mcpField
A
alicloud-ai-audio-tts-realtime

alicloud-ai-audio-tts-realtime

github.com/cinience创意与媒体396272 次安装11 周前更新
代码仓库

关于 alicloud-ai-audio-tts-realtime

此技能使用 Model Studio Qwen 实时 TTS 模型，以流式方式生成低延迟语音，适用于语音合成集成和兼容性验证。接口接收文本、音色及可选指令，返回 PCM 音频块。

主要功能

  1. 01流式实时语音合成
  2. 02支持指定音色与指令
  3. 03返回 PCM 音频块
  4. 04提供兼容性探测脚本
  5. 05可回退到非实时模型

适用场景

  1. 01为应用生成低延迟语音
  2. 02验证 SDK 与运行环境兼容性
  3. 03在实时调用失败时生成演示音频

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-realtime

安装后在 Claude Code 中输入/alicloud-ai-audio-tts-realtime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/
sources.md
scripts/
realtime_tts_demo.py

详细介绍

Category：provider

Model Studio Qwen TTS 实时模式

使用实时 TTS 模型，以低延迟流式输出语音。

关键模型名称

使用以下确切模型字符串之一：

  • 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

前置条件

  • 在虚拟环境中安装 SDK：
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。

标准化接口（tts.realtime）

请求
  • text（字符串，必填）
  • voice（字符串，必填）
  • instruction（字符串，可选）
  • sample_rate（整数，可选）
响应
  • audio_base64_pcm_chunks（数组）
  • sample_rate（整数）
  • finish_reason（字符串）

操作指南

  • 实时模式使用 websocket 或流式端点。
  • 每段语音内容尽量简短，以降低延迟。
  • 对于指令模型，指令应明确且简洁。
  • 某些 SDK／运行时组合可能不支持通过 MultiModalConversation 调用实时模型；请使用下方的探测脚本验证兼容性。

本地演示脚本

使用探测脚本验证当前 SDK／运行时的实时兼容性，并可选择回退到非实时模型以立即输出：

.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

严格模式（用于 CI／门禁）：

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

输出位置

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

验证

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

通过标准：命令以 0 退出，且生成 output/alicloud-ai-audio-tts-realtime/validate.txt。

输出与证据

  • 将制品、命令输出和 API 响应摘要保存到 output/alicloud-ai-audio-tts-realtime/。
  • 在证据文件中包含关键参数（区域／资源 ID／时间范围），以便复现。

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产生变更。
  2. 首先运行一个最小化的只读查询，以验证连接和权限。
  3. 使用明确参数和受限范围执行目标操作。
  4. 验证结果并保存输出／证据文件。

参考资料

  • references/sources.md

评论

支持 Markdown