阶跃星辰语音SDK

Android平台的语音合成（TTS）SDK，提供高质量的文本转语音服务。

项目结构

speech-sdk/
├── audio-sdk/              # 统一SDK入口，集成各子模块能力并对外暴露
├── audio-sdk-core/         # 核心模块，提供网络、配置等基础能力
├── audio-sdk-tts/          # TTS模块，实现文本转语音功能
├── audio-sdk-asr/          # ASR模块（待实现）
├── audio-sdk-sample/       # 示例项目，演示SDK集成和使用
├── README.md               # 本文件
└── INTEGRATION_GUIDE.md    # 集成指南

功能特性

已实现

• ✅ TTS文本转语音

  • 支持多种模型（step-tts-mini、step-tts-vivid）
  • 支持多种音频格式（MP3、WAV、FLAC、OPUS）
  • 可调节语速和音量
  • 支持自定义音色标签（语言、情感、风格）
  • 支持发音映射定制
  • 提供回调和协程两种异步方式

• ✅ 完善的SDK架构

  • 模块化设计，易于扩展
  • 统一的配置管理
  • 完善的错误处理
  • 线程安全

• ✅ 示例项目

  • 完整的集成示例
  • 丰富的功能演示
  • UI友好的测试界面

待实现

• ⏳ ASR语音识别
• ⏳ 实时语音流式处理
• ⏳ 音色管理
• ⏳ 缓存机制

快速开始

1. 查看示例项目

cd audio-sdk-sample
./gradlew assembleDebug

2. 集成到您的项目

详细步骤请查看 集成指南

简要步骤：

// 1. 添加依赖
implementation("stepfun.android:speech_sdk:0.0.1")

// 2. 初始化SDK
val config = SpeechConfig.Builder()
    .apiKey("your-api-key")
    .build()
SpeechSdk.init(context, config)

// 3. 使用TTS
SpeechSdk.TTS.generateSpeech(
    text = "你好世界",
    voice = "default",
    callback = object : TtsCallback {
        override fun onSuccess(audioData: ByteArray) {
            // 处理音频
        }
        override fun onError(error: TtsError) {
            // 处理错误
        }
    }
)

模块说明

audio-sdk-core

核心基础模块，提供：

• HTTP网络客户端封装
• API接口定义
• 配置管理
• 通用工具类

主要文件：

• HttpClient.kt - 网络请求封装
• SpeechConfig.kt - SDK配置
• TtsApi.kt - TTS API定义
• TtsConfig.kt - TTS配置选项

audio-sdk-tts

TTS功能模块，提供：

• TTS客户端实现
• 参数构建器
• 回调接口
• 错误处理

主要文件：

• Tts.kt - TTS主入口
• TtsClient.kt - TTS客户端
• TtsSpeechParams.kt - 请求参数
• TtsCallback.kt - 回调接口

audio-sdk

集成模块，提供：

• 统一的SDK入口
• 模块能力整合
• 对外统一API

主要文件：

• SpeechSdk.kt - 统一入口

audio-sdk-sample

示例应用，包含：

• 完整的集成示例
• 功能演示界面
• 最佳实践代码

API 接口说明

TTS文本转语音

请求地址

POST https://api.stepfun.com/v1/audio/speech

支持的模型

• step-tts-mini - 标准模型
• step-tts-vivid - 高级模型

支持的格式

• MP3 (默认)
• WAV
• FLAC
• OPUS

参数说明

参数	类型	必需	说明
model	string	✓	模型名称
input	string	✓	要合成的文本（最大1000字符）
voice	string	✓	音色名称
response_format	string	-	音频格式
speed	float	-	语速（0.5-2.0，默认1.0）
volume	float	-	音量（0.1-2.0，默认1.0）
voice_label	object	-	音色标签
sample_rate	integer	-	采样率（8000/16000/22050/24000）
pronunciation_map	array	-	发音映射

详细API文档请查看 集成指南

开发说明

环境要求

• Android Studio Hedgehog | 2023.1.1+
• Kotlin 1.9.0+
• Gradle 8.0+
• JDK 11+

构建项目

# 构建所有模块
./gradlew build

# 构建特定模块
./gradlew :audio-sdk-core:build
./gradlew :audio-sdk-tts:build
./gradlew :audio-sdk:build

# 构建示例应用
cd audio-sdk-sample
./gradlew assembleDebug

运行示例

1. 修改 audio-sdk-sample/app/src/main/java/com/stepfun/audiosample/SampleApplication.kt
2. 替换 your-api-key-here 为您的实际API Key
3. 运行应用：

   ./gradlew :app:installDebug

文档

• 集成指南 - 详细的集成步骤和API文档
• 示例项目 - 示例项目说明
• API参考 - API接口说明

版本历史

v0.0.1-dev (当前)

• ✅ 实现TTS基础功能
• ✅ 支持所有API参数
• ✅ 提供完整示例项目
• ✅ 完善文档

技术支持

如有问题或建议，请联系：

• 邮箱：[email protected]
• 文档：https://docs.stepfun.com

许可证

请遵循SDK使用协议。