mcpField
A
aliyun-qwen-tts

aliyun-qwen-tts

github.com/cinience创意与媒体39674 次安装11 周前更新
代码仓库

关于 aliyun-qwen-tts

aliyun-qwen-tts 是通过 DashScope SDK 使用 Qwen TTS 模型生成语音的 Python 技能，统一接口支持返回音频 URL 或流式 PCM，并可设置音色和语言。

主要功能

  1. 01将文本转换为语音
  2. 02选择音色和语言类型
  3. 03可选风格指令
  4. 04返回音频 URL 或流式 PCM

适用场景

  1. 01将书面文本转换为语音
  2. 02流式传输 PCM 音频以供播放
  3. 03为语音输出设置音色和语言

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 aliyun-qwen-tts

安装后在 Claude Code 中输入/aliyun-qwen-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: 提供商

Model Studio Qwen TTS

验证

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

通过标准：命令以状态码 0 退出，且生成 output/aliyun-qwen-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载荷保存到 output/aliyun-qwen-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

前置条件

  • 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）。

规范化接口（tts.generate）

请求
  • text（字符串，必需）
  • voice（字符串，必需）
  • 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（布尔值，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（整数，24000）
  • format（字符串，取决于模式，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 会以 24kHz 返回 Base64 编码的 PCM 音频块。
  • 解码音频块并播放，或将其拼接到 pcm 缓冲区。
  • 流结束时，响应中的 finish_reason == "stop"。

操作指南

  • 请求内容保持简洁；如果遇到大小或超时错误，请将长文本拆分为多次调用。
  • 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，以避免重复费用。

输出位置

  • 默认输出：output/aliyun-qwen-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. 先运行一次最小化的只读查询，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/证据文件。

参考资料

  • references/api_reference.md：参数映射和流式示例。

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

  • 语音克隆/设计由 skills/ai/audio/aliyun-qwen-tts-voice-clone/ 和 skills/ai/audio/aliyun-qwen-tts-voice-design/ 提供。

  • 来源列表：references/sources.md

评论

支持 Markdown