WorkBuddy接入FishAudio语音合成API实战FishSpeech开源引擎驱动保姆级安装教程成本对比摘要本文详细记录在 WorkBuddy 智能体中通过 API 调用 FishAudio 语音合成的完整流程从 Python 环境、Skill 安装到 API Key 配置以及本地部署/云GPU/API调用三种方案的成本对比。基于 FishSpeech 开源引擎中文音色自然流畅。前言做短视频内容这段时间配音一直是效率瓶颈。我想在 WorkBuddy 里直接通过 API 调用语音合成对话里说完文案就能出音频不用再开一堆工具来回切换。试了好几种方案大致就三条路本地部署开源TTS自由度高但没显卡真玩不转云GPU 自己搭服务灵活是灵活价格和维护成本劝退调用API接入智能体最快上手核心比的是价格和音质最后选定了FishAudio 的 API。底层是 FishSpeech 开源模型驱动中文发音的自然度我比较满意。Skill 封装到位API 调用方式简单整体成本比自建方案低不少对个人创作者和小团队都很友好。跑了快两周从音色试听、长音频合成到多角色管理体验都在线。下面把调用API接入智能体完整步骤整理出来一步一步照着做就行。一、保姆级安装教程跟着走就行怕有人跟我一开始一样找不到方向一步一步写清楚了。第一步确认你有 Python 环境FishAudio 技能需要 Python 3.6 以上版本运行。检查是否安装了Python按下Win R输入cmd回车打开命令提示符输入py --version回车如果显示类似Python 3.10.0这样的版本号说明已经安装可以跳过这一步如果提示不是内部或外部命令说明没安装继续往下看安装Python没装的话打开 Python 官网下载页面https://www.python.org/downloads/windows/下载最新版本的 Python选 “Download Windows installer (64-bit)”运行安装包非常重要一定要勾选最下面的 “Add Python to PATH”点击 “Install Now”等待安装完成重新打开命令提示符输入py --version确认能显示版本号第二步配置到WorkBuddy中本技能需要 API Key 才能使用官网https://fishaudio.cc前往官网注册账号并获取你的 API Key。API Key 是一串类似fsh8tKU3VBVZEewdPP7NB2xojNykKs6z这样的字符串请保存好。方法一一键安装推荐最简单打开 FishAudio 技能下载页面https://6e7aa5252293420e9557e44fe033365a.app.codebuddy.work/点击页面上的「下载技能包」按钮下载fishaudio-tts.zip打开 WorkBuddy在对话框中输入/install-skill在弹出的窗口中选择「导入 ZIP 文件」选择刚才下载的fishaudio-tts.zip安装完成 如果下载页面打不开也可以直接找技能发布者索要 ZIP 压缩包。方法二手动安装如果一键安装失败/网页打不开下载好 ZIP 压缩包后解压找到你的 WorkBuddy 技能目录一般在C:\Users\你的用户名\.workbuddy\skills\把你的用户名换成你电脑的用户名比如C:\Users\yanyu\.workbuddy\skills\在 skills 文件夹里新建一个文件夹名字叫fishaudio-tts把解压出来的文件全部复制到fishaudio-tts文件夹里复制完后文件夹结构应该是这样的skills/ └── fishaudio-tts/ ├── SKILL.md └── scripts/ └── tts.py重启 WorkBuddy技能就会被自动识别了第三步配置 API Key非常重要方式A直接配置最方便第一次使用技能时脚本会自动提示你输入 API Key输入一次即可。等待智能体自动识别就行。方式B永久配置一次设置以后不用再输右键点击此电脑 → “属性” → “高级系统设置” → “环境变量”在用户变量下面点击新建变量名填FISHAUDIO_API_KEY变量值填你的 API Key点击确定保存重启终端就生效了第四步开始使用在 WorkBuddy 对话中直接用最方便配置好 Key 之后你直接和 WorkBuddy 助手说就行了比如“用FishAudio合成这句话今天天气真好我们一起出去玩吧”“帮我上传这个音频创建一个新的声音模型名字叫我的声音”“列出我所有的声音模型”助手会自动调用技能完成操作合成完直接把音频发给你。二、成本分析API调用 vs 本地部署 vs 云GPU做技术的人讲究数据说话下面把三种方案的成本拆开来算。以每天一条10分钟口播为基准。方案一本地部署一张能跑TTS的中端显卡RTX 3060 12G约2000元每天开机跑2小时电费约1.5元/天 →45元/月环境搭建、模型调试、踩坑排错保守3-5天时间成本一年总成本2540元起不含显卡折旧和时间投入方案二云GPU租用GPU型号市场价说明入门T43-5元/小时大模型跑不动中端A10/30908-15元/小时勉强够用高端A10020-30元/小时起性能溢出加上环境搭建、模型调试、试错的时间保守按每天4小时、中端A10算40元/天 → 1200元/月 → 14400元/年方案三FishAudio API 调用10分钟口播约2000字按1汉字3字符折算6000字符标准套餐约0.8元/万字符→ 单条成本0.48元每天一条一个月30条14.4元/月一年总成本约200元套餐费FishAudio 基于开源模型API 定价本身就很亲民。用量大的用户可以直接联系官方谈企业套餐单价还能再压。具体价格可以去官网fishaudio.cc查看不同档位对应不同用量和权益。三、总结与扩展技术总结从工程角度看FishAudio 技能的设计有几个值得肯定的地方Skill 封装规范SKILL.md scripts/ 的结构清晰安装即用不需要改配置API 集成简洁通过环境变量配置 Key对话式调用零代码门槛成本可控相比自建方案运维成本几乎为零按量付费弹性好开源引擎驱动基于 FishSpeech 开源模型中文合成效果出色音色自然流畅适用场景短视频批量配音、有声书制作AI 智能体中集成语音合成能力企业内部语音播报、培训材料制作个人创作者的降本增效后续可扩展方向结合 WorkBuddy 的工作流能力实现文案生成 → 语音合成 → 视频合成全自动流水线多角色声音管理适合有声书、对话类内容对接其他平台如飞书、钉钉机器人做语音通知利用 FishSpeech 开源生态探索本地微调与定制化音色如果你也在 WorkBuddy 里需要语音合成能力FishAudio 的开源方案值得评估——音色自然、中文效果好、成本友好。有问题欢迎评论区交流看到都会回。本文所有价格数据截至发稿时有效请以官网 fishaudio.cc 实际展示为准。