本文适用对象：初级水平
目标：利用TTS生成天气预报的语音
上一节Dify应用实战课，让大家知道如何通过代码节点来对数据进行转换操作。
我们继续AI学习之旅，今天教大家使用TTS节点，来生成语音播报的音频数据。
学习完成，你将掌握生成语音文件的方法，可以将自己的文字直接变为播客内容。
01. 动手做一做
基于上一节课的流程，在"代码执行"节点之后，新增一个"Text To Speech"的节点。
添加之后，连接"代码执行"节点和新增节点；再连接新增节点和结束节点。新增参数(一定要先连接)，"Text To Speech"的输入，选择"代码执行"的text。
TTS节点需要有模型，这里选择SiliconCloud的fish-speech-1.5。
硅基流动配置非常简单，直接点配置弹出对话框后，跟着"从SiliconFlow获取API Key"的向导，打开官网，注册后创建API Key，然后复制到Dify的配置框，即可。
新增模型之后，在"系统模型设置"的文本转语音模型，选中fishaudio。
同时新增节点，记得选择声音的类型，包括了4男4女的备选声音，可以都测试一下，看看是否满足自己的需要。
"结束"节点的输出改为"Text To Speech"的files（这里注意不要再选成text了）。
点击"发布"，保存。提示"操作成功"。就可以进行测试了。测试如下：
结果输出是一个wav文件的下载链接，点击下载后，使用本地音频播放软件打开就可以检查内容。
02. 补充说明
今天的任务，非常简单，经过前几天的学习，应该操作起来很是得心应手了。
但注意一下，硅基流动的这个TTS模型是收费的，需要先充值才能使用，麦金叔充了10块钱。还有很多模型可以免费，或者限免使用。不过使用费用还算可以接受吧，测试了几次，花掉3分钱。同时新用户进来就赠送13.99，够用一段时间了。
当然，如果不想这么简单的实现，希望挑战一下自己的，麦金叔这里也有复杂的方案，点赞留言，确有需要，可以单独出一期。
另外，今天的"代码执行"节点，也做了一下脚本更新。直接将JSON，格式化输出为播报文案。
def main(arg1: str) -> dict:
import json
import datetime
today_date = datetime.date.today().strftime("%Y-%m-%d")
report = json.loads(arg1)
for index in range(0, len(report)):
weather = report[index]
if today_date == weather.get("date", ""):
day_weather = weather.get("dayweather", "")
day_temp = weather.get("daytemp_float", "")
night_weather = weather.get("nightweather", "")
night_temp = weather.get("nighttemp_float", "")
day_temp_f = float(day_temp)
day_temp_i = round(day_temp_f)
night_temp_f = float(night_temp)
night_temp_i = round(night_temp_f)
res = "今日天气，白天%s，温度%d摄氏度，晚上%s，气温%d摄氏度" % (day_weather, day_temp_i, night_weather, night_temp_i)
#today_weather = json.dumps(weather, ensure_ascii=False)
return { "result": res, }
总结
今天在上次的工作流基础上，进一步增加利用TTS来对获取内容进行语音生成处理，如果各位朋友有做播客的，那这一期就非常对你的胃口，操作也很简单。
如果你对AI的发展感兴趣，欢迎一键三连。有任何问题可以留言私信，我们共同探讨。