中文文本转语音（TTS）技术演示工具包

本文还有配套的精品资源，点击获取

简介：TTSDemo.zip包含资源和示例程序，用于实现文本转语音（TTS）功能，广泛应用于语音助手、有声读物、导航系统等。本工具包重点展示TTS技术原理、中文语音引擎选择、API接口使用、多语言与方言支持、实时播报与文件保存、用户体验优化、应用场景以及性能和效率。通过使用TTSDemo，开发者可以学习如何集成和利用TTS技术，提升软件的人性化和可用性。

1. 文本转语音（TTS）技术简介

文本转语音（Text-to-Speech, TTS）技术是一种将计算机输出的文本信息转换成语音信息的技术，使得计算机能够“说话”，从而实现信息的无障碍交流。TTS技术历经多年发展，现已成为AI领域中重要的应用技术之一，广泛应用于智能助理、车载系统、无障碍阅读辅助和教育等多个场景。

本章将从TTS技术的起源讲起，逐步深入探讨其发展背景、核心技术以及在现代应用中的重要性。我们会了解到TTS技术如何通过软件将文字信息转换为合成语音，并讨论它如何在提升用户体验、优化人机交互方面发挥着关键作用。

以下是TTS技术的发展简史：

• 1930s: 人们开始对模拟语音合成技术产生兴趣，最初是通过机械和电气设备模拟人类声音。
• 1960s: 数字语音合成技术诞生，采用了数字编码和数字信号处理的方法。
• 1990s: 互联网的出现和计算能力的提升推动了TTS技术的商业化和普及。
• 21st Century: 随着深度学习技术的进步，TTS技术迈向了全新的高度，实现了更加自然、流畅的语音合成效果。

1.1 TTS技术的基本工作原理

TTS系统的基本工作流程通常包括文本分析、语言处理、声学模型处理以及音频合成四个步骤。每个步骤都至关重要，它们共同作用使得从纯文本到清晰可懂的语音合成成为可能。

首先，文本分析模块负责理解和解析输入的文本，将其转换为一系列的发音单元，比如音素。然后，语言处理模块进一步确定这些发音单元的语调、语速和强调等信息，为发音添加节奏和情感。接下来，声学模型根据发音单元和语言处理结果生成数字音频波形。最后，音频合成模块将这些波形数据转换为实际可播放的声音信号。

在这个过程中，深度学习技术为提升TTS系统的自然度和准确度提供了强大的支持，例如通过循环神经网络（RNN）和变分自编码器（VAE）等模型。现在，TTS系统不仅能够转换文本，还能通过各种优化技术，如端到端的模型、神经语音合成等，提供更加自然和人类化的语音输出。

TTS技术的不断进步为各个行业带来了一场变革，不仅提高了信息传递的效率，还在辅助技术、娱乐等领域打开了全新的应用空间。随着技术的进一步发展，我们可以期待TTS技术在未来的创新应用将更加多样化和智能化。

2. 中文语音引擎的选择和使用

2.1 中文TTS引擎概述

2.1.1 TTS引擎工作原理

TTS（Text-to-Speech）引擎是将文本信息转换成语音信息的软件系统。其工作流程通常包括文本分析、语音合成和音频输出三个核心步骤。首先，文本分析阶段，TTS引擎会将输入的文本转换成中间语言表示（ILR），这涉及到语言学处理，如分词、词性标注、语音标注等。接着，引擎会根据ILR生成语音单元的序列，这可能包括音素、音节、韵律等的处理。最后，音频输出阶段，系统将语音单元序列转化为连续的音频流，使得输出的语音平滑自然，接近人类发音。

graph LR
A[输入文本] -->|分词| B(文本分析)
B -->|生成ILR| C[语音合成]
C -->|音频输出| D[语音信号]

2.1.2 常见的中文TTS引擎对比

市场上有多种中文TTS引擎，例如百度语音、腾讯云语音、阿里云语音等。各引擎各有特色，例如百度语音具有很好的自然度，腾讯云语音在特定领域（如教育）中使用广泛，而阿里云语音在电商场景下表现出色。每种引擎在音色多样性、音质清晰度、语速处理等方面都有不同的表现，需根据具体应用场景进行选择。

| 特性 | 百度语音 | 腾讯云语音 | 阿里云语音 | | ------------- | -------- | ---------- | ---------- | | 音质自然度 | 非常好 | 好 | 优秀 | | 音色多样性 | 多 | 多 | 较多 | | 特定领域适用性 | 一般 | 强 | 强 | | 价格 | 适中 | 适中 | 适中 |

