mcpField
A
aliyun-qwen-tts-realtime

aliyun-qwen-tts-realtime

github.com/cinience创意与媒体39659 次安装11 周前更新
代码仓库

关于 aliyun-qwen-tts-realtime

aliyun-qwen-tts-realtime 是使用 Model Studio 中 Qwen TTS 模型生成低延迟流式语音的技能，附带演示脚本，用于检查当前 SDK 和运行环境的实时兼容性，并可选择非实时回退。

主要功能

  1. 01从文本生成流式语音
  2. 02选择支持的实时模型
  3. 03设置音色和可选指令
  4. 04检查 SDK 与运行环境兼容性
  5. 05使用可选的非实时回退

适用场景

  1. 01生成低延迟语音输出
  2. 02测试环境中的实时 TTS
  3. 03使用指定音色生成语音
  4. 04实时调用不受支持时进行回退

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-realtime

安装后在 Claude Code 中输入/aliyun-qwen-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

类别：provider

Model Studio Qwen TTS 实时

使用实时 TTS 模型，以低延迟流式输出语音。

关键模型名称

请使用以下精确的模型字符串之一：

  • 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，必需）
  • voice（字符串，必需）
  • 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

  • 实时模式请使用 websocket 或流式端点。
  • 每段语音尽量简短，以降低延迟。
  • 对于指令模型，指令应明确、简洁。
  • 某些 SDK/运行时组合可能会拒绝通过 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，也可选择回退到非实时模型以立即输出：

.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

严格模式（用于 CI / 门控）：

.venv/bin/python skills/ai/audio/aliyun-qwen-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/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

通过标准：命令退出码为 0，且已生成 output/aliyun-qwen-tts-realtime/validate.txt。

输出与证据

  • 将产物、命令输出和 API 响应摘要保存在 output/aliyun-qwen-tts-realtime/ 下。
  • 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/证据文件。

参考资料

  • references/sources.md

评论

支持 Markdown