让应用里的文字变成声音，LocalAI 可以交回一份本地音频文件

给自己的应用加一个朗读按钮，除了能选语音模型，还要回答一个交付问题：输入一段文字后，程序到底拿回什么，怎样播放或保存？LocalAI 的 TTS 文档，把这条链路落在一个音频返回接口上。

它负责组织本地推理后端与 API。具体声音来自所安装的模型，LocalAI 本身不是一套能保证所有语言、所有声线表现的通用权重。

请求里写文字，响应里拿声音

官方示例向 /tts 发送 input 和 model，使用一段 Hello world 文本，返回 audio/wav 文件。应用可以接住这段数据，保存为文件，再交给播放器。

model 在这里指已配置的本地模型名，不是随意填写就能下载的产品代号。README说明，后端按需拉取；部署时需要把模型、相应后端及运行资源接好，再谈文字如何变成声音。

教学情境中，页面生成一段讲解稿后，可以先让用户编辑，再将确认文本发给 TTS，保留原文与音频对应。这个流程有助于回查读错的名称或数字；它不是一段已经完成的中文语音效果演示。

文档给出 /v1/audio/voices，可按 model 查询已安装模型的声音。条目可以含语言和性别等元信息；其他模型也能在 YAML 中声明目录。

有一个实际边界：没有声音元数据的模型，不会出现在不指定模型的列表响应里；请求未安装的模型则返回404。因此，“列表里没看到”与“服务完全没有TTS能力”不是同一件事，应用最好区分未安装、无目录和真正调用失败。

界面提供的声音选项应当来自该模型实际目录。不能把几个云服务常见的 voice 名称都放进下拉框，再期待每个本地后端理解相同参数。

默认返回 WAV。如果需要 mp3、aac、flac 或 opus，文档说明要借助 ffmpeg 转换；指定非 WAV 格式却没有 ffmpeg，调用会失败。把 WAV 内容改名为 .mp3，不等于完成转换。

这处细节会直接影响成果能否继续使用：浏览器能否播放、剪辑软件怎样导入、下载文件名是否正确，都与实际响应格式有关。应用应该用响应和所选格式组织文件，而不是只显示一句“生成成功”。

LocalAI 代码采用 MIT，模型权重、参考音频与声线条件仍需分别核对。它在这项任务中的用途，是让应用通过稳定的输入输出调用本地语音：给文字和模型，取回声音，同时保留足够信息解释这份音频由什么生成。