2.2 语音引擎的选择标准

2.2.1 音质与流畅度评估

选择中文语音引擎时，首先应关注的是音质和流畅度。音质好的引擎可以使输出的语音听起来更自然，更接近人声。流畅度则是指语音合成时的连贯性，好的引擎能够保证语句间的平滑过渡，没有停顿或不必要的拉长音。音质和流畅度的评估，可通过播放不同引擎合成的相同文本片段，由专业监听人员或用户进行主观打分。当然，也存在一些自动化的评估工具，如PESQ（Perceptual Evaluation of Speech Quality）或MOS（Mean Opinion Score）评分系统。

from TTS.api import TTS
from pydub import AudioSegment

# 配置TTS引擎参数
tts_engine = TTS(
    model_name='tts_models/en/ljspeech/tacotron2',
    progress_bar=False,
    gpu=False,
)

# 文本到语音的转换
tts_engine.tts(text="这是一个测试文本，用于评估音质和流畅度。")

# 将合成的语音转换为标准音频格式
audio = AudioSegment.from_file("output.wav")

2.2.2 引擎的兼容性和集成难易度

除了音质和流畅度，引擎的兼容性和集成的难易度也是重要的考量因素。兼容性指的是引擎能够在多种操作系统和编程语言中无缝运行。集成难易度则关系到开发人员是否能够快速地将TTS功能集成到应用中。一些引擎提供了丰富的SDK和API，文档齐全，使用简单。而另一些则可能需要更多的开发时间来适配和集成。

2.3 中文语音引擎的配置与优化

2.3.1 个性化音色定制

在某些场景下，开发者可能需要为用户提供个性化的音色选择。定制化音色可以通过采集特定人的声音样本，使用神经网络模型进行训练得到。这个过程可以实现个性化的声音效果，增加用户满意度。引擎提供的个性化服务不同，定制化的难易程度和时间成本也不尽相同。

from TTS.api import TTS
import os

# 定制化音色配置
config_path = "path/to/customized_config.json"
vocoder_model_path = "path/to/vocoder_model.pth"
vocoder_config_path = "path/to/vocoder_config.json"

# 初始化TTS引擎
tts_engine = TTS(
    model_name='tts_models/en/ljspeech/tacotron2',
    vocoder_model_path=vocoder_model_path,
    vocoder_config_path=vocoder_config_path,
    config_path=config_path,
)

# 使用定制化音色合成语音
tts_engine.tts(text="这是定制化音色的语音合成。", voice_sample_path="path/to/voice_sample.wav")

2.3.2 性能调优技巧

在应用中文TTS引擎时，可能需要对性能进行优化。常见的优化手段包括选择合适的文本处理策略、调整语音合成参数、以及进行音色和语速的微调。另外，考虑到资源的限制，还可能需要对音频进行压缩处理，以减少存储和带宽需求。性能优化的具体方法和参数设置依赖于应用场景和具体的TTS引擎。

from TTS.api import TTS

# 配置TTS引擎的性能优化参数
tts_engine = TTS(
    model_name='tts_models/en/ljspeech/tacotron2',
    use_cuda=False,
    use_griffin_lim=True,
    enable_eos_bos_chars=True,
    length_scale=1.0
)

# 合成语音并进行音频压缩
tts_engine.tts(text="这是优化后的语音合成。")
compressed_audio = AudioSegment.from_file("output.wav")
compressed_audio.export("compressed_output.mp3", format="mp3")

3. TTS API接口调用示例

3.1 API接口概述

3.1.1 TTS API接口的功能与特点

TTS API（Text-to-Speech Application Programming Interface）接口允许软件开发者将文本转换为语音，这样就可以集成到自己的应用程序中。这些API通常由TTS引擎提供商提供，具有以下特点：

• 标准化 ：API具有统一的调用标准，方便开发者理解和集成。
• 可扩展性 ：支持多种语言和方言，以及不同的发音人选择。
• 实时性 ：支持流式传输，可以实现文本与语音的实时转换。
• 灵活性 ：开发者可以根据实际需求进行功能选择，如调整语速、音调等。

