Cette rubrique présente les interfaces principales et les paramètres de requête pour appeler les modèles de la série Qwen-TTS-Realtime avec le SDK DashScope pour Python.
Prérequis
SDK DashScope pour Python version 2.0.1 ou ultérieure requis.
Démarrage rapide
import os
import base64
import time
from concurrent.futures import ThreadPoolExecutor
import dashscope
text_to_synthesize = [
'Right? I love supermarkets like this.',
'Especially during Chinese New Year,',
'I go shopping at supermarkets.',
'And I feel',
'absolutely thrilled!',
'I want to buy so many things!'
]
# Les API Key diffèrent entre les régions de Singapour et de Pékin. Obtenez votre API Key : https://www.alibabacloud.com/help/model-studio/get-api-key
# Si la variable d'environnement n'est pas configurée, remplacez la ligne suivante par votre API Key de Model Studio : api_key="sk-xxx"
client = dashscope.Client(
api_key=os.getenv("DASHSCOPE_API_KEY"),
# Voici la configuration de la région de Singapour. Remplacez {WorkspaceId} par l'ID de votre workspace. La valeur de region varie selon la région.
workspace="{WorkspaceId}",
region="ap-southeast-1",
)
# Thread récepteur : itère les événements du serveur et écrit l'audio dans le fichier de façon incrémentale
def receive_events(session):
with open('result_24k.pcm', 'wb') as f:
for event in session.events():
event_type = event.get('type')
if event_type == 'session.created':
print('start session: {}'.format(event['session']['id']))
elif event_type == 'response.audio.delta':
f.write(base64.b64decode(event['delta']))
elif event_type == 'response.done':
print(f'response {session.last_response_id} done')
elif event_type == 'session.finished':
print('session finished')
if __name__ == '__main__':
print('Initializing ...')
# Crée une session de synthèse vocale en temps réel : l'entrée dans le contexte with établit automatiquement la connexion
with client.audio.realtime.connect(
model='qwen3-tts-flash-realtime',
) as session:
session.update_session(
output_modalities=['audio'],
voice='Cherry',
response_format='pcm',
sample_rate=24000,
mode='server_commit'
)
with ThreadPoolExecutor(max_workers=1) as pool:
receiver = pool.submit(receive_events, session)
for text_chunk in text_to_synthesize:
print(f'send text: {text_chunk}')
session.send_event({'type': 'input_text_buffer.append', 'text': text_chunk})
time.sleep(0.1)
# Notifie le serveur que la saisie est terminée (en mode server_commit, le serveur décide du moment de la synthèse)
session.end_session()
receiver.result()
print('[Metric] session: {}, first audio delay: {}'.format(
session.session_id,
session.last_first_audio_delay,
))
import os
import base64
import time
from concurrent.futures import ThreadPoolExecutor
import dashscope
text_to_synthesize = [
'This is the first sentence.',
'This is the second sentence.',
'This is the third sentence.',
]
# Les API Key diffèrent entre les régions de Singapour et de Pékin. Obtenez votre API Key : https://www.alibabacloud.com/help/model-studio/get-api-key
# Si la variable d'environnement n'est pas configurée, remplacez la ligne suivante par votre API Key de Model Studio : api_key="sk-xxx"
client = dashscope.Client(
api_key=os.getenv("DASHSCOPE_API_KEY"),
# Voici la configuration de la région de Singapour. Remplacez {WorkspaceId} par l'ID de votre workspace. La valeur de region varie selon la région.
workspace="{WorkspaceId}",
region="ap-southeast-1",
)
# Thread récepteur : itère les événements du serveur et écrit l'audio dans le fichier de façon incrémentale
def receive_events(session):
with open('result_24k.pcm', 'wb') as f:
for event in session.events():
event_type = event.get('type')
if event_type == 'session.created':
print('start session: {}'.format(event['session']['id']))
elif event_type == 'response.audio.delta':
f.write(base64.b64decode(event['delta']))
elif event_type == 'response.done':
print(f'response {session.last_response_id} done')
elif event_type == 'session.finished':
print('session finished')
if __name__ == '__main__':
print('Initializing ...')
# Crée une session de synthèse vocale en temps réel : l'entrée dans le contexte with établit automatiquement la connexion
with client.audio.realtime.connect(
model='qwen3-tts-flash-realtime',
) as session:
session.update_session(
output_modalities=['audio'],
voice='Cherry',
response_format='pcm',
sample_rate=24000,
mode='commit'
)
with ThreadPoolExecutor(max_workers=1) as pool:
receiver = pool.submit(receive_events, session)
for text in text_to_synthesize:
print(f'send text: {text}')
session.send_event({'type': 'input_text_buffer.append', 'text': text})
# En mode commit, le client déclenche la synthèse
session.send_event({'type': 'input_text_buffer.commit'})
time.sleep(0.1)
session.end_session()
receiver.result()
print('[Metric] session: {}, first audio delay: {}'.format(
session.session_id,
session.last_first_audio_delay,
))
Consultez le dépôt GitHub pour télécharger d'autres exemples de code.
