mcpField
A
alicloud-ai-audio-tts

alicloud-ai-audio-tts

github.com/cinience创意与媒体396314 次安装11 周前更新
代码仓库

关于 alicloud-ai-audio-tts

使用阿里云 Model Studio Qwen TTS 生成语音的技能，说明 Python 与 DashScope 配置、模型选择、请求参数，以及流式或文件形式的音频输出。

主要功能

  1. 01将文本转换为语音
  2. 02选择 Qwen TTS 模型与音色
  3. 03设置语言和风格指令
  4. 04处理流式 PCM 或音频 URL
  5. 05保存输出与验证记录

适用场景

  1. 01使用指定音色生成文本语音
  2. 02流式处理 PCM 片段以播放或拼接
  3. 03设置生成语音的语言和语气
  4. 04验证 TTS 执行并保存结果

安装

复制下面的命令，在终端中运行。

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

安装后在 Claude Code 中输入/alicloud-ai-audio-tts确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

agents/
openai.yaml
references/
api_reference.md
sources.md
scripts/
generate_tts.py

详细介绍

Category: provider

Model Studio Qwen TTS

验证

mkdir -p output/alicloud-ai-audio-tts
python -m py_compile skills/ai/audio/alicloud-ai-audio-tts/scripts/generate_tts.py && echo "py_compile_ok" > output/alicloud-ai-audio-tts/validate.txt

通过标准：命令以状态码 0 退出，并生成 output/alicloud-ai-audio-tts/validate.txt。

输出与证据

  • 将生成的音频链接、示例音频文件和请求负载保存到 output/alicloud-ai-audio-tts/。
  • 每次执行保留一份验证日志。

关键模型名称

使用以下推荐模型之一：

  • qwen3-tts-flash
  • qwen3-tts-instruct-flash
  • qwen3-tts-instruct-flash-2026-01-26

前提条件

  • 安装 SDK（建议在 venv 中安装，以避免 PEP 668 限制）：
python3 -m venv .venv
. .venv/bin/activate
python -m pip install dashscope
  • 在环境中设置 DASHSCOPE_API_KEY，或将 dashscope_api_key 添加到 ~/.alibabacloud/credentials（环境变量优先）。

标准化接口（tts.generate）

请求
  • text（字符串，必填）
  • voice（字符串，必填）
  • language_type（字符串，可选；默认值为 Auto）
  • instruction（字符串，可选；建议用于指令模型）
  • stream（bool，可选；默认值为 false）
响应
  • audio_url（字符串，stream=false 时提供）
  • audio_base64_pcm（字符串，stream=true 时提供）
  • sample_rate（int，24000）
  • format（字符串，根据模式为 wav 或 pcm）

快速开始（Python + DashScope SDK）

import os
import dashscope

# Prefer env var for auth: export DASHSCOPE_API_KEY=...
# Or use ~/.alibabacloud/credentials with dashscope_api_key under [default].
# Beijing region; for Singapore use: https://dashscope-intl.aliyuncs.com/api/v1
dashscope.base_http_api_url = "https://dashscope.aliyuncs.com/api/v1"

text = "Hello, this is a short voice line."
response = dashscope.MultiModalConversation.call(
    model="qwen3-tts-instruct-flash",
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    text=text,
    voice="Cherry",
    language_type="English",
    instruction="Warm and calm tone, slightly slower pace.",
    stream=False,
)

audio_url = response.output.audio.url
print(audio_url)

流式传输说明

  • stream=True 会返回 24kHz 的 Base64 编码 PCM 块。
  • 解码这些块并播放，或将其拼接到 PCM 缓冲区中。
  • 流结束时，响应中的 finish_reason == "stop"。

操作指南

  • 保持请求简洁；如果遇到大小或超时错误，请将长文本拆分为多个调用。
  • 使用与文本相符的 language_type，以改善发音效果。
  • 仅在需要明确控制风格或语气时使用 instruction。
  • 按 (text, voice, language_type) 缓存，以避免重复开销。

输出位置

  • 默认输出：output/alicloud-ai-audio-tts/audio/
  • 使用 OUTPUT_DIR 覆盖基础目录。

工作流

  1. 确认用户意图、区域、标识符，以及操作是只读还是会修改数据。
  2. 先运行一条最小化只读查询，以验证连接和权限。
  3. 使用明确的参数和有限的范围执行目标操作。
  4. 验证结果并保存输出和证据文件。

参考资料

  • references/api_reference.md：参数映射和流式传输示例。

  • 实时模式由 skills/ai/audio/alicloud-ai-audio-tts-realtime/ 提供。

  • 声音克隆和设计由 skills/ai/audio/alicloud-ai-audio-tts-voice-clone/ 和 skills/ai/audio/alicloud-ai-audio-tts-voice-design/ 提供。

  • 来源列表：references/sources.md

评论

支持 Markdown