SuperAPI AI 工具集

qwencloud-audio-tts

智能体与模型

查看项目

更新于 10-16 04:57

技能介绍

用途:将文本合成为自然语音,用于配音、旁白、朗读等场景,属于 qwencloud/qwencloud-ai 技能集。

主要能力:提供 scripts/tts.py(Qwen TTS / Qwen Audio TTS,支持 HTTP 与 WebSocket)与 scripts/tts_cosyvoice.py(CosyVoice,WebSocket,需 dashscope SDK)。请求字段包括 text(必填)、voice、model、language_type、instructions、volume、rate、pitch、sample_rate、format 等,部分字段仅 WebSocket 模型支持。响应含 audio_url(有效期 24 小时)、audio_format、sample_rate、usage。

使用方式:需 Python 3.9+(仅标准库)。先运行 python3 <技能目录>/scripts/tts.py --help 查看参数,再执行:python3 <技能目录>/scripts/tts.py --request '{"text":"Hello, this is a test.","voice":"Cherry"}' --output output/qwencloud-audio-tts/ --print-response。CosyVoice 需先 pip install dashscope>=1.25.17。密钥按 QWENCLOUD_API_KEY、QWEN_API_KEY、DASHSCOPE_API_KEY 顺序读取,脚本会自动加载当前目录与项目根目录的 .env。

限制:Token Plan 仅支持部分 TTS 模型,且不可用 curl,须用脚本;CosyVoice 不支持 Token Plan 密钥;Coding Plan 密钥不可用于 TTS。不得覆盖用户指定的模型或参数。输出文件不得写入技能安装目录,默认写入 ./output/qwencloud-audio-tts/。模型目录与音色清单为时点快照,需以官方列表为准。具体价格与计费信息暂未提供。