すべてのプロダクト
Search
ドキュメントセンター

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

最終更新日:Nov 19, 2026

音声 Node.js SDK から Qwen-Audio-TTS を呼び出し、一括またはストリーミングのテキスト入力から音声を生成して、単語タイムスタンプと使用量イベントを処理します。

前提条件

コンソールで API キーを取得し、環境変数 DASHSCOPE_API_KEY に設定します。

SDK のインストール

Node.js 18 以降が必要です。SDK 0.1.0 パッケージをダウンロードし、プロジェクトで次を実行します。

npm install ./dashscope-sdk-nodejs-0.1.0.tgz

クイックスタート

次のサンプルを example.mjs として保存し、node example.mjs を実行します。

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()
}

リクエストパラメーター

SpeechSynthesizer のコンストラクターオプション:

パラメーター

型

必須

説明

apiKey

string

いいえ

API キー。デフォルトは DASHSCOPE_API_KEY。

workspaceId

string

いいえ

ワークスペース ID。デフォルトは DASHSCOPE_WORKSPACE_ID。

baseUrl

string

いいえ

サービスホスト名を dashscope-intl.aliyuncs.com(シンガポール)に設定します。

model

string

いいえ

モデル ID。デフォルト:qwen-audio-3.1-tts-flash。

voice

string

はい

音色 ID。モデルに対応する音色を選択します。

format

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

いいえ

音声エンコーディング。省略時はサービスのデフォルト値を使用します。

sampleRate

8000 | 16000 | 22050 | 24000 | 44100 | 48000

いいえ

音声サンプリングレート(Hz)。エンコーディングに合わせます。省略時はサービスが決定します。

volume

number

いいえ

音量:[0,100]。サービスのデフォルト:50。

rate

number

いいえ

話速:[0.5,2.0]。サービスのデフォルト:1.0。

pitch

number

いいえ

ピッチ:[0.5,2.0]。サービスのデフォルト:1.0。

wordTimestampEnabled

boolean

いいえ

単語タイムスタンプを返すか。デフォルト:false。

languageHints

string[]

いいえ

注記qwen-audio-3.1-tts-flash の多言語・方言対応音声では、このパラメーターで言語や方言を指定できます。詳しくは 多言語・方言対応音声の設定方法 を参照してください。

対象言語のヒント。最初の要素のみ有効です。

instruction

string

いいえ

方言、感情、役割などの合成指示。

parameters

TtsSynthesisParameters

いいえ

追加の合成パラメーター(enable_ssml、seed、hot_fix など)。

connectTimeoutMs

number

いいえ

接続タイムアウト(ms)。デフォルト:10000。

taskTimeoutMs

number

いいえ

開始・終了確認のタイムアウト(ms)。デフォルト:60000。0 で無効化します。

parameters.enable_ssml

boolean

いいえ

SSML を有効化します。タスクごとに完全な空でない SSML テキストを 1 回送信します。制限を参照してください。

parameters.bit_rate

number

いいえ

MP3/Opus のビットレート(kbps)。範囲:[6,510]、デフォルト:32。

parameters.seed

number

いいえ

乱数シード:[0,65535]。

parameters.hot_fix

Record<string, unknown>

いいえ

parameters.hot_fix で渡すホットフィックス設定。構造はクライアントイベントを参照してください。

API リファレンス

主なメソッド

メソッド

戻り値

説明

synthesize(text: string)

Promise<Buffer>

最大 20000 文字のテキストを合成し、音声を返します。

begin()

Promise<void>

ストリーミング合成タスクを開始し、テキストを送信可能にします。

sendText(text: string)

void

テキスト片を送信します。1 回最大 20000 文字、タスク合計最大 200000 文字。

end()

Promise<Buffer>

テキスト入力を終了し、合成完了後に全音声を返します。

cancel()

void

合成のキャンセルを要求します。

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

void

接続を閉じてタスクのリソースを解放します。

コールバックイベント

on(event, listener) でコールバックを登録します。全フィールドはサーバーイベントを参照してください。

イベント

ペイロード

説明

started

{ taskId: string }

タスクが開始し、入力を受け付けます。

audio

Buffer

バイナリ音声チャンク。複数回発生する場合があります。

sentenceBegin

{ index: number; text: string }

文の合成が開始しました。

sentenceEnd

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

文の合成が完了しました。単語タイムスタンプと元の使用量を含む場合があります。

finished

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

タスクが終了し、ローカルのタスク状態がクリアされました。

failed / error

DashScopeError

呼び出しエラー。code、message、リクエスト識別子を含みます。

close

{ code: number; reason: string }

基になる接続の切断通知。

event

ServerEvent

元のサービス JSON メッセージ。