Chame o Qwen-Audio-TTS por meio do SDK Node.js de voz, gere áudio com entrada de texto em modo único ou em streaming e trate timestamps em nível de palavra e eventos de uso.
Pré-requisitos
Obtenha uma chave de API no console e defina-a na variável de ambiente DASHSCOPE_API_KEY.
Instalar o SDK
Requer Node.js 18 ou posterior. Baixe o pacote SDK 0.1.0 e execute no projeto:
npm install ./dashscope-sdk-nodejs-0.1.0.tgz
Início rápido
Salve o exemplo como example.mjs e execute 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()
}
Parâmetros da solicitação
Opções do construtor de SpeechSynthesizer:
Parâmetro | Tipo | Obrigatório | Descrição |
|---|---|---|---|
|
| Não | Chave de API. Usa |
|
| Não | ID do espaço de trabalho. Usa |
|
| Não | Defina o hostname como |
|
| Não | ID do modelo. Padrão: |
|
| Sim | ID da voz. Escolha uma voz compatível com o modelo. |
|
| Não | Codificação de áudio. Usa o padrão do serviço se omitida. |
|
| Não | Taxa de amostragem em Hz. Deve corresponder à codificação; o serviço define o valor se omitido. |
|
| Não | Volume: |
|
| Não | Velocidade da fala: |
|
| Não | Tom: |
|
| Não | Retorna timestamps de palavras. Padrão: |
|
| Não | ObservaçãoPara as vozes multilíngues e dialetais do qwen-audio-3.1-tts-flash, este parâmetro define o idioma ou dialeto. Para mais detalhes, consulte a seção de configuração de vozes multilíngues e dialetais. Dicas de idioma de destino. Apenas o primeiro elemento tem efeito. |
|
| Não | Instruções de síntese para dialeto, emoção ou papel. |
|
| Não | Parâmetros adicionais, como |
|
| Não | Tempo limite de conexão em ms. Padrão: |
|
| Não | Tempo limite da confirmação de início/fim em ms. Padrão: |
|
| Não | Ativa SSML. Envie o texto SSML completo e não vazio uma vez por tarefa. Consulte os limites. |
|
| Não | Taxa de bits MP3/Opus em kbps. Intervalo: |
|
| Não | Semente aleatória: |
|
| Não | Configuração de hot-fix em |
|
| Não | Define se a filtragem de Markdown está ativada. Quando ativada, o serviço converte Markdown em texto adequado para leitura em voz alta antes da síntese. Valor padrão: |
Referência da API
Métodos principais
Método | Retorno | Descrição |
|---|---|---|
|
| Sintetiza o texto completo e retorna áudio. Até 20000 caracteres. |
|
| Inicia a síntese em streaming; depois envie texto. |
|
| Envia texto: até 20000 caracteres por chamada e 200000 por tarefa. |
|
| Encerra a entrada, aguarda a síntese e retorna o áudio completo. |
|
| Solicita o cancelamento da síntese. |
|
| Fecha a conexão e libera os recursos da tarefa. |
Eventos de callback
Registre callbacks com on(event, listener). Consulte os campos completos em eventos do servidor.
Evento | Payload | Descrição |
|---|---|---|
|
| A tarefa iniciou e aceita entrada. |
|
| Trecho binário de áudio; pode ocorrer várias vezes. |
|
| A síntese de uma frase começou. |
|
| Síntese da frase concluída; pode incluir timestamps e uso original. |
|
| A tarefa terminou e o estado local foi limpo. |
|
| Erro com |
|
| Notificação de fechamento da conexão subjacente. |
|
| Mensagem JSON original do serviço. |