一、豆包大模型简介

豆包大模型是由字节跳动开发的人工智能。它具有强大的语言理解与生成能力、广泛的知识覆盖以及个性化的交互体验，本文旨在使用Python调用豆包大模型API，并实现TTS文本转语音，将大模型输出结果播报出来。

二、环境描述

我使用的环境如下所示：

        计算机系统架构：x86

        Python版本：Python 3.11.3（官方要求上大于2.7即可）

        Pycharm版本：Pycharm 2023.1（专业版） 

三、 Python库安装

1. 基础库安装

为了实现文本转语音TTS以及加载.env配置文件，首先需要安装一些python的基础库：

pip install pyttsx3
pip install dotenv

2.  豆包大模型python库安装

在终端使用以下命令安装：

pip install volcengine-python-sdk

如果报以下错误：

note: This error originates from a subprocess, and is likely not a problem with pip.
  ERROR: Failed building wheel for volcengine-python-sdk
  Running setup.py clean for volcengine-python-sdk
Failed to build volcengine-python-sdk
ERROR: ERROR: Failed to build installable wheels for some pyproject.toml based projects (volcengine-python-sdk)

 是因为Windows 系统有最长路径限制，可能会导致安装失败，请按照以下方式设置：

1. 按下 Win+R ，输入 regedit 打开注册表编辑器。
2. 设置 \HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Control\FileSystem 路径下的变量 LongPathsEnabled 为 1 即可。

修改完注册表后再次运行pip命令即可成功安装volcengine-python-sdk。

四、大模型后台设置

1. 注册登录

进入火山引擎官网，注册并登录：

https://console.volcengine.com/auth/login?redirectURI=%2Fhome

2. 获取API访问密钥

进入火山引擎API访问密钥网页，获取API访问密钥：

https://console.volcengine.com/iam/keymanage/

具体流程如下：

此处获得的Access Key和Secret Access Key非常重要，后续需要配置到Python程序中。

3. 获取API Key

进入火山引擎API Key网页，获取API Key：

https://console.volcengine.com/ark/region:ark+cn-beijing/apiKey

具体流程如下： 

即可获取到API Key。 

4. 获取model

进入火山引擎model获取网页，获取model：

https://console.volcengine.com/ark/region:ark+cn-beijing/endpoint?current=1&pageSize=10

具体流程如下：

模型选择Doubao-pro-4k，主线模型选择240515即可。

接入点名称下的这一串代码就是 ENDPOINT_ID，非常重要，后续需要填到Python程序中。

5. 开通模型

进入以下网站，开通模型：

https://console.volcengine.com/ark/region:ark+cn-beijing/openManagement

 开通Doubao-pro-4k的模型服务。

五、编写程序

1. 文件夹配置

使用pycharm新建工程，在工程中新建.env和main.py这两个文件，如下图所示：

2. 程序编写

在.env文件中填入以下内容：

VOLC_ACCESSKEY= your Access Key
VOLC_SECRETKEY= your Secret Access Key
ENDPOINT_ID= your ENDPOINT_ID

将your Access Key替换成你自己的 Access Key，your Secret Access Key和 your ENDPOINT_ID也一样替换成自己的。

编写main.py:

import os
import pyttsx3
from volcenginesdkarkruntime import Ark
import dotenv
 
# 加载环境变量
dotenv.load_dotenv(".env")
 
# 初始化 Ark 客户端
client = Ark()
 
# 初始化 pyttsx3 引擎
engine = pyttsx3.init()
 
# 配置 TTS 的语速和音量（可选）
engine.setProperty('rate', 150)  # 语速
engine.setProperty('volume', 1)  # 音量
 
# 从环境变量中获取模型 ID
model_id = os.getenv("ENDPOINT_ID")
 
# 欢迎语
Welcome_Text = "您好，我是豆包，您的大模型对话助手，请问有什么可以帮到您？(输入 'exit' 退出对话)"
print(Welcome_Text)
engine.say(Welcome_Text)
engine.runAndWait()  # 等待语音播放完毕
 
# 进入多轮对话的循环
while True:
    # 从终端获取用户输入
    user_input = input("User：\r\n")
 
    # 检查用户是否想退出
    if user_input.lower() in ["exit", "quit"]:
        print("AI：感谢您的使用，再见！")
        break
 
    # 创建流式对话请求
    stream = client.chat.completions.create(
        model=model_id,
        messages=[
            {"role": "system", "content": "你是豆包，是由字节跳动开发的 AI 人工智能助手"},
            {"role": "user", "content": user_input},  # 使用终端输入的内容
        ],
        stream=True
    )
 
    print("AI:")
    # 初始化一个空字符串来存储所有文本
    full_text = ""
 
    # 逐块读取流式输出并将结果打印
    for chunk in stream:
        if not chunk.choices:
            continue
        # 获取文本内容
        text = chunk.choices[0].delta.content
 
        # 输出文本到控制台
        print(text, end="")
 
        # 将文本累积到 full_text
        full_text += text
 
    # 当流式结果全部接收完成后，开始将累积的文本通过 TTS 朗读出来
    if full_text:
        engine.say(full_text)
        engine.runAndWait()  # 等待语音播放完毕
 
    print("\r\n")

六、最终效果

最终实现的效果如视频所示：

平均反应时间不到2s，嘎嘎nice!

七、源码分享

源码放在这里了，需要的同学请自取~

https://download.csdn.net/download/Jlinkneeder/89743078

原文链接:https://blog.csdn.net/Jlinkneeder/article/details/142169630