Paramètres de requête
Définissez ces paramètres dans la méthode connect de client.audio.realtime :
Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
model | str | Oui | Nom du modèle (voir Modèles pris en charge). |
ws_url | str | Non | Endpoint de la session. S'il est omis, il est déduit automatiquement des paramètres de construction |
Configurez les paramètres suivants via la méthode update_session de la session (les paramètres nommés se transmettent directement, les autres sont transférés à l'objet session de l'événement session.update) :
| Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
voice | str | Oui | Voix utilisée pour la synthèse vocale. Pour plus d'informations, voir Liste des voix Qwen-TTS. |
language_type | str | Non | Spécifie la langue de l'audio synthétisé. La valeur par défaut est
|
mode | str | Non | Mode d'interaction. Valeurs valides :
|
response_format | str | Non | Format de sortie audio du modèle. Formats pris en charge :
|
sample_rate | int | Non | Fréquence d'échantillonnage de la sortie audio du modèle, exprimée en Hz. Fréquences d'échantillonnage disponibles :
|
speech_rate | float | Non | Vitesse de lecture de l'audio. Une valeur de 1,0 correspond à la vitesse normale. Une valeur inférieure à 1,0 ralentit la lecture, tandis qu'une valeur supérieure l'accélère. Valeur par défaut : 1,0. Plage valide : [0,5, 2,0]. |
volume | int | Non | Volume sonore de l'audio. Plage valide : [0, 100]. |
pitch_rate | float | Non | Hauteur tonale de l'audio synthétisé. Valeur par défaut : 1,0. Plage valide : [0,5, 2,0]. |
bit_rate | int | Non | Définit le débit binaire audio en kbps. Un débit plus élevé améliore la qualité audio mais augmente la taille du fichier. Ce paramètre n'est disponible que si le format audio ( Valeur par défaut : 128. Plage valide : [6, 510]. |
Référence de l’API
Session (RealtimeSession)
Une session de synthèse vocale en temps réel est créée via client.audio.realtime.connect(model=...). La connexion est établie automatiquement à l'entrée dans le contexte with (vous pouvez également appeler manuellement la méthode connect() de la session).
Signature de la méthode | Événements de réponse du serveur (transmis via l'itération de | Description |
|---|---|---|
|
| Établit la connexion au serveur. Appelée automatiquement à l'entrée dans le contexte |
|
| Met à jour les configurations de session par défaut. Pour plus de détails sur les paramètres, reportez-vous à la section Paramètres de requête. Une fois connecté, le serveur renvoie les configurations d'entrée et de sortie par défaut. Appelez cette méthode immédiatement après la connexion pour modifier ces valeurs par défaut. Le serveur valide les paramètres lors de la réception d'un événement session.update. En cas d'échec de validation, il renvoie une erreur ; sinon, il applique la nouvelle configuration de session. |
| None | Envoie un événement brut. La saisie de texte s'effectue via la famille d'événements
|
|
| Envoie l'événement |
|
| Envoie l'événement
|
|
| Soumet l'intégralité du texte présent dans le tampon cloud et lance immédiatement la synthèse. Renvoie une erreur si le tampon est vide.
|
|
| Envoie l'événement session.finish pour terminer la tâche. Continuez ensuite à consommer |
| None | Ferme la connexion. Appelée automatiquement à la sortie du contexte |
| None | Récupère l'ID de session de la tâche actuelle. |
| None | Récupère l'ID de la réponse la plus récente. |
| None | Récupère le délai écoulé avant l'arrivée du premier paquet audio. |
Itération d'événements (events())
Le serveur renvoie ses réponses et données sous forme d'événements. Itérez le events() de la session dans le thread récepteur pour traiter les événements du serveur ; l'itération se termine après l'événement session.finished. Les événements error sont levés sous forme d'exceptions DashScopeError, que vous pouvez capturer avec try/except.
Méthode | Paramètres | Valeur de retour | Description |
|---|---|---|---|
| event : Événement de réponse du serveur ( | Itérateur | Comprend les réponses aux appels API, ainsi que le texte et l'audio générés par le modèle. L'itération se termine après l'événement |
| event : Événement de réponse du serveur ( | Événement ou | Lit un événement du serveur. Renvoie |