Day 20｜她真的會「說」了：用免費 gTTS 讓 LINE Bot 說話（取代／備援 OpenAI TTS）

TL;DR
今天把昨天做好的「錄音→轉文字→AI 回覆」再升級：讓 AI 回覆同時也能「說出來」。不想燒金流？我們用 免費的 gTTS（Google Translate 的語音合成程式庫）當 主要或備援 TTS，產生 MP3 後丟到 Cloudinary 取得公開網址，再用 LINE AudioMessage 回傳。整套流程免刷卡、可直接部署在 Render。

⸻

我們要完成什麼？
• ✅ 把回覆文字轉成語音（TTS），讓機器人除了打字，也能說話
• ✅ 不依賴付費 API：導入 gTTS（免費）
• ✅ 若你同時有 OpenAI：支援 OpenAI TTS → gTTS 的自動備援
• ✅ 與既有架構銜接（Cloudinary 上傳 → LINE 回傳 AudioMessage）
• ✅ 提供完整程式片段＋部署清單

⸻

為什麼選 gTTS？
• 免費、零申請：直接 pip install gTTS 可用
• 多語支援：包含 zh-TW、ja、en…
• 相容我們現有流程：輸出 MP3 → 上傳 Cloudinary → LINE 播放
• 小提醒：
• gTTS 是呼叫 Google Translate 的服務，偶爾會被限流，加上備援最穩（ex: 有 OpenAI TTS 就優先用，失敗再用 gTTS）
• 聲音自然度不如商業 TTS，但成本＝0，上線超快

⸻

環境變數 & 專案設定
1. Cloudinary（必須）
確保你有 CLOUDINARY_URL，例如：

cloudinary://<api_key>:<api_secret>@<cloud_name>

2.	（可選）OpenAI

若想保留 OpenAI TTS 作為主用或備援：

OPENAI_API_KEY=sk-xxxx

3.	新增一個小開關（可選）：

TTS_PROVIDER=gtts # gtts / openai / auto（預設 auto：先 OpenAI 後 gTTS）

4.	requirements.txt 新增（或確認）：

gTTS
cloudinary

（你專案已含 cloudinary；若尚未加，記得補上）

⸻

代碼改造：把 gTTS 接上你的 Bot

下方片段可直接套進你目前的 app_fastapi.py（你 Day 18～19 版基礎已具備錄音→轉文字、Cloudinary 上傳、LINE 回傳音訊等流程）

1. 匯入與 TTS 選擇器

在 imports 區塊新增：

from gtts import gTTS

在環境變數區塊補一個 TTS 選擇器（可放在你讀 OPENAI_API_KEY 的附近）：

TTS_PROVIDER = os.getenv("TTS_PROVIDER", "auto").lower() # auto / openai / gtts

2. gTTS 版本的語音產生

在你目前的 TTS 區塊旁（有 _create_tts_with_openai_sync 的地方）加上 gTTS 實作：

def create_tts_with_gtts_sync(text: str) -> bytes | None:
"""
使用 gTTS 生成語音（免費）。
回傳 MP3 bytes；失敗回 None。
"""
try:
# 去除一些 Markdown 符號，避免念出奇怪字元
clean_text = re.sub(r'[*`~#]', '', text).strip()
if not clean_text:
clean_text = "嗨，我在這裡。"

    # zh-TW（正體中文），並使用台灣網域改善口音
    tts = gTTS(text=clean_text, lang="zh-TW", tld="com.tw", slow=False)
    buf = io.BytesIO()
    tts.write_to_fp(buf)
    buf.seek(0)
    return buf.read()
except Exception as e:
    logger.error(f"gTTS 生成失敗: {e}", exc_info=True)
    return None

