基于[ WebSocket 的双向流式 TTS 接口](https://docs.volcengine.com/docs/6561/2532486?lang=zh)，支持文本流式输入、音频流式输出，低时延，适用于实时交互场景，覆盖多语种与多方言，以下为面向开发者的iOS SDK接入说明。 # SDK版本 **iOS：** `pod 'SpeechEngineToB', '0.0.15.0'` ```Objective-C # Net 0.6.1为默认依赖的网络库版本，若有其它版本需要，可引用相应SocketRocket版本 pod 'SocketRocket', '0.6.1' pod 'SpeechEngineToB', '0.0.15.0' ``` # 示例demo 主要参考`BiTTSViewController` SpeechDemoIOS.zip # 兼容性 |**类别** |**兼容范围** | |---|---| |系统 |最低支持 iOS 12.0 | |架构 |armv7，arm64，x86_64 | |网络 |支持移动数据与 WiFi 两种网络环境 | # 调用流程 ## 初始化环境依赖创建语音对话 SDK 引擎实例前调用，完成网络环境等相关依赖配置。APP 生命周期内仅需执行一次。 ```Objective-C - (BOOL)application:(UIApplication *)application didFinishLaunchingWithOptions:(NSDictionary *)launchOptions { return [SpeechEngine prepareEnvironment]; } ``` ## 创建引擎实例语音对话 SDK 通过如下方式获取相关实例。 ```Objective-C //创建实例 self.engine = [[SpeechEngine alloc] init]; //添加引擎代理，需要实现回调方法 [self.engine createEngineWithDelegate:self]; ``` ## 参数配置（必要） ## ```Objective-C //【必需配置】Engine Name [self.curEngine setStringParam:SE_BITTS_ENGINE forKey:SE_PARAMS_KEY_ENGINE_NAME_STRING]; //【必需配置】鉴权相关，若采取新版控制台，则必需使用该配置。API Key 可以从控制台>API Key管理获取 [self.curEngine setStringParam:@"your-api-key" forKey:SE_PARAMS_KEY_API_KEY_STRING]; //【必需配置】鉴权相关：Appid。旧版控制台的鉴权方式，详见旧版控制台鉴权参考 [self.curEngine setStringParam:self.ttsAppId forKey:SE_PARAMS_KEY_APP_ID_STRING]; //【必需配置】鉴权相关：Token。旧版控制台的鉴权方式，详见旧版控制台鉴权参考 [self.curEngine setStringParam:ttsAppToken forKey:SE_PARAMS_KEY_APP_TOKEN_STRING]; //【必需配置】语音合成服务域名 [self.curEngine setStringParam:ttsAddress forKey:SE_PARAMS_KEY_TTS_ADDRESS_STRING]; //【必需配置】语音合成服务Uri [self.curEngine setStringParam:ttsUri forKey:SE_PARAMS_KEY_TTS_URI_STRING]; //【必需配置】语音合成大模型服务Resource id。可选值：seed-tts-2.0:豆包语音合成大模型2.0，支持使用豆包语音合成模型2.0音色;seed-icl-2.0:豆包声音复刻大模型2.0，支持使用声音复刻接口克隆的音色，具体音色详见控制台>音色库 [self.curEngine setStringParam:resourceId forKey: SE_PARAMS_KEY_RESOURCE_ID_STRING]; //【必需配置】StarSession时的payload，指定音频生成相关参数，不包含待合成的文本 [self.curEngine setStringParam:startPayload forKey:SE_PARAMS_KEY_START_ENGINE_PAYLOAD_STRING]; ``` ## 参数配置（可选） ```Objective-C //【可选配置】本地日志文件路径，SDK会在该路径文件夹下生成名为 speech_sdk.log 的日志文件，开发时设置，线上关闭。 [self.engine setStringParam:@"已存在的文件夹路径，或者空字符串" forKey:SE_PARAMS_KEY_DEBUG_PATH_STRING]; //【可选配置】日志级别，开发时设置为 TRACE（最低级别），线上设置 WARN； [self.engine setStringParam:SE_LOG_LEVEL_TRACE forKey:SE_PARAMS_KEY_LOG_LEVEL_STRING]; //【可选配置】自定义请求Header [self.curEngine setStringParam:headerStr forKey:SE_PARAMS_KEY_REQUEST_HEADERS_STRING]; //【可选配置】是否使用 SDK 内置播放器播放合成出的音频，默认为 true [self.curEngine setBoolParam:[self.settings getBool:SETTING_TTS_ENABLE_PLAYER] forKey:SE_PARAMS_KEY_TTS_ENABLE_PLAYER_BOOL]; //【可选配置】是否令 SDK 通过回调返回播放器播放的pcm音频数据，默认不返回。 // 开启后，SDK 会流式返回音频，收到 SEPlayerStartPlayAudio SEPlayerFinishPlayAudio表示开始播放当前句对应音频 //收到SEPlayerAudioData表示流式的pcm音频数据 [self.curEngine setBoolParam:[self.settings getBool:SETTING_ENABLE_PLAYER_AUDIO_CALL_BACK] ? SETtsDataCallbackModeAll : SETtsDataCallbackModeNone forKey:SE_PARAMS_KEY_ENABLE_PLAYER_AUDIO_CALLBACK_BOOL]; //【可选配置】是否将合成出的音频保存到设备上，为 true 时需要正确配置 PARAMS_KEY_TTS_AUDIO_PATH_STRING 才会生效 [self.curEngine setBoolParam:[self.settings getBool:SETTING_TTS_ENABLE_DUMP] //【可选配置】TTS播放文件保存路径，如不为空字符串，则SDK会将播放器音频保存到该路径下，文件格式为 .wav [self.curEngine setStringParam:self.debugPath forKey:SE_PARAMS_KEY_TTS_AUDIO_PATH_STRING]; //【可选配置】TTS连接超时时间 [self.curEngine setIntParam:10000 forKey:SE_PARAMS_KEY_TTS_CONN_TIMEOUT_INT]; ``` ## 初始化引擎实例初始化引擎对象并设置回调监听。 ```Objective-C // 初始化引擎实例 SEEngineErrorCode ret = [self.engine initEngine]; if (ret != SENoError) { NSLog(@"初始化失败，返回值: %d", ret); return; } ``` ## 发送指令语音对话 SDK 通过发送指令接口 sendDirective 触发各种操作，需要注意不建议在 SDK 的回调线程中调用该接口。 ### 启动引擎启动引擎的传参为StartSession命令的参数，详细参数可以见[双向流式TTS的Event事件](https://docs.volcengine.com/docs/6561/2532486?lang=zh)。 ```Objective-C // 注意这里先调用同步停止，避免SDK内部异步线程带来的问题 [self.engine sendDirective:SEDirectiveSyncStopEngine]; // 启动BiTTS引擎 SEEngineErrorCode ret = [self.engine sendDirective:SEDirectiveStartEngine data: startSessionPayload]; if (ret != SENoError) { NSLog(@"Send directive say hello failed: %d", ret); return; } ``` startSessionPayload参数示例如下，包含了音色、音频合成参数。 ```SQL "{\"user\":{\"uid\":\"YOURUID\"},\"req_params\":{\"speaker\":\"zh_female_vv_uranus_bigtts\",\"audio_params\":{\"loudness_rate\":50}}}" ``` 注意：启动BiTTS引擎只完成了建连操作，没有发起StartSession，在开始合成前需要先调用[self.curEngine sendDirective:SEDirectiveEventStartSession data:@""]; ### 开始合成服务\-StartSession 双向流式TTS支持在一个链接中多次调用StartSession和FinishSession，每调用一次表示开始合成服务和结束合成服务，但必须在收到SessionFinished回调后才能重新StartSession（ StartEngine \-\> [FinishSession \-\> StartSession](可循环调用) \-\> StopEngine）调用StartSession时data字段有如下2种设置方式： * 传空字符串：表示使用SEDirectiveStartEngine时传入的 startSessionPayload参数来合成； * 新传入json格式的sessionpayload参数：更新合成参数，按新参数来合成文本； ```Objective-C SEEngineErrorCode ret = [self.curEngine sendDirective:SEDirectiveEventStartSession data:@""]; //或者传入更新后的新参数 //SEEngineErrorCode ret = [self.curEngine sendDirective:SEDirectiveEventStartSession data:startSessionPayload]; if (ret != SENoError) { NSLog(@"Send directive say Start Session failed: %d", ret); return; } ``` ### 结束合成服务\-FinishSession 如果没有文本需要合成了，或者需要强制结束时可以调用FinishSession让服务端基于已收到的文本完成音频合成并返回。注意：如果传输文本最后不包含标点符号，那么服务端会等待后续文本到来才会触发合成。超时4秒没有收到后续文本也会触发合成。如果期望服务端立马开始合成则需要调用FinishSession。 ```Objective-C SEEngineErrorCode ret = [self.curEngine sendDirective:SEDirectiveEventFinishSession data:@""]; if (ret != SENoError) { NSLog(@"Send directive Finish Session failed: %d", ret); return; } ``` ### 发送合成文本文本内容需要拼装车json格式的字符串传入。如果有其他参数可以透传给服务端。 ```Objective-C NSString* taskRequestJson = [NSString stringWithFormat: @"{\"req_params\":{\"text\":\"%@\"}}", text]; SEEngineErrorCode ret = [self.curEngine sendDirective:SEDirectiveEventTaskRequest data:taskRequestJson]; if (ret != SENoError) { NSLog(@"Send directive Task Request failed: %d", ret); return; } ``` 可以调用多次SEDirectiveEventTaskRequest向服务端发送待合成的文本内容。