语音识别 & 语音合成

识别：Sherpa-ONNX（/ws/asr）。合成：Edge-TTS（/api/tts）。经 Nginx 部署时自动使用当前域名。

语音识别

实时听写（Sherpa-ONNX）

未连接
语音合成

文字转语音（Edge-TTS）

就绪
API 文档

接口说明

单端口统一服务，默认 8090。所有 HTTP 接口支持 CORS。

WS /ws/asr

Sherpa-ONNX 流式语音识别。持续发送 PCM 音频帧，服务端实时返回识别结果；结束时发送文本 Done 获取尾段结果并关闭。

客户端 → 服务端
类型说明
Binaryfloat32 PCM，单声道，采样率 16000 Hz
Text发送 Done 表示音频结束
服务端 → 客户端（JSON 文本）
{
  "partial": "识别中的中间结果"
}
{
  "text": "一句完整识别结果（端点检测后）"
}
POST /api/tts

Edge-TTS 文字转语音。成功返回 audio/mpeg 二进制流；失败返回 JSON 错误信息。

请求头
Content-Type: application/json
请求体
字段类型必填说明
textstring是待合成文本，最长 5000 字符
voicestring否发音人 ID，默认 zh-CN-XiaoxiaoNeural
ratestring否语速，如 +0%、+10%
volumestring否音量，如 +0%、-10%
请求示例
curl -X POST http://127.0.0.1:8090/api/tts \
  -H "Content-Type: application/json" \
  -d '{"text":"你好","voice":"zh-CN-XiaoxiaoNeural"}' \
  --output speech.mp3
错误响应
{ "error": "text 不能为空" }