通過語音 Node.js SDK 調用 Qwen-Audio-TTS,使用一次性或流式文本輸入生成音頻,並處理字級時間戳和用量事件。
前提條件
在控制台獲取 API Key,並配置為環境變量 DASHSCOPE_API_KEY。
安裝 SDK
需要 Node.js 18 或以上版本。下載 SDK 0.1.0 安裝包後,在項目目錄運行:
npm install ./dashscope-sdk-nodejs-0.1.0.tgz
快速開始
將以下示例保存為 example.mjs,運行 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()
}
請求參數
SpeechSynthesizer 的構造參數如下。
參數 | 類型 | 必填 | 說明 |
|---|---|---|---|
|
| 否 | API Key。默認讀取 |
|
| 否 | 業務空間 ID。默認讀取 |
|
| 否 | 服務域名,設置為 |
|
| 否 | 模型 ID。默認 |
|
| 是 | 音色 ID,使用與模型匹配的音色。 |
|
| 否 | 音頻編碼格式。省略時使用服務端默認值。 |
|
| 否 | 音頻採樣率(Hz),與編碼格式匹配;省略時由服務端決定。 |
|
| 否 | 音量,範圍 |
|
| 否 | 語速,範圍 |
|
| 否 | 音調,範圍 |
|
| 否 | 是否返回字級時間戳,默認 |
|
| 否 | 說明使用 qwen-audio-3.1-tts-flash 的多語種與方言音色時,可透過此參數指定語種或方言。具體用法請參見多語種與方言音色的設定方法。 目標語言提示,當前僅第一個元素生效。 |
|
| 否 | 方言、情感或角色等合成指令。 |
|
| 否 | 其他合成參數,如 |
|
| 否 | 建連超時(ms),默認 |
|
| 否 | 任務啓動或結束的等待超時(ms),默認 |
|
| 否 | 開啓 SSML。一次任務只發送一次完整的非空 SSML 文本;使用限制。 |
|
| 否 | MP3/Opus 碼率(kbps),參數範圍 |
|
| 否 | 隨機種子,範圍 |
|
| 否 | 熱修復配置,通過 |
|
| 否 | 是否啟用 Markdown 過濾。啟用後,服務會在合成前將 Markdown 轉換為適合朗讀的文字。 預設值: |
介面參考
主要方法
方法 | 返回值 | 說明 |
|---|---|---|
|
| 合成完整文本並返回音頻,文本最多 20000 字符。 |
|
| 啓動流式合成任務,完成後可發送文本。 |
|
| 發送文本片段;每次最多 20000 字符,單任務累計最多 200000 字符。 |
|
| 結束文本輸入,等待合成完成並返回完整音頻。 |
|
| 發送取消合成的請求。 |
|
| 關閉連接並釋放任務資源。 |
回調事件
通過 on(event, listener) 註冊回調;完整事件字段見服務端事件。
事件 | 負載 | 說明 |
|---|---|---|
|
| 任務已啓動,可發送輸入。 |
|
| 音頻二進制塊,可多次觸發。 |
|
| 開始合成一個句子。 |
|
| 句子合成完成;可獲取字級時間戳及原始用量。 |
|
| 任務已結束,本地任務狀態已清理。 |
|
| 調用錯誤,包含 |
|
| 底層連接關閉通知。 |
|
| 原始服務端 JSON 消息。 |