本文档抓取自官方文档中心（2026-10-10 快照），具体功能以实际产品为准。

文字转语音节点实现文档

概述

为视频工作流实现了全新的文字转语音节点，支持音色克隆和情感控制。

实现的功能

输入参数

1. 生成文本（必填）：要转换为语音的文本内容，支持放大编辑按钮（\u2922）在模态框中编辑长文本
2. 参考音色音频（可选）：用于声音克隆的参考音频文件，支持在线预览和清除
3. 情感控制方式：

• 与参考音频相同（默认）
• 使用情感参考音频

1. 情感参考音频（可选）：当选择"使用情感参考音频"时可用，支持在线预览和清除
2. 情感权重（可选）：范围0-1.6，步进0.1，默认1.0，调整情感强度

输出

• 生成的音频文件，可在线播放和下载

技术实现

文件修改清单

1. /web/video_workflow.html

• 在添加菜单中新增"文字转语音"菜单项
• 引入新的JavaScript文件 text_to_speech_node.js

1. /web/js/text_to_speech_node.js（新建）

• 使用 createNodeBase 基类工厂创建节点
• 实现 createTextToSpeechNode() 函数：创建文字转语音节点
• 实现 createTextToSpeechNodeWithData() 函数：从保存的数据恢复节点（使用 createNodeWithDataFactory）
• 实现音频上传、生成、轮询状态、下载等完整功能
• 已注册到节点注册表（registerNodeType('text_to_speech', ...)）

1. /web/js/events.js

• 添加菜单项点击事件处理器

1. /web/js/workflow.js

• 在 restoreNode() 函数中添加对 text_to_speech 节点类型的支持

API接口

节点使用以下API接口（与 @/web/index.html 的AI音频生成功能相同）：

• 生成接口：POST /api/audio-generate

• 参数：

• text: 生成文本
• user_id: 用户ID
• emo_control_method: 情感控制方式（0或1）
• ref_audio: 参考音频文件（可选）
• emo_ref_audio: 情感参考音频文件（可选）
• emo_weight: 情感权重（可选，0-1.6）
• auth_token: 认证令牌
• 状态查询接口：GET /api/audio-status/{audio_id}

• 返回音频生成状态和结果

节点特性

1. 音频上传：支持上传参考音频和情感参考音频，选择文件后自动显示播放器预览，支持清除
2. 实时状态：生成过程中显示实时状态，使用通用的 pollTaskStatus 函数轮询任务状态
3. 结果预览：生成成功后可直接在节点内播放音频
4. 数据持久化：节点数据可随工作流保存和加载，恢复时自动还原文本、情感设置和生成结果
5. 输出端口：节点包含输出端口，可连接到其他节点（预留扩展）
6. 国际化 (i18n)：所有用户界面文本均支持国际化，通过 window.t() 函数翻译
7. 节点注册：使用 createNodeBase 基类工厂创建，已注册到节点注册表，支持工作流保存/加载/撤销

使用流程

1. 在工作流画布中点击"+"按钮
2. 选择"添加节点" → "文字转语音"
3. 输入要转换的文本（可点击放大编辑按钮 \u2922 在模态框中编辑长文本）
4. （可选）上传参考音色音频，支持在线预览
5. （可选）选择情感控制方式并上传情感参考音频
6. 点击"生成语音"按钮
7. 等待生成完成，可在节点内播放或下载音频

注意事项

1. 需要用户登录后才能使用语音生成功能
2. 音频文件在生成时直接作为 FormData 发送，无需预先上传
3. 生成过程使用通用的 pollTaskStatus 函数轮询，支持成功、失败、超时三种回调
4. 支持工作流的保存、加载和撤销功能
5. 恢复工作流时，如果之前生成成功，会自动显示状态和音频播放器