Dify工作流集成TTS：低代码实现语音输出
📌 背景与需求：让AI应用'开口说话'
在构建智能对话系统、虚拟助手或教育类AI产品时，语音输出能力是提升用户体验的关键一环。传统的语音合成（Text-to-Speech, TTS）方案往往依赖复杂的模型部署和高门槛的开发流程，难以快速集成到低代码平台中。
Dify作为一款领先的低代码大模型应用开发平台，支持通过可视化工作流编排AI能力。然而，默认组件并未内置TTS功能。本文将介绍如何通过集成一个稳定、高质量的中文多情感TTS服务——基于ModelScope的Sambert-Hifigan模型，为Dify工作流注入'声音'，实现从文本生成到语音播报的完整闭环。
🎯 核心目标：
在不编写复杂后端代码的前提下，将成熟的TTS能力以API形式接入Dify，完成'用户输入 → 文本处理 → 语音合成 → 播放反馈'的自动化流程。
🎙️ Sambert-HifiGan 中文多情感语音合成服务详解
技术选型依据：为何选择 Sambert-Hifigan？
在众多开源TTS模型中，ModelScope平台提供的 Sambert-Hifigan（中文多情感）模型脱颖而出，具备以下优势：
- ✅ 高自然度：采用两阶段架构（Sambert 声学模型 + Hifigan 声码器），合成语音接近真人发音。
- ✅ 情感丰富：支持多种情感语调（如开心、悲伤、愤怒等），适用于多样化场景。
- ✅ 端到端中文优化：专为中文语音合成训练，对拼音、声调、连读等语言特性有良好建模。
- ✅ 轻量可部署：可在CPU上高效推理，适合边缘设备或资源受限环境。
该模型已在Hugging Face和ModelScope上开源，社区活跃且文档完善，是当前中文TTS任务中的首选方案之一。
系统架构设计：WebUI + API 双模式服务
为了便于集成与调试，我们使用了一个经过深度优化的Docker镜像版本，其整体架构如下：
+---------------------+ | 用户浏览器 | | (WebUI界面操作) | +----------+----------+ | v +---------------------+ | Flask HTTP Server | | - 提供网页交互入口 | | - 接收POST /tts请求 | +----------+----------+ | v +---------------------+ | Sambert-Hifigan 模型 | | - 文本转频谱 | | - 频谱转波形 | +----------+----------+ | v +---------------------+ | 输出.wav音频文件 | | 或 Base64编码数据返回| +---------------------+
🔧 关键改进点
原始ModelScope示例存在严重的依赖冲突问题，常见报错包括：
ImportError: numpy.ndarray size changed, may indicate binary incompatibility ValueError: scipy 1.13+ is not supported
我们已对环境进行彻底修复：
datasets==2.13.0→ 锁定兼容版本numpy==1.23.5→ 避免与transformers冲突scipy<1.13→ 兼容旧版torchaudio