3.1.2 API接口的版本更新与维护

TTS API接口会定期进行更新和维护，以适应技术进步和用户需求的变化。维护工作通常包括：

• 功能增强 ：添加新的语言支持、改进语音合成质量、增加更多的定制选项。
• 性能优化 ：减少请求响应时间、优化带宽使用、提高系统稳定性。
• 安全性强化 ：确保数据传输的安全性，包括SSL加密、API密钥验证等。

3.2 API接口调用方法

3.2.1 请求流程与参数解析

在调用TTS API时，一般遵循以下请求流程：

1. 注册账号 ：访问TTS服务商网站，注册账号获取API访问权限。
2. 获取API密钥 ：根据提供的指导获取API密钥，用于身份验证。
3. 阅读文档 ：仔细阅读API文档，了解不同的请求方法和参数。
4. 发起请求 ：使用编程语言（如Python、Node.js等）构建HTTP请求。
5. 处理响应 ：对API返回的响应进行处理，获取音频数据。

参数通常包括：

• text ：需要转换成语音的文本。
• voice ：选择特定的发音人。
• language ：选择语言和方言。
• format ：指定音频格式（如MP3、WAV等）。

3.2.2 编程语言中的接口调用示例

以Python为例，展示了如何使用 requests 库调用TTS API。

import requests

# 设置API的URL和你的API密钥
url = "***"
headers = {
    "Authorization": "Bearer YOUR_API_KEY",
    "Content-Type": "application/json"
}

# 设置请求参数
payload = {
    "text": "您好，欢迎使用TTS服务。",
    "voice": "xiaoyan",
    "language": "zh-CN",
    "format": "mp3"
}

# 发起请求并获取响应
response = requests.post(url, json=payload, headers=headers)

# 检查响应状态码
if response.status_code == 200:
    # 将响应内容（音频数据）保存到文件
    with open("output.mp3", "wb") as ***
        ***
    ***"Error:", response.status_code)

在这段代码中，我们首先导入了 requests 库，然后定义了API的URL和携带的认证信息。我们构建了一个包含必要参数的payload，并通过 post 方法发送请求。成功响应后，我们将音频数据保存到本地文件。

3.3 实际应用案例分析

3.3.1 典型应用场景的代码展示

在实际应用中，根据场景的不同，TTS API的调用方式也会有所区别。下面是一个场景：假设我们需要在一款教育类APP中集成实时语音播报功能。

def generate_speech(text, voice="xiaoming", language="en-US", format="mp3"):
    """生成语音数据并播放。

    :param text: 需要转换成语音的文本。
    :param voice: 指定的发音人。
    :param language: 语言代码。
    :param format: 音频格式。
    :return: None
    """
    # API的URL
    url = "***"

    # 请求头部，包含API密钥
    headers = {
        "Authorization": "Bearer YOUR_API_KEY",
        "Content-Type": "application/json"
    }

    # 构造请求负载
    payload = {
        "text": text,
        "voice": voice,
        "language": language,
        "format": format
    }

    # 发送请求并获取响应
    response = requests.post(url, json=payload, headers=headers)

    # 判断请求是否成功
    if response.status_code == 200:
        # 这里可以根据应用实际情况，进行语音播放或者其他处理
        print("语音播放准备完成...")
        play_audio(response.content)  # 假设这是一个播放音频的函数
    else:
        print("Error:", response.status_code)

# 示例：将一段英文文本转换为语音并播放
generate_speech("Hello, how are you?", voice="emily", language="en-US")

在这个示例中，我们定义了一个函数 generate_speech 来处理TTS的请求与播放。我们利用传入的参数，构造了请求负载，并调用TTS API。如果请求成功，我们使用了 play_audio 这个假设的函数来播放获取到的音频数据。

3.3.2 遇到问题的诊断与解决

在实际应用中使用TTS API时，可能会遇到各种问题。以下是一些常见的问题及其诊断和解决方法：

• 请求失败 ：首先检查网络连接，然后确认API密钥是否正确，最后查看API提供商的状态页面，检查是否是服务端问题。
• 音质不佳 ：可以尝试更改不同的发音人，或者调整音高、语速等参数。
• 延迟问题 ：若出现语音播报延迟，可能是因为请求响应时间长或网络不稳定。可以尝试优化网络环境，或者增加缓冲时间。
• 音频格式不支持 ：确认API支持的音频格式，并确保在请求中指定了正确的格式。

