PHP调用小米AI语音合成多音色播报教程

本文详细解析了在PHP环境中调用小米AI语音合成（TTS）服务的完整实现路径与高频踩坑指南：由于官方不提供原生PHP SDK，开发者必须通过HTTPS API手动完成access_token申请与刷新、HMAC-SHA256签名生成（严格校验client_id、秒级时间戳、16位随机nonce及去空格文本的拼接顺序）、300字符内文本分段、指定合法音色（如zh-CN-xiaoyan，大小写敏感）、正确设置请求/响应头（Accept: audio/wav、Content-Type: application/json、CURLOPT_BINARYTRANSFER=true），以及安全保存WAV二进制流——任何环节出错都极易触发模糊的401、400或500错误；文章还强调多音色需通过多次独立请求实现，适合客服角色区分、教育配音等场景，并给出ffmpeg拼接方案，是PHP开发者落地小米TTS不可多得的实战避坑手册。

小米TTS SDK的PHP接入必须走HTTP API，没有原生PHP SDK

小米AI语音合成（TTS）官方不提供PHP语言的SDK，所有调用都得通过其开放平台的https://ai.xiaomi.com/api/tts HTTP接口完成。你看到的“PHP SDK”基本是第三方封装或自行写的cURL封装，底层全是发POST请求+签名验证。

常见错误现象：401 Unauthorized（签名错）、400 Bad Request（text超长或缺参数）、500 Internal Error（token过期或音色不支持）。别在GitHub上找“xiaomi-tts-php”类库——多数没维护，且签名逻辑常写错。

• 必须用client_id和client_secret申请access_token，有效期2小时，需自己缓存并刷新
• 每次TTS请求的text参数不能超过300字符（含标点），超长需分段
• 音色由voice参数控制，如zh-CN-xiaoyan、zh-CN-lili，不是随便起名，得查官方文档的voice_list接口返回值
• 返回是WAV二进制流，Content-Type为audio/wav，别当成JSON解析

PHP生成多音色语音必须手动切换voice参数并重签请求

一个请求只能指定一个voice，想让“张三说一句、李四说一句”，就得发两次独立请求，分别带不同voice值，并各自生成对应音频文件。不存在“一次请求多个音色”的API能力。

使用场景：客服播报中区分角色（如“系统提示”用男声、“用户反馈”用女声），或教育App里不同角色配音。别指望靠后处理混音来“模拟多音色”——TTS服务本身不支持。

• 音色名大小写敏感，zh-cn-xiaoyan会失败，必须是zh-CN-xiaoyan
• 部分音色仅限商用授权开通，测试时用zh-CN-xiaoyan最稳
• 每次请求都要重新计算sign（HMAC-SHA256 + timestamp + nonce），不能复用旧签名
• 若需拼接多段语音，用ffmpeg命令行合并：ffmpeg -i "concat:1.wav|2.wav" -acodec copy output.wav

curl_exec()返回空或乱码？检查Accept和Content-Type头

PHP用curl_exec()调小米TTS接口时，返回空字符串或一堆不可读字符，90%是因为没设对请求头或没处理响应头。它不返回JSON，而是直接吐WAV二进制数据。

典型错误：用json_decode(curl_exec($ch))去解析，结果得到null；或者echo输出二进制流导致浏览器崩溃。

• 请求头必须包含：Accept: audio/wav、Content-Type: application/json
• 务必加curl_setopt($ch, CURLOPT_BINARYTRANSFER, true)，否则cURL可能截断二进制
• 响应后立刻用file_put_contents('out.wav', $response)保存，别echo或print_r
• 调试时先用curl_getinfo($ch, CURLINFO_HTTP_CODE)确认状态码是200

签名生成容易漏掉nonce或时间戳偏差

小米TTS签名要求sign = base64_encode(hmac_sha256(client_secret, client_id + timestamp + nonce + text))，其中timestamp是秒级时间戳，服务器时间与小米服务器偏差超过300秒就拒收。

最容易踩的坑：用microtime(true)生成毫秒戳、nonce重复使用、或拼接时没trim掉text首尾空格——这些都会导致401。

• nonce必须是16位随机字符串（推荐bin2hex(random_bytes(8))）
• timestamp用time()，不是date('U')（虽然等价，但易误写成格式化字符串）
• 签名原文拼接顺序严格：$client_id . $timestamp . $nonce . trim($text)，少一个点都不行
• 调试时把签名原文和生成的sign一起打日志，比对是否一致

实际跑通的关键，是把签名、token刷新、分段截文本、二进制保存这四步串成稳定流程。中间任何一环用错类型或漏掉trim，都会卡在401或400，而且错误信息极其模糊。

到这里，我们也就讲完了《PHP调用小米AI语音合成多音色播报教程》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！