iflytek-hyper-tts

将文本合成超拟人语音，支持发音人与韵律（速率/音调）控制。

把文字合成超拟人语音，支持选择发音人（VCN）、调节语速、音调和音量，输出 MP3 等格式，支持流式 WebSocket 合成。用于把文案读出、生成旁白或客服语音时，能选不同说话风格和方言。特点是声音自然、韵律可控，适合高质量 TTS 场景。

# Ifly Hyper TTS (讯飞超拟人语音合成)

将文本转换为超拟人语音。适用于"把这段文案读出来"等语音合成需求。

API 文档：https://www.xfyun.cn/doc/spark/super%20smart-tts.html

## 核心特性

- **文本转语音**：通过 WebSocket 双向流式接口合成音频
- **发音人控制**：通过 `--vcn` 指定已授权的超拟人发音人，默认使用聆小糖
- **基础韵律控制**：语速（speed）/ 音量（volume）/ 语调（pitch）
- **多属性控制**：语言/方言通过选择不同发音人(VCN)实现
- **多格式输出**：MP3（lame）

---

## 使用场景（AI调用指南）

### 场景一：用户说"把这段文案读出来"

用户直接提供文本，要求语音合成。**默认使用系统预设参数**。

**触发条件**：用户指令包含"读出来"、"念出来"、"语音合成"、"转语音"、"文字转语音"等关键词。

**默认参数**：
- 发音人：聆小糖 (`x5_lingxiaotang_flow`) - 女声，中文普通话，最适合作为默认主音色
- 语速：50（正常）
- 音量：50（正常）
- 语调：50（正常）
- 输出格式：MP3（lame）
- 采样率：24000Hz

```bash
# 直接合成（使用默认参数）
python3 scripts/xfei_hyper_tts.py --text "你好，欢迎使用讯飞超拟人语音合成！"

# 指定输出文件
python3 scripts/xfei