Tous les produits
Search
Centre de documentation

Alibaba Cloud Model Studio:Qwen-Audio-TTS Node.js SDK

Dernière mise à jour :Nov 20, 2026

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

apiKey

string

Non

Clé API. Utilise DASHSCOPE_API_KEY par défaut.

workspaceId

string

Non

ID de l’espace de travail. Utilise DASHSCOPE_WORKSPACE_ID par défaut.

baseUrl

string

Non

Définissez l’hôte sur dashscope-intl.aliyuncs.com (Singapour).

model

string

Non

ID du modèle. Par défaut : qwen-audio-3.1-tts-flash.

voice

string

Oui

ID de voix. Choisissez une voix compatible avec le modèle.

format

'pcm' | 'wav' | 'mp3' | 'opus'

Non

Encodage audio. Utilise la valeur par défaut du service si omis.

sampleRate

8000 | 16000 | 22050 | 24000 | 44100 | 48000

Non

Fréquence d’échantillonnage en Hz. Doit correspondre à l’encodage ; déterminée par le service si omise.

volume

number

Non

Volume : [0,100]. Par défaut : 50.

rate

number

Non

Débit de parole : [0.5,2.0]. Par défaut : 1.0.

pitch

number

Non

Hauteur : [0.5,2.0]. Par défaut : 1.0.

wordTimestampEnabled

boolean

Non

Renvoie les horodatages des mots. Par défaut : false.

languageHints

string[]

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.

instruction

string

Non

Instructions de synthèse pour le dialecte, l’émotion ou le rôle.

parameters

TtsSynthesisParameters

Non

Paramètres supplémentaires, tels que enable_ssml, seed et hot_fix.

connectTimeoutMs

number

Non

Délai de connexion en ms. Par défaut : 10000.

taskTimeoutMs

number

Non

Délai de confirmation de début/fin en ms. Par défaut : 60000 ; 0 le désactive.

parameters.enable_ssml

boolean

Non

Active SSML. Envoyez le texte SSML complet et non vide une fois par tâche. Consultez les limites.

parameters.bit_rate

number

Non

Débit MP3/Opus en kbps. Plage : [6,510] ; par défaut : 32.

parameters.seed

number

Non

Graine aléatoire : [0,65535].

parameters.hot_fix

Record<string, unknown>

Non

Configuration de correctif via parameters.hot_fix. Consultez la structure dans les événements client.

parameters.enable_markdown_filter

boolean

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 : false. Définissez-la sur true pour activer le filtrage.

Référence de l’API

Méthodes principales

Méthode

Valeur de retour

Description

synthesize(text: string)

Promise<Buffer>

Synthétise le texte complet et renvoie l’audio. Au plus 20000 caractères.

begin()

Promise<void>

Démarre la synthèse en streaming ; envoyez ensuite le texte.

sendText(text: string)

void

Envoie un fragment : au plus 20000 caractères par appel et 200000 par tâche.

end()

Promise<Buffer>

Termine l’entrée, attend la synthèse et renvoie l’audio complet.

cancel()

void

Demande l’annulation de la synthèse.

close(code?: number, reason?: string)

void

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

started

{ taskId: string }

La tâche a démarré et accepte les entrées.

audio

Buffer

Bloc audio binaire ; peut être émis plusieurs fois.

sentenceBegin

{ index: number; text: string }

La synthèse d’une phrase a commencé.

sentenceEnd

{ index: number; text: string; characters?: number; words?: TtsWord[]; usage?: TtsUsage }

Synthèse de phrase terminée ; peut inclure les horodatages et l’utilisation brute.

finished

{ taskId: string; characters?: number; usage?: TtsUsage }

La tâche est terminée et l’état local effacé.

failed / error

DashScopeError

Erreur avec code, message et identifiants de requête.

close

{ code: number; reason: string }

Notification de fermeture de la connexion sous-jacente.

event

ServerEvent

Message JSON brut du service.