_{timestamp}.wav"
voice_file = tts.text_to_speech(text, voice_filename, language="zh")
if not voice_file:
return False
# 2. 钉钉机器人发送语音需要先将语音文件上传到钉钉服务器，获取mediaId
# 注意：钉钉机器人API不支持直接发送语音文件。官方支持的 msgtype 中不包括 voice。
# 一种变通方案是发送一个 text 消息，里面包含语音文件的下载链接（需先将文件上传到其他存储服务）。
# 另一种方案是使用钉钉的“工作通知”API，但需要企业授权，更复杂。
print("钉钉机器人标准Webhook目前不支持直接发送语音消息。")
print("替代方案1：发送包含音频链接的文本消息。")
print("替代方案2：使用‘钉钉开放平台’的‘发送工作通知’API，该API支持语音消息类型。")
# 这里演示替代方案1：生成一个文本消息，告知用户有语音通知（假设语音文件可通过URL访问）
# 你需要先将 voice_file 上传到你的文件服务器或云存储，并获得一个可公开访问的URL
voice_url = f"https://your-file-server.com/{voice_filename}" # 请替换为实际URL
# 构造签名（如果设置了加签）
final_webhook_url = webhook_url
if secret:
string_to_sign = f"{timestamp}\n{secret}"
sign = base64.b64encode(
hmac.new(secret.encode('utf-8'), string_to_sign.encode('utf-8'), digestmod=hashlib.sha256).digest()
).decode('utf-8')
final_webhook_url = f"{webhook_url}×tamp={timestamp}&sign={sign}"
# 发送文本消息，包含语音链接
text_message = {
"msgtype": "text",
"text": {
"content": f"语音播报通知：{text}\n点击收听：{voice_url}"
}
}
headers = {'Content-Type': 'application/json'}
resp = requests.post(final_webhook_url, json=text_message, headers=headers)
result = resp.json()
if result.get('errcode') == 0:
print("钉钉消息推送成功（文本形式，含语音链接）")
return True
else:
print(f"钉钉消息推送失败: {result}")
return False
if __name__ == "__main__":
# 示例：python dingtalk_push.py “你的Webhook URL” “播报内容” [你的Secret]
if len(sys.argv) < 3:
print("用法: python dingtalk_push.py <webhook_url> <text> [secret]")
sys.exit(1)
webhook = sys.argv[1]
text = sys.argv[2]
secret = sys.argv[3] if len(sys.argv) > 3 else None
success = push_voice_to_dingtalk(text, webhook, secret)
sys.exit(0 if success else 1)
重要提示：与企业微信不同，钉钉的群机器人 Webhook API 目前可能不支持直接发送 voice 类型的消息。官方文档支持 text、link、markdown、actionCard、feedCard。因此，上述代码采用了变通方案：发送一条文本消息，里面包含语音文件的链接。你需要先将生成的语音文件上传到一个可公开访问的存储服务（如阿里云OSS、腾讯云COS，或你自己的服务器目录并通过Nginx提供访问）。
7. 总结：让语音通知为你工作
通过以上步骤，我们已经成功搭建了一个从 Fish Speech 1.5 到企业微信/钉钉机器人的语音播报流水线。让我们回顾一下关键收获：
- 核心价值：我们不仅仅是“用”了一个TTS工具，而是把它深度集成到了日常协作工具中，创造了自动化、主动式的语音通知场景。这比单纯的文字提醒更醒目，体验也更好。
- 技术要点：
- Fish Speech 1.5 的部署与 API 调用是基础。
- 企业微信机器人发送语音需要“上传素材”和“发送消息”两步。
- 钉钉机器人发送语音可能需要变通方案，如发送带音频链接的文本。
- 编写一个健壮的、可处理异常和重试的中间服务是关键。
- 应用场景扩展：
- 运维监控：服务器CPU、内存、磁盘告警，用急促的语音第一时间通知。
- CI/CD：代码构建成功、部署完成、测试失败，用语音播报结果。
- 数据报表：每日销售额、用户增长数，用语音在晨会上播报。
- 日程提醒：会议开始前10分钟，用语音在群里提醒大家。
- 个性化问候：用老板或团队领袖的声音克隆，在特殊日子发送祝福。
下一步建议：
- 完善服务：为你的中间服务添加配置管理、日志记录和监控告警，让它更稳定。
- 探索高级功能：深入研究 Fish Speech 1.5 的声音克隆参数，让合成的声音更逼真、更有情感。
- 构建管理界面：可以做一个简单的Web页面，让非技术人员也能输入文本、选择声音、触发播报。
技术真正的魅力在于解决实际问题。希望这篇教程能帮你打开思路，用 Fish Speech 1.5 为你和你的团队打造一个更智能、更高效的工作环境。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
Agent 垂直技术社区，欢迎活跃、内容共建。
更多推荐
12
0- 0
已为社区贡献112条内容
所有评论(0)