当前位置：首页 > news >正文

使用Fish Speech 1.5实现C++程序的语音交互功能

news 2026/3/27 5:14:44

使用Fish Speech 1.5实现C++程序的语音交互功能

1. 引言

你想过给你的C++程序加上语音交互能力吗？比如让程序能"说话"报出计算结果，或者通过语音指令控制程序运行？以前做这种功能需要复杂的音频处理和机器学习知识，但现在有了Fish Speech 1.5这样的工具，事情变得简单多了。

Fish Speech 1.5是一个强大的文本转语音模型，支持多种语言，只需要几行代码就能把文字变成自然流畅的语音。更重要的是，它提供了API接口，让我们可以在C++程序中直接调用，不需要依赖复杂的图形界面。

这篇文章会手把手教你怎么在C++程序里集成Fish Speech 1.5，从环境准备到完整代码实现，每个步骤都有详细说明和示例。即使你之前没接触过语音合成，也能跟着做出来。

2. 环境准备与依赖安装

在开始写代码之前，我们需要先准备好开发环境。Fish Speech 1.5提供了HTTP API接口，这意味着我们的C++程序需要通过网络请求来调用它的功能。

首先确保你的系统上安装了这些基础工具：

# 在Ubuntu/Debian系统上 sudo apt update sudo apt install build-essential cmake libcurl4-openssl-dev # 在CentOS/RHEL系统上 sudo yum groupinstall 'Development Tools' sudo yum install cmake libcurl-devel

对于C++项目，我们需要一个能处理HTTP请求的库。这里我推荐使用cpr库，它是libcurl的C++封装，用起来更简单：

// 示例：使用vcpkg安装cpr // 如果你用vcpkg管理依赖，可以这样安装： // vcpkg install cpr // 或者用CMake直接集成： include(FetchContent) FetchContent_Declare( cpr GIT_REPOSITORY https://github.com/libcpr/cpr.git GIT_TAG 1.10.4 ) FetchContent_MakeAvailable(cpr)

除了HTTP客户端，我们还需要处理JSON数据，因为要和API交换数据。nlohmann/json是个不错的选择：

// 同样可以用vcpkg安装： // vcpkg install nlohmann-json // 或者CMake集成： find_package(nlohmann_json 3.11.2 REQUIRED)

3. Fish Speech API基础调用

现在我们来写第一个简单的API调用示例。Fish Speech 1.5通常运行在本地服务器的6006端口，提供文本转语音的服务。

先来看一个最基础的同步调用示例：

#include <cpr/cpr.h> #include <nlohmann/json.hpp> #include <iostream> #include <fstream> using json = nlohmann::json; bool text_to_speech(const std::string& text, const std::string& output_path) { // 构造请求JSON json request_data = { {"text", text}, {"language", "zh"}, // 中文 {"length_scale", 1.0}, {"noise_scale", 0.6}, {"noise_scale_w", 0.8} }; // 发送POST请求 cpr::Response response = cpr::Post( cpr::Url{"http://localhost:6006/api/tts"}, cpr::Header{{"Content-Type", "application/json"}}, cpr::Body{request_data.dump()} ); if (response.status_code != 200) { std::cerr << "请求失败: " << response.status_code << std::endl; std::cerr << "错误信息: " << response.text << std::endl; return false; } // 解析返回的音频数据（通常是base64编码） json response_json = json::parse(response.text); std::string audio_data = response_json["audio"]; // 这里需要解码base64并保存为WAV文件 // 实际处理略，取决于你用的base64库 return true; }