对于这些常见问题，我们可以在代码中增加异常处理机制，更智能地诊断和处理，以保证用户获得良好的体验。

4. 多语言与方言支持方法

多语言与方言的支持是提升TTS系统全球性和地域性的关键。本章节将深入探讨多语言支持的策略、方言的识别与转换，以及实践中如何进行语言适应性优化。

4.1 多语言支持策略

多语言支持不仅仅是一个技术问题，更是一个商业战略问题。语言的多样性和复杂性要求TTS系统必须具备灵活的语言处理能力。

4.1.1 多语言支持的必要性与挑战

全球化浪潮下，企业的海外扩张和品牌国际化成为了常态。多语言支持对于用户交互体验至关重要，它可以帮助企业覆盖更广泛的受众，打破语言障碍。

然而，多语言支持面临许多挑战，包括但不限于：

• 语言资源的收集和整理。
• 语音合成模型的训练和优化。
• 翻译和本地化质量保证。

4.1.2 多语言模型的构建与训练

构建一个多语言模型涉及以下几个步骤：

1. 数据收集 ：收集各种语言的训练数据，包含不同口音、语速和语调的语音样本。
2. 数据清洗 ：对收集到的数据进行去噪、去除重复和无关内容等预处理。
3. 特征提取 ：提取语音特征，如MFCC（梅尔频率倒谱系数），以便模型学习。
4. 模型训练 ：使用深度学习框架（如TensorFlow或PyTorch）构建并训练语音合成模型。
5. 模型评估 ：通过主观和客观测试评估模型性能，并进行迭代优化。

代码块示例：多语言模型训练代码片段

import tensorflow as tf

# 假设我们已经准备好了训练数据：audio_features, text_inputs
# audio_features: 一个张量，包含音频的特征，例如MFCC
# text_inputs: 对应的文本输入

# 构建模型
model = tf.keras.models.Sequential([
    tf.keras.layers.Embedding(input_dim=vocab_size, output_dim=embedding_dim, input_length=max_length),
    tf.keras.layers.Conv1D(filters=64, kernel_size=5, padding='same', activation='relu'),
    tf.keras.layers.GlobalMaxPooling1D(),
    tf.keras.layers.Dense(20, activation='relu'),
    tf.keras.layers.Dense(audio_features.shape[2])
])

# 编译模型
***pile(loss='mse', optimizer='adam')

# 训练模型
history = model.fit([text_inputs, audio_features], audio_features, epochs=10, batch_size=128, validation_split=0.2)

在这个代码示例中，我们使用了TensorFlow构建了一个简单的序列到序列的模型结构，其中包含了卷积层和全连接层。这仅是一个示例，实际的多语言TTS模型会更加复杂，并且需要大量的调优。

4.2 方言的识别与转换

方言是特定地区内的语言变体。它们在发音、词汇和语法上与标准语言有所不同。对于TTS系统而言，方言的识别与转换是一种高级应用。

4.2.1 方言语音特点分析

每个方言都有其独特的发音规则和声学特征。例如，汉语的不同方言在声母、韵母和声调上有显著差异。因此，方言的语音识别与转换系统需要考虑以下因素：

• 方言词汇和短语库的建立。
• 方言语音识别的声学模型训练。
• 方言语音转换模型的调校。

4.2.2 方言转换技术实现路径

要实现方言转换，可以遵循以下步骤：

1. 方言录音 ：收集大量的方言录音样本。
2. 特征提取 ：提取方言的声学特征，为模型训练提供数据。
3. 声学模型训练 ：训练方言识别模型，使其能够准确地识别不同的方言。
4. 转换算法开发 ：基于识别结果，将标准语言转换为对应方言。
5. 系统集成与测试 ：将转换算法集成到TTS系统中，并进行充分的测试。

mermaid格式流程图：方言转换技术流程图

graph TD
    A[收集方言录音样本] --> B[提取声学特征]
    B --> C[训练方言识别模型]
    C --> D[开发方言转换算法]
    D --> E[集成到TTS系统]
    E --> F[系统测试与优化]

