用途:基于阿里云 Model Studio(百炼)Qwen TTS Voice Design 模型,通过自然语言描述创建可控的合成音色,并用于后续语音合成。
主要能力:使用固定模型字符串之一——qwen3-tts-vd-2026-01-26 或 qwen3-tts-vd-realtime-2026-01-15;提供归一化接口 tts.voice_design。请求参数包含 voice_prompt(字符串,必填,目标音色描述)与 text(字符串,必填),stream(布尔,可选)。响应返回 audio_url 或流式 PCM 分块、voice_id 与 request_id。
使用方式:先在虚拟环境安装 SDK:python3 -m venv .venv、. .venv/bin/activate、python -m pip install dashscope;设置环境变量 DASHSCOPE_API_KEY,或在 ~/.alibabacloud/credentials 中添加 dashscope_api_key。可使用本地辅助脚本准备归一化请求 JSON 并校验响应结构:.venv/bin/python skills/ai/audio/alicloud-ai-audio-tts-voice-design/scripts/prepare_voice_design_request.py --voice-prompt "A warm female host voice, clear articulation, medium pace" --text "This is a voice-design demo"。默认输出目录为 output/ai-audio-tts-voice-design/audio/,可用 OUTPUT_DIR 覆盖基础目录。
适用场景:编写包含语气、语速、情感与音色约束的 voice prompt;建立可复用的提示词库以保证产品音色一致性;先用短句验证生成音色,再用于长脚本。
限制与注意:资料未提供定价、并发配额或具体区域列表;请按工作流先确认用户意图、区域与操作类型(只读或变更),先执行一次最小只读查询验证连通性与权限,再以明确参数和有界范围执行目标操作,并保存 output/evidence 文件,在证据中记录关键参数(区域/资源 id/时间范围)以便复现。