mcpField
A
alicloud-ai-audio-tts-realtime

alicloud-ai-audio-tts-realtime

github.com/cinienceクリエイティブ・メディア396272 回インストール11 週間前に更新
リポジトリ

alicloud-ai-audio-tts-realtime について

Model Studio Qwen のリアルタイム TTS モデルで、低遅延のストリーミング音声を生成するスキルです。音声合成の組み込みや互換性確認に使え、テキストと音声設定を受け取り、PCM 音声チャンクを返します。

主な機能

  1. 01ストリーミング音声合成
  2. 02音声と任意の指示を指定
  3. 03PCM 音声チャンクの返却
  4. 04互換性確認スクリプト
  5. 05非リアルタイムモデルへの切り替え

活用シーン

  1. 01アプリ向けの低遅延音声生成
  2. 02SDK と実行環境の互換性確認
  3. 03リアルタイム呼び出し失敗時のデモ音声生成

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/cinience/alicloud-skills --skill alicloud-ai-audio-tts-realtime

インストール後、Claude Code で/alicloud-ai-audio-tts-realtimeを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

agents/
openai.yaml
references/
sources.md
scripts/
realtime_tts_demo.py

詳細

カテゴリ：プロバイダー

Model Studio Qwen TTS リアルタイム

低レイテンシーのストリーミング音声出力には、リアルタイム TTS モデルを使用します。

重要なモデル名

以下のいずれかのモデル文字列を正確に指定してください。

  • qwen3-tts-flash-realtime
  • qwen3-tts-instruct-flash-realtime
  • qwen3-tts-instruct-flash-realtime-2026-01-22
  • qwen3-tts-vd-realtime-2026-01-15
  • qwen3-tts-vc-realtime-2026-01-15

前提条件

  • 仮想環境に SDK をインストールします。
python3 -m venv .venv
. .venv/bin/activate
python -m pip install dashscope
  • 環境に DASHSCOPE_API_KEY を設定するか、~/.alibabacloud/credentials に dashscope_api_key を追加します。

正規化されたインターフェース（tts.realtime）

リクエスト
  • text（string、必須）
  • voice（string、必須）
  • instruction（string、任意）
  • sample_rate（int、任意）
レスポンス
  • audio_base64_pcm_chunks（array）
  • sample_rate（int）
  • finish_reason（string）

運用ガイダンス

  • リアルタイムモードでは、WebSocket またはストリーミングエンドポイントを使用します。
  • レイテンシーを抑えるため、各発話を短くします。
  • instruction モデルでは、指示を明確かつ簡潔にします。
  • SDK とランタイムの組み合わせによっては、MultiModalConversation 経由のリアルタイムモデル呼び出しが拒否される場合があります。以下のプローブスクリプトで互換性を確認してください。

ローカルデモスクリプト

現在の SDK／ランタイムでのリアルタイム互換性を確認するには、プローブスクリプトを使用します。また、すぐに出力するために、リアルタイムではないモデルにフォールバックすることもできます。

.venv/bin/python skills/ai/audio/alicloud-ai-audio-tts-realtime/scripts/realtime_tts_demo.py \
  --text "This is a realtime speech demo." \
  --fallback \
  --output output/ai-audio-tts-realtime/audio/fallback-demo.wav

厳格モード（CI／ゲート用）：

.venv/bin/python skills/ai/audio/alicloud-ai-audio-tts-realtime/scripts/realtime_tts_demo.py \
  --text "realtime health check" \
  --strict

出力先

  • デフォルトの出力先：output/ai-audio-tts-realtime/audio/
  • OUTPUT_DIR でベースディレクトリを上書きできます。

検証

mkdir -p output/alicloud-ai-audio-tts-realtime
for f in skills/ai/audio/alicloud-ai-audio-tts-realtime/scripts/*.py; do
  python3 -m py_compile "$f"
done
echo "py_compile_ok" > output/alicloud-ai-audio-tts-realtime/validate.txt

合格条件：コマンドが 0 で終了し、output/alicloud-ai-audio-tts-realtime/validate.txt が生成されること。

出力とエビデンス

  • 成果物、コマンド出力、API レスポンスの概要を output/alicloud-ai-audio-tts-realtime/ に保存します。
  • 再現性を確保するため、エビデンスファイルに主要なパラメーター（リージョン／リソース ID／期間）を含めます。

ワークフロー

  1. ユーザーの意図、リージョン、識別子、および操作が読み取り専用か変更を伴うかを確認します。
  2. 接続と権限を確認するため、まず最小限の読み取り専用クエリを 1 つ実行します。
  3. 明示的なパラメーターと限定された範囲で、対象の操作を実行します。
  4. 結果を検証し、出力ファイルとエビデンスファイルを保存します。

参考資料

  • references/sources.md

コメント

Markdown 対応