# WorkBuddy接入FishAudio语音合成API实战｜FishSpeech开源引擎驱动，保姆级安装教程+成本对比
WorkBuddy接入FishAudio语音合成API实战｜FishSpeech开源引擎驱动，保姆级安装教程+成本对比
摘要：本文详细记录在 WorkBuddy 智能体中通过 API 调用 FishAudio 语音合成的完整流程，从 Python 环境、Skill 安装到 API Key 配置，以及本地部署/云GPU/API调用三种方案的成本对比。基于 FishSpeech 开源引擎，中文音色自然流畅。
前言
做短视频内容这段时间，配音一直是效率瓶颈。
我想在 WorkBuddy 里直接通过 API 调用语音合成，对话里说完文案就能出音频，不用再开一堆工具来回切换。
试了好几种方案，大致就三条路：
- 本地部署开源TTS：自由度高，但没显卡真玩不转
- 云GPU + 自己搭服务：灵活是灵活，价格和维护成本劝退
- 调用API接入智能体：最快上手，核心比的是价格和音质
最后选定了FishAudio 的 API。底层是 FishSpeech 开源模型驱动，中文发音的自然度我比较满意。Skill 封装到位，API 调用方式简单，整体成本比自建方案低不少，对个人创作者和小团队都很友好。
跑了快两周，从音色试听、长音频合成到多角色管理，体验都在线。下面把调用API接入智能体完整步骤整理出来，一步一步照着做就行。
一、保姆级安装教程，跟着走就行
怕有人跟我一开始一样找不到方向，一步一步写清楚了。
第一步：确认你有 Python 环境
FishAudio 技能需要 Python 3.6 以上版本运行。
检查是否安装了Python：
按下
Win + R，输入cmd回车，打开命令提示符输入
py --version回车如果显示类似
Python 3.10.0这样的版本号，说明已经安装，可以跳过这一步如果提示"不是内部或外部命令"，说明没安装，继续往下看
安装Python（没装的话）：
- 打开 Python 官网下载页面：https://www.python.org/downloads/windows/
- 下载最新版本的 Python（选 “Download Windows installer (64-bit)”）
- 运行安装包，非常重要：一定要勾选最下面的 “Add Python to PATH”
- 点击 “Install Now”
- 等待安装完成
- 重新打开命令提示符，输入
py --version确认能显示版本号
第二步：配置到WorkBuddy中
本技能需要 API Key 才能使用，官网：https://fishaudio.cc
前往官网注册账号并获取你的 API Key。
API Key 是一串类似fsh8tKU3VBVZEewdPP7NB2xojNykKs6z这样的字符串，请保存好。
🚀方法一：一键安装（推荐，最简单）
- 打开 FishAudio 技能下载页面https://6e7aa5252293420e9557e44fe033365a.app.codebuddy.work/
- 点击页面上的「下载技能包」按钮，下载
fishaudio-tts.zip - 打开 WorkBuddy，在对话框中输入：
/install-skill - 在弹出的窗口中选择「导入 ZIP 文件」
- 选择刚才下载的
fishaudio-tts.zip - 安装完成！
💡 如果下载页面打不开，也可以直接找技能发布者索要 ZIP 压缩包。
🚀方法二：手动安装（如果一键安装失败/网页打不开）
- 下载好 ZIP 压缩包后解压
- 找到你的 WorkBuddy 技能目录，一般在：
C:\Users\你的用户名\.workbuddy\skills\（把"你的用户名"换成你电脑的用户名，比如C:\Users\yanyu\.workbuddy\skills\） - 在 skills 文件夹里新建一个文件夹，名字叫
fishaudio-tts - 把解压出来的文件全部复制到
fishaudio-tts文件夹里 - 复制完后，文件夹结构应该是这样的：
skills/ └── fishaudio-tts/ ├── SKILL.md └── scripts/ └── tts.py- 重启 WorkBuddy，技能就会被自动识别了
第三步：配置 API Key（非常重要！）
方式A：直接配置（最方便）
第一次使用技能时脚本会自动提示你输入 API Key，输入一次即可。
等待智能体自动识别就行。
方式B：永久配置（一次设置，以后不用再输）
- 右键点击"此电脑" → “属性” → “高级系统设置” → “环境变量”
- 在"用户变量"下面点击"新建"
- 变量名填：
FISHAUDIO_API_KEY - 变量值填：你的 API Key
- 点击确定保存，重启终端就生效了
第四步：开始使用
在 WorkBuddy 对话中直接用（最方便）
配置好 Key 之后，你直接和 WorkBuddy 助手说就行了，比如：
- “用FishAudio合成这句话：今天天气真好，我们一起出去玩吧！”
- “帮我上传这个音频创建一个新的声音模型，名字叫我的声音”
- “列出我所有的声音模型”
助手会自动调用技能完成操作，合成完直接把音频发给你。
二、成本分析：API调用 vs 本地部署 vs 云GPU
做技术的人讲究数据说话，下面把三种方案的成本拆开来算。以"每天一条10分钟口播"为基准。
方案一：本地部署
- 一张能跑TTS的中端显卡（RTX 3060 12G）：约2000元
- 每天开机跑2小时，电费约1.5元/天 →45元/月
- 环境搭建、模型调试、踩坑排错：保守3-5天时间成本
- 一年总成本：2540元起（不含显卡折旧和时间投入）
方案二：云GPU租用
| GPU型号 | 市场价 | 说明 |
|---|---|---|
| 入门T4 | 3-5元/小时 | 大模型跑不动 |
| 中端A10/3090 | 8-15元/小时 | 勉强够用 |
| 高端A100 | 20-30元/小时起 | 性能溢出 |
加上环境搭建、模型调试、试错的时间，保守按每天4小时、中端A10算：
40元/天 → 1200元/月 → 14400元/年
方案三：FishAudio API 调用
- 10分钟口播约2000字（按1汉字=3字符折算=6000字符）
- 标准套餐：约0.8元/万字符→ 单条成本0.48元
- 每天一条，一个月30条：14.4元/月
- 一年总成本：约200元（套餐费）
FishAudio 基于开源模型，API 定价本身就很亲民。用量大的用户可以直接联系官方谈企业套餐，单价还能再压。
具体价格可以去官网（fishaudio.cc）查看，不同档位对应不同用量和权益。
三、总结与扩展
技术总结
从工程角度看，FishAudio 技能的设计有几个值得肯定的地方：
- Skill 封装规范：SKILL.md + scripts/ 的结构清晰，安装即用，不需要改配置
- API 集成简洁：通过环境变量配置 Key，对话式调用，零代码门槛
- 成本可控：相比自建方案，运维成本几乎为零，按量付费弹性好
- 开源引擎驱动：基于 FishSpeech 开源模型，中文合成效果出色，音色自然流畅
适用场景
- 短视频批量配音、有声书制作
- AI 智能体中集成语音合成能力
- 企业内部语音播报、培训材料制作
- 个人创作者的降本增效
后续可扩展方向
- 结合 WorkBuddy 的工作流能力，实现"文案生成 → 语音合成 → 视频合成"全自动流水线
- 多角色声音管理，适合有声书、对话类内容
- 对接其他平台（如飞书、钉钉机器人）做语音通知
- 利用 FishSpeech 开源生态，探索本地微调与定制化音色
如果你也在 WorkBuddy 里需要语音合成能力，FishAudio 的开源方案值得评估——音色自然、中文效果好、成本友好。有问题欢迎评论区交流，看到都会回。
本文所有价格数据截至发稿时有效，请以官网 fishaudio.cc 实际展示为准。