在上述流程中，每个环节都是实现方言转换的关键。最终，一个高效的方言转换TTS系统会使得方言用户也能享受到自然、流畅的语音播报服务。

4.3 实践中的语言适应性优化

为了让TTS系统更好地服务于不同语言和方言的用户，需要进行语言适应性优化。

4.3.1 语言适应性测试与评估

语言适应性测试包括以下步骤：

1. 用户样本选取 ：挑选具有代表性的样本用户群体。
2. 场景设计 ：设计与用户日常使用场景相关的测试案例。
3. 使用反馈收集 ：获取用户在使用TTS系统时的反馈。
4. 数据分析 ：对收集的数据进行分析，找出性能瓶颈和改进点。
5. 迭代优化 ：根据分析结果进行系统迭代优化。

4.3.2 持续优化与用户反馈循环

持续优化的过程是将用户反馈转化为系统改进的过程。它可以分为以下几个步骤：

1. 收集反馈 ：通过调查问卷、用户访谈等方式收集用户反馈。
2. 问题定位 ：根据反馈定位问题所在，比如音质问题、语音清晰度问题等。
3. 开发迭代 ：针对定位的问题进行开发迭代。
4. 回归测试 ：确保问题被解决，并且没有引入新的问题。
5. 用户验证 ：让问题反馈用户验证优化后的系统。

表格示例：用户反馈汇总表

| 用户编号 | 场景描述 | 反馈内容 | 问题类型 | 优化后体验 | |----------|----------|----------|----------|-------------| | 001 | 导航指令 | 发音不够清晰 | 音质问题 | 发音清晰度提升 | | 002 | 阅读新闻 | 语速过快 | 流畅度问题 | 语速调节功能提供 | | 003 | 智能助手 | 缺乏情感表达 | 表达问题 | 增加情感模型 |

这个表格是一个简化的例子，用于说明如何汇总和分析用户反馈。实际的反馈汇总可能包含更多的详细信息，并与系统日志相关联，以便于更准确地定位问题并进行优化。

通过语言适应性测试与评估，以及持续优化与用户反馈循环，TTS系统能够不断进步，更好地满足用户的语言需求。这一过程是TTS技术不断进化的动力，也是提升用户体验的关键所在。

5. 实时语音播报与音频文件保存

在现代信息系统中，实时语音播报是提升用户体验的重要组成部分，它涉及到从文本到语音的即时转换，以及转换后音频流的分发和播放。此外，音频文件的保存与管理是确保语音播报系统可持续运行的基础。本章节将探讨实时语音播报的实现机制，音频文件的保存与管理，并通过案例研究来展示音频文件在不同场景下的应用扩展。

5.1 实时语音播报的实现机制

实时语音播报不仅要求TTS引擎具备快速处理文本的能力，还要求系统能够在低延迟的情况下实时分发音频流，确保语音播报与事件的发生或文本的显示保持同步。

5.1.1 实时音频流处理技术

实时音频流处理技术是实时语音播报的核心，它需要依赖高效的TTS引擎来实现。现代TTS引擎通常具备流式音频输出的能力，可以边生成音频边进行播放。这种流式处理技术减少了内存的使用，并且使得延迟降至最低。

在技术实现上，实时语音播报系统通常通过网络API接收文本数据，并将其传递给TTS引擎。TTS引擎将文本转换为音频流后，系统通过实时通信协议（如WebRTC）将音频流传输到客户端播放器。

import socket
import wave

# 假设socket连接已建立到TTS服务端
tts_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
tts_socket.connect(('tts_service_address', tts_service_port))

# 发送文本请求语音播报
text_to_convert = "您好，欢迎使用本服务。"
tts_socket.sendall(text_to_convert.encode('utf-8'))

# 接收实时音频流
audio_buffer = b''
while True:
    fragment = tts_socket.recv(4096)
    if not fragment:
        break
    audio_buffer += fragment
    # 此处可以实现音频流播放或进一步处理

# 关闭socket
tts_socket.close()

5.1.2 播报延迟优化与同步问题

播报延迟是实时语音播报中的一个关键指标。优化延迟通常需要在系统的各个层面进行，包括网络传输、音频处理、以及客户端播放器。

延迟优化的策略包括：

• 使用本地或云内的TTS引擎，减少网络传输时间。
• 采用高效的音频编码技术，如Opus，它在低带宽下仍能保持高质量。
• 优化TTS引擎，使其能够快速响应并生成音频流。
• 在客户端实现音频缓冲和预加载机制，以应对网络波动导致的延迟。

