mcpField
A
aliyun-qwen-tts-realtime

aliyun-qwen-tts-realtime

github.com/cinienceクリエイティブ・メディア39659 回インストール11 週間前に更新
リポジトリ

aliyun-qwen-tts-realtime について

aliyun-qwen-tts-realtimeは、Model StudioのQwen 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。デモで現在のSDKと実行環境のリアルタイム対応を確認でき、非リアルタイムへのフォールバックも選べます。

主な機能

  1. 01テキストからストリーミング音声を生成
  2. 02対応するリアルタイムモデルの選択
  3. 03音声と任意の指示の指定
  4. 04SDKと実行環境の互換性確認
  5. 05任意の非リアルタイムフォールバック

活用シーン

  1. 01低遅延の音声出力を生成
  2. 02環境でリアルタイムTTSをテスト
  3. 03指定した音声で読み上げを生成
  4. 04リアルタイム非対応時に代替方式へ切り替え

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 aliyun-qwen-tts-realtime

インストール後、Claude Code で/aliyun-qwen-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 Realtime

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

重要なモデル名

次のいずれかの正確なモデル文字列を使用してください。

  • 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てください。
  • レイテンシーを抑えるため、各発話を短くしてください。
  • 指示モデルでは、指示を明確かつ簡潔にしてください。
  • 一部の SDK／ランタイムの組み合わせでは、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。互換性を確認するには、以下のプローブスクリプトを使用してください。

ローカルデモスクリプト

現在の SDK／ランタイムでリアルタイムの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/aliyun-qwen-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/aliyun-qwen-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/aliyun-qwen-tts-realtime
for f in skills/ai/audio/aliyun-qwen-tts-realtime/scripts/*.py; do
  python3 -m py_compile "$f"
done
echo "py_compile_ok" > output/aliyun-qwen-tts-realtime/validate.txt

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

出力と証跡

  • 成果物、コマンド出力、API レスポンスの概要を output/aliyun-qwen-tts-realtime/ に保存します。
  • 再現性を確保するため、証跡ファイルに主要なパラメーター（リージョン／リソース ID／時間範囲）を含めてください。

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、最初に最小限の読み取り専用クエリを 1 つ実行します。
  3. 対象の操作を、明示的なパラメーターと限定された範囲で実行します。
  4. 結果を確認し、出力ファイルと証跡ファイルを保存します。

参考資料

  • references/sources.md

コメント

Markdown 対応