Utilisez le SDK vocal Node.js pour appeler Qwen-Audio-TTS avec du texte complet ou en streaming et traiter l’audio, les horodatages des mots et l’utilisation.
Prérequis
Obtenez une clé API dans la console et définissez-la dans la variable d’environnement DASHSCOPE_API_KEY.
Installer le SDK
Nécessite Node.js 18 ou ultérieur. Téléchargez le SDK 0.1.0, puis exécutez dans votre projet :
npm install ./dashscope-sdk-nodejs-0.1.0.tgz
Démarrage rapide
Enregistrez l’exemple dans example.mjs, puis exécutez node example.mjs.
import { writeFile } from 'node:fs/promises'
import { SpeechSynthesizer } from 'dashscope-sdk-nodejs/tts'
const synth = new SpeechSynthesizer({
apiKey: process.env.DASHSCOPE_API_KEY,
workspaceId: process.env.DASHSCOPE_WORKSPACE_ID,
baseUrl: 'dashscope-intl.aliyuncs.com',
model: 'qwen-audio-3.1-tts-flash',
voice: 'longanhuan_v3.1',
format: 'mp3',
sampleRate: 24000,
})
synth.on('error', err => console.error(err.code, err.message))
try {
const audio = await synth.synthesize('Hello, welcome to Qwen Audio.')
await writeFile('output.mp3', audio)
} finally {
synth.close()
}
Paramètres de requête
Options du constructeur de SpeechSynthesizer :
Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
|
| Non | Clé API. Utilise |
|
| Non | ID de l’espace de travail. Utilise |
|
| Non | Définissez l’hôte sur |
|
| Non | ID du modèle. Par défaut : |
|
| Oui | ID de voix. Choisissez une voix compatible avec le modèle. |
|
| Non | Encodage audio. Utilise la valeur par défaut du service si omis. |
|
| Non | Fréquence d’échantillonnage en Hz. Doit correspondre à l’encodage ; déterminée par le service si omise. |
|
| Non | Volume : |
|
| Non | Débit de parole : |
|
| Non | Hauteur : |
|
| Non | Renvoie les horodatages des mots. Par défaut : |
|
| Non | RemarquePour les voix multilingues et dialectales de qwen-audio-3.1-tts-flash, ce paramètre permet de spécifier la langue ou le dialecte. Consultez les paramètres des voix multilingues et dialectales pour en savoir plus. Indications de langue cible. Seul le premier élément est pris en compte. |
|
| Non | Instructions de synthèse pour le dialecte, l’émotion ou le rôle. |
|
| Non | Paramètres supplémentaires, tels que |
|
| Non | Délai de connexion en ms. Par défaut : |
|
| Non | Délai de confirmation de début/fin en ms. Par défaut : |
|
| Non | Active SSML. Envoyez le texte SSML complet et non vide une fois par tâche. Consultez les limites. |
|
| Non | Débit MP3/Opus en kbps. Plage : |
|
| Non | Graine aléatoire : |
|
| Non | Configuration de correctif via |
|
| Non | Indique s’il faut activer le filtrage Markdown. Lorsque l’option est activée, le service convertit le Markdown en texte adapté à la lecture à voix haute avant la synthèse. Valeur par défaut : |
Référence de l’API
Méthodes principales
Méthode | Valeur de retour | Description |
|---|---|---|
|
| Synthétise le texte complet et renvoie l’audio. Au plus 20000 caractères. |
|
| Démarre la synthèse en streaming ; envoyez ensuite le texte. |
|
| Envoie un fragment : au plus 20000 caractères par appel et 200000 par tâche. |
|
| Termine l’entrée, attend la synthèse et renvoie l’audio complet. |
|
| Demande l’annulation de la synthèse. |
|
| Ferme la connexion et libère les ressources de la tâche. |
Événements de callback
Enregistrez les callbacks avec on(event, listener). Consultez les champs complets dans les événements serveur.
Événement | Charge utile | Description |
|---|---|---|
|
| La tâche a démarré et accepte les entrées. |
|
| Bloc audio binaire ; peut être émis plusieurs fois. |
|
| La synthèse d’une phrase a commencé. |
|
| Synthèse de phrase terminée ; peut inclure les horodatages et l’utilisation brute. |
|
| La tâche est terminée et l’état local effacé. |
|
| Erreur avec |
|
| Notification de fermeture de la connexion sous-jacente. |
|
| Message JSON brut du service. |