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 |
|---|---|---|---|
|
| いいえ | API キー。デフォルトは |
|
| いいえ | ワークスペース ID。デフォルトは |
|
| いいえ | サービスホスト名を |
|
| いいえ | モデル ID。デフォルト: |
|
| はい | 音色 ID。モデルに対応する音色を選択します。 |
|
| 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。 |
|
| 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。 |
|
| いいえ | 音量: |
|
| いいえ | 話速: |
|
| いいえ | ピッチ: |
|
| いいえ | 単語タイムスタンプを返すか。デフォルト: |
|
| 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。 |
|
| いいえ | 方言、感情、役割などの合成指示。 |
|
| いいえ | 追加の合成パラメーター( |
|
| いいえ | 接続タイムアウト(ms)。デフォルト: |
|
| いいえ | 開始・終了確認のタイムアウト(ms)。デフォルト: |
|
| 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。 |
|
| いいえ | MP3/Opus のビットレート(kbps)。範囲: |
|
| いいえ | 乱数シード: |
|
| いいえ |
|
API リファレンス
主なメソッド
メソッド | 戻り値 | 説明 |
|---|---|---|
|
| 最大 20000 文字のテキストを合成し、音声を返します。 |
|
| 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。 |
|
| 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。 |
|
| テキスト入力を終了し、合成完了後に全音声を返します。 |
|
| 合成のキャンセルを要求します。 |
|
| 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 |
|---|---|---|
|
| タスクが開始し、入力を受け付けます。 |
|
| バイナリ音声チャンク。複数回発生する場合があります。 |
|
| 文の合成が開始しました。 |
|
| 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。 |
|
| 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。 |
|
| 呼び出しエラー。 |
|
| 基になる接続の切断通知。 |
|
| 元のサービス JSON メッセージ。 |