同步问题的解决不仅涉及到音频与视频或事件的发生时间同步，还包括音频在不同设备上的一致性。为此，需要一个精准的时间戳机制，保证音频流能够在播放时与其它媒体内容同步。

5.2 音频文件的保存与管理

音频文件的保存与管理是语音播报系统的一个重要组成部分。从保存音频到确保音频文件的可访问性，再到音频文件的大规模存储，每个环节都需要精心设计和优化。

5.2.1 音频格式选择与转换

音频格式的选择影响着音频的质量、文件大小和播放兼容性。常用音频格式包括MP3、WAV、AAC等，其中MP3是网络上最流行的压缩音频格式之一，而WAV格式则常用于高质量音频文件的存储。

在音频格式的选择上，系统需要权衡以下因素：

• 音频质量：是否需要无损格式，或者有损压缩是否可以接受。
• 文件大小：影响存储和传输效率，尤其是对于大规模音频数据。
• 播放兼容性：不同的播放器和设备对音频格式的支持不同。

音频格式转换常使用工具如FFmpeg来实现。例如，将一个WAV文件转换为MP3格式：

ffmpeg -i input.wav -codec:a libmp3lame -qscale:a 2 output.mp3

5.2.2 大规模音频文件存储解决方案

随着语音播报系统的应用增长，音频文件的存储需求也将激增。有效地存储和管理这些音频文件对于系统的稳定性和扩展性至关重要。

大规模音频文件存储的解决方案可能包括：

• 使用对象存储服务，如Amazon S3、阿里云OSS等，它们提供了高可用性和可扩展的存储能力。
• 建立内容分发网络（CDN），加快音频文件的全球分发速度。
• 实施数据备份和归档策略，确保音频数据的安全和长期保存。

音频文件的管理还可以通过元数据来优化。例如，为每个音频文件添加标签，描述文件内容、生成时间、关联的文本等信息，以利于后续的搜索和检索。

5.3 案例研究：音频文件的应用扩展

音频文件不仅可以用作语音播报，还可以扩展应用到辅助阅读、教育等多个领域。在这些应用场景中，音频文件可以作为一种媒介，连接用户和内容，提供更加丰富和便捷的使用体验。

5.3.1 音频文件在辅助阅读中的应用

对于视力受限的用户或在驾驶、运动等不便阅读的场景中，音频文件可以提供极大的便利。例如，通过将电子书内容转换为音频文件，用户可以实现“听书”体验。

实现听书服务通常需要将电子书文本通过TTS引擎转换为音频文件，然后将这些音频文件提供给用户。例如，Amazon的Audible服务就提供了大量有声读物，满足用户的听书需求。

5.3.2 音频文件在教育行业的应用实例

音频文件在教育领域也有着广泛的应用。例如，在语言学习中，通过提供正确的发音和语调，音频文件可以作为学生学习的工具。此外，儿童故事、历史记录、科普知识等都可以通过音频文件的形式传播给学生。

一个应用实例是在线语言学习平台，学生可以通过平台听取不同语言的正确发音，从而提高自己的听说能力。平台可以将不同语言和话题的短文通过TTS系统转换为音频，并提供给学生在线听或下载学习。

总结而言，实时语音播报与音频文件的保存和管理是现代语音技术应用中的关键环节。通过选择合适的TTS引擎、优化实时音频流的处理和传输、合理选择音频格式并妥善管理音频文件，可以极大提升用户在多个场景下的使用体验。随着技术的不断发展和应用的不断拓展，实时语音播报和音频文件的应用将持续为人们的生活带来便利。

本文还有配套的精品资源，点击获取

简介：TTSDemo.zip包含资源和示例程序，用于实现文本转语音（TTS）功能，广泛应用于语音助手、有声读物、导航系统等。本工具包重点展示TTS技术原理、中文语音引擎选择、API接口使用、多语言与方言支持、实时播报与文件保存、用户体验优化、应用场景以及性能和效率。通过使用TTSDemo，开发者可以学习如何集成和利用TTS技术，提升软件的人性化和可用性。

本文还有配套的精品资源，点击获取