3. 同步一個「策略」：OpenAI → gTTS 備援（或反過來）

把你原本的 text_to_speech_async 改成會依 TTS_PROVIDER 選擇來源，失敗就自動換另一個：

async def text_to_speech_async(text: str) -> bytes | None:
"""
依照 TTS_PROVIDER 決定用哪個 TTS。
- auto: 先 openai 後 gtts
- openai: 只用 openai
- gtts: 只用 gtts
"""
provider = TTS_PROVIDER

async def try_openai():
    return await run_in_threadpool(_create_tts_with_openai_sync, text)

async def try_gtts():
    return await run_in_threadpool(_create_tts_with_gtts_sync, text)

if provider == "openai":
    return await try_openai()

if provider == "gtts":
    return await try_gtts()

# auto：先 OpenAI（若有）再 gTTS
if openai_client:
    b = await try_openai()
    if b:
        return b
return await try_gtts()

你現在的回覆流程中，已經有：
• 文字回覆 → TextMessage
• 產生音訊 bytes → 上傳 Cloudinary → AudioMessage

不用大幅更動，只要 text_to_speech_async 回傳 bytes，後續就能沿用你原本的上傳＋回傳程式碼。

4. 其餘邏輯不用動
   • 觸發點不變：每次你傳文字 / 語音 → 我們都會嘗試產生語音回覆
   • Cloudinary 上傳仍採 resource_type="video"，LINE 就能播放 MP3
   • 若 TTS 失敗：依舊會回文字，不會影響主功能

⸻

完整回覆流程（示意）
1. 使用者說話或打字
2. （語音）→ Whisper 轉文字（OpenAI / Groq）
3. 建立人設＋情緒 → LLM 生成回覆文字
4. 回覆文字 → 呼叫 text_to_speech_async()：
• TTS_PROVIDER=auto：先 OpenAI，失敗以 gTTS 備援
• 或 TTS_PROVIDER=gtts：只用 gTTS
5. 成功產出 MP3 bytes → Cloudinary 上傳 → 取得 secure_url
6. LINE 回兩則訊息：
• TextMessage（文字）
• AudioMessage（音訊）

⸻

部署與測試
1. requirements.txt 加上：

gTTS
cloudinary

2.	設定環境變數（Render / Railway / Docker）：
•	CLOUDINARY_URL（必要）
•	TTS_PROVIDER=auto（或 gtts）
•	（可選）OPENAI_API_KEY（若你想主用 OpenAI 或保留備援）
3.	部署後在 LINE 丟一段文字：「今天有點累，安慰我一下」，看看能不能同時收到文字＋語音。
4.	丟長一點的句子，觀察 gTTS 生成時間（長文會久一點，正常）。
5.	若音訊沒有出來：看 Render Logs 是否有 gTTS 或 Cloudinary 例外，再確認環境變數。

⸻

常見問題（FAQ）

Q1：LINE 一定要 M4A 嗎？我丟 MP3 可以嗎？
A：LINE 官方建議 M4A/AAC，但 MP3 一般也能播。為了簡化，我們用 MP3。若你想完全遵循建議，可加一個轉檔（ffmpeg）→ M4A 後上傳。

Q2：gTTS 聲音不夠自然？
A：免費方案的極限～若需要更自然的中文發音，可用 OpenAI / Azure / ElevenLabs 等商用 TTS（有費用）。我們的結構已可互換，只要改 text_to_speech_async 的產生器即可。

Q3：gTTS 會不會被限流？
A：有可能。建議保留 OpenAI 作備援，或在高流量場景加上簡單的去重／快取（同一句話先查快取，命中就直接回舊音檔）。

⸻

今日成果
• 完成 免費 TTS（gTTS） 整合
• 支援 OpenAI ↔ gTTS 自動備援
• 你的 LINE Bot 現在會聽、會想、也會說🎙️

⸻

接下來還可以優化的
• 快取與成本最佳化：文字→語音加上內容雜湊快取、Cloudinary TTL 與清理腳本
• 或：自動摘要語音訊息＋「關鍵字抽取」與「待辦產生」