SuperAPI AI 工具集

aliyun-qwen-tts-voice-design

设计与创作

查看项目

更新于 10-15 17:34

技能介绍

用途:在阿里云百炼(Model Studio)上使用 Qwen TTS Voice Design 模型,通过自然语言描述设计可控的合成音色。

主要能力:从文本描述生成自定义合成音色;提供归一化接口 tts.voice_design。请求参数包括 voice_prompt(字符串,必填,目标音色描述)、text(字符串,必填)、stream(布尔,可选);响应返回 audio_url(字符串)或流式 PCM 分块,以及 voice_id 和 request_id。

模型名称:需使用以下精确模型字符串之一——qwen3-tts-vd-2026-01-26、qwen3-tts-vd-realtime-2026-01-15。

使用方式:先在虚拟环境中安装 SDK:python3 -m venv .venv;. .venv/bin/activate;python -m pip install dashscope。然后在环境中设置 DASHSCOPE_API_KEY,或在 ~/.alibabacloud/credentials 中添加 dashscope_api_key。本地辅助脚本可准备归一化请求 JSON 并校验响应结构:.venv/bin/python skills/ai/audio/aliyun-qwen-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"。默认输出位置为 output/ai-audio-tts-voice-design/audio/,可用 OUTPUT_DIR 覆盖基础目录。

操作建议:编写音色提示词时约束语气、语速、情感和音色;建立可复用的音色提示词库以保证产品一致性;先用短句验证生成音色,再用于长脚本。

校验:对 scripts 目录下所有 .py 执行 py_compile,命令退出码为 0 且生成 output/aliyun-qwen-tts-voice-design/validate.txt 即通过。产物、命令输出和 API 响应摘要应保存到 output/aliyun-qwen-tts-voice-design/,证据文件中包含关键参数(区域/资源 ID/时间范围)以便复现。

限制:资料未提供收费、价格、平台支持范围或效果保证等信息,暂未提供。