这个例子展示了最基本的调用流程，但在实际项目中，我们还需要处理更多细节，比如错误处理、超时设置、音频数据解码等。

4. 完整的语音交互实现

让我们来实现一个更完整的语音交互类，包含错误处理、配置管理等功能：

class FishSpeechTTS { public: FishSpeechTTS(const std::string& host = "localhost", int port = 6006) : base_url_("http://" + host + ":" + std::to_string(port)) {} struct TTSConfig { std::string language = "zh"; double length_scale = 1.0; double noise_scale = 0.6; double noise_scale_w = 0.8; std::string reference_audio; // 用于语音克隆的参考音频路径 }; bool synthesize(const std::string& text, const std::string& output_path, const TTSConfig& config = TTSConfig()) { try { json request_data = { {"text", text}, {"language", config.language}, {"length_scale", config.length_scale}, {"noise_scale", config.noise_scale}, {"noise_scale_w", config.noise_scale_w} }; // 如果有参考音频，添加相关参数 if (!config.reference_audio.empty()) { request_data["enable_reference_audio"] = true; // 这里需要读取音频文件并编码为base64 // 实际实现略 } cpr::Response response = cpr::Post( cpr::Url{base_url_ + "/api/tts"}, cpr::Header{{"Content-Type", "application/json"}}, cpr::Body{request_data.dump()}, cpr::Timeout{30000} // 30秒超时 ); if (response.status_code != 200) { handle_error(response); return false; } return process_audio_response(response, output_path); } catch (const std::exception& e) { std::cerr << "合成过程中发生异常: " << e.what() << std::endl; return false; } } private: std::string base_url_; void handle_error(const cpr::Response& response) { std::cerr << "TTS请求失败 - 状态码: " << response.status_code << std::endl; try { json error_json = json::parse(response.text); if (error_json.contains("detail")) { std::cerr << "错误详情: " << error_json["detail"] << std::endl; } } catch (...) { std::cerr << "原始响应: " << response.text << std::endl; } } bool process_audio_response(const cpr::Response& response, const std::string& output_path) { try { json response_json = json::parse(response.text); if (!response_json.contains("audio")) { std::cerr << "响应中缺少音频数据" << std::endl; return false; } std::string audio_base64 = response_json["audio"]; // 解码base64并保存为WAV文件 // 这里需要实现base64解码和音频文件保存逻辑 std::cout << "语音合成成功，已保存至: " << output_path << std::endl; return true; } catch (const std::exception& e) { std::cerr << "处理音频响应时发生错误: " << e.what() << std::endl; return false; } } };

这个类提供了更完整的功能，包括错误处理、配置管理和音频处理。你可以这样使用它：

int main() { FishSpeechTTS tts; FishSpeechTTS::TTSConfig config; config.language = "en"; // 使用英语 if (tts.synthesize("Hello, welcome to the voice interface!", "output.wav", config)) { std::cout << "语音合成成功！" << std::endl; } else { std::cerr << "语音合成失败" << std::endl; } return 0; }

5. 实战案例：计算器语音反馈

让我们来看一个实际的应用场景：给一个简单的计算器程序添加语音反馈功能。

#include "FishSpeechTTS.h" #include <iostream> #include <string> class TalkingCalculator { public: TalkingCalculator() : tts_() {} void calculate_and_speak() { double num1, num2; char op; std::cout << "请输入第一个数字: "; std::cin >> num1; std::cout << "请输入运算符 (+, -, *, /): "; std::cin >> op; std::cout << "请输入第二个数字: "; std::cin >> num2; double result = 0; std::string operation_text; switch (op) { case '+': result = num1 + num2; operation_text = "加"; break; case '-': result = num1 - num2; operation_text = "减"; break; case '*': result = num1 * num2; operation_text = "乘"; break; case '/': if (num2 == 0) { std::cerr << "错误：除数不能为零" << std::endl; speak("除数不能为零，请重新输入"); return; } result = num1 / num2; operation_text = "除"; break; default: std::cerr << "无效的运算符" << std::endl; speak("无效的运算符，请使用加、减、乘或除"); return; } std::string result_text = std::to_string(num1) + operation_text + std::to_string(num2) + "等于" + std::to_string(result); std::cout << "结果: " << result_text << std::endl; speak(result_text); } private: FishSpeechTTS tts_; void speak(const std::string& text) { if (tts_.synthesize(text, "result.wav")) { // 这里可以添加播放音频的代码 std::cout << "正在播放结果..." << std::endl; } } }; int main() { TalkingCalculator calculator; calculator.calculate_and_speak(); return 0; }

这个例子展示了如何在实际应用中使用语音合成功能。计算器不仅显示结果，还会用语音读出来，用户体验更加友好。

6. 常见问题与解决方案

在实际开发中，你可能会遇到一些常见问题，这里提供一些解决方案：

连接问题：如果无法连接到Fish Speech服务，首先检查服务是否正常运行：

// 添加服务状态检查 bool check_service_status() { try { cpr::Response response = cpr::Get(cpr::Url{base_url_ + "/health"}); return response.status_code == 200; } catch (...) { return false; } }

音频处理问题：Fish Speech返回的音频数据通常是base64编码的，你需要解码并保存为音频文件。可以使用base64解码库来处理：

#include <base64.h> // 假设使用某个base64库 std::vector<uint8_t> decode_base64(const std::string& encoded) { return base64_decode(encoded); } bool save_audio(const std::vector<uint8_t>& data, const std::string& path) { std::ofstream file(path, std::ios::binary); if (!file) return false; file.write(reinterpret_cast<const char*>(data.data()), data.size()); return !file.fail(); }

性能优化：如果需要处理大量文本，可以考虑使用异步调用：

#include <future> std::future<bool> synthesize_async(const std::string& text, const std::string& output_path) { return std::async(std::launch::async, [this, text, output_path]() { return synthesize(text, output_path); }); }