服务端会切句逐个返回。如果需要立即返回音频内容，可以在发送SEDirectiveEventTaskRequest前后调用StartSession和FinishSession确保音频马上返回。 ### 取消合成服务\-CancleSession 如果要取消当前合成服务，期望服务端不再返回音频。则调用CancleSession ```Objective-C SEEngineErrorCode ret = [self.curEngine sendDirective:SEDirectiveEventCancleSession data:@""]; if (ret != SENoError) { NSLog(@"Send directive Finish Session failed: %d", ret); return; } ``` ### 暂停播放可以在播放音频时发送指令SEDirectivePausePlayer *，* 暂停tts音频播放。 ```Objective-C SEEngineErrorCode ret = [self.curEngine sendDirective:SEDirectivePausePlayer]; NSLog(@"Pause playback status: %d", ret); ``` ### 恢复播放可以在播放音频时发送指令SEDirectiveResumePlayer *，* 恢复tts音频播放 ```Objective-C SEEngineErrorCode ret = [self.curEngine sendDirective:SEDirectiveResumePlayer]; NSLog(@"Resume playback status: %d", ret); ``` ### 停止引擎 ```Objective-C // 会等待回调函数执行完成，不可在回调线程中执行。 [self.engine sendDirective:SEDirectiveSyncStopEngine]; ``` ## 回调接收返回数据启动引擎后，SDK会不断回调消息。回调的消息内容，请参考[双向流式TTS的Event事件](https://docs.volcengine.com/docs/6561/2532486?lang=zh)。 ```Objective-C - (void)onMessageWithType:(SEMessageType)type andData:(NSData *)data { NSLog(@"Message Type: %d.", type); NSString *strData = [[NSString alloc] initWithData:data encoding:NSUTF8StringEncoding]; switch (type) { case SEEngineStart: // Callback: 引擎启动成功回调 NSLog(@"Callback: 引擎启动成功: %@", strData); break; case SEEngineStop: // Callback: 引擎关闭回调，启动引擎成功后，此消息必定发生且为最后一个回调消息 NSLog(@"Callback: 引擎关闭: %@", strData); break; case SEEngineError: // Callback: 错误信息回调 NSLog(@"Callback: 错误信息: %d, data: %@", type, strData); break; case SEEventConnectionStarted: NSLog(@"Callback: SEEventConnectionStarted"); break; case SEEventConnectionFailed: NSLog(@"Callback: SEEventConnectionFailed"); break; case SEEventConnectionFinished: NSLog(@"Callback: SEEventConnectionFinished"); break; case SEEventSessionStarted: NSLog(@"Callback: SEEventSessionStarted"); break; case SEEventSessionCanceled: NSLog(@"Callback: SEEventSessionCanceled"); break; case SEEventSessionFinished: NSLog(@"Callback: SEEventSessionFinished"); break; case SEEventSessionFailed: NSLog(@"Callback: SEEventSessionFailed"); break; case SEEventTTSSentenceStart: NSLog(@"Callback: 合成开始 SentenceStart: %@", data); break; case SEEventTTSSentenceEnd: NSLog(@"Callback: 合成结束 SentenceEnd: %@", data); case SEEventTTSResponse: NSLog(@"Callback: 收到合成音频 TTSResponse: %@", data); case SEEventTTSEnded: NSLog(@"Callback: TTSEnd: %@", data); case SEPlayerAudioData: NSLog(@"Callback: 播放的pcm音频: %@", data); break; case SEPlayerStartPlayAudio: NSLog(@"Callback: 开始播放当前句的TTS音频"); break; case SEPlayerFinishPlayAudio: NSLog(@"Callback: 结束播放当前句的TTS音频"); break; default: break; } } ``` 7. ## 销毁引擎实例当不再需要语音对话后，建议对引擎实例进行销毁，释放内存资源。（注：务必先调用StopEngine再destroyEngine） ```Objective-C // 内部会执行SYNC_STOP，不可在回调线程中执行。 [self.engine destroyEngine]; self.engine = nil; ```