通过语音 Node.js SDK 调用 Qwen-Audio-TTS,使用一次性或流式文本输入生成音频,并处理字级时间戳和用量事件。
前提条件
在控制台获取 API Key,并配置为环境变量 DASHSCOPE_API_KEY。
安装 SDK
需要 Node.js 18 或以上版本。下载 SDK 0.1.0 安装包后,在项目目录运行:
npm install ./dashscope-sdk-nodejs-0.1.0.tgz
快速开始
将以下示例保存为 example.mjs,运行 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()
}
请求参数
SpeechSynthesizer 的构造参数如下。
参数 | 类型 | 必填 | 说明 |
|---|---|---|---|
|
| 否 | API Key。默认读取 |
|
| 否 | 业务空间 ID。默认读取 |
|
| 否 | 服务域名,设置为 |
|
| 否 | 模型 ID。默认 |
|
| 是 | 音色 ID,使用与模型匹配的音色。 |
|
| 否 | 音频编码格式。省略时使用服务端默认值。 |
|
| 否 | 音频采样率(Hz),与编码格式匹配;省略时由服务端决定。 |
|
| 否 | 音量,范围 |
|
| 否 | 语速,范围 |
|
| 否 | 音调,范围 |
|
| 否 | 是否返回字级时间戳,默认 |
|
| 否 | 说明使用 qwen-audio-3.1-tts-flash 的多语种与方言音色时,可通过此参数指定语种或方言。具体用法请参见多语种与方言音色的设置方法。 目标语言提示,当前仅第一个元素生效。 |
|
| 否 | 方言、情感或角色等合成指令。 |
|
| 否 | 其他合成参数,如 |
|
| 否 | 建连超时(ms),默认 |
|
| 否 | 任务启动或结束的等待超时(ms),默认 |
|
| 否 | 开启 SSML。一次任务只发送一次完整的非空 SSML 文本;使用限制。 |
|
| 否 | MP3/Opus 码率(kbps),参数范围 |
|
| 否 | 随机种子,范围 |
|
| 否 | 热修复配置,通过 |
|
| 否 | 是否启用 Markdown 过滤。启用后,服务会在合成前将 Markdown 转换成适合朗读的文本。 默认值: |
接口参考
主要方法
方法 | 返回值 | 说明 |
|---|---|---|
|
| 合成完整文本并返回音频,文本最多 20000 字符。 |
|
| 启动流式合成任务,完成后可发送文本。 |
|
| 发送文本片段;每次最多 20000 字符,单任务累计最多 200000 字符。 |
|
| 结束文本输入,等待合成完成并返回完整音频。 |
|
| 发送取消合成的请求。 |
|
| 关闭连接并释放任务资源。 |
回调事件
通过 on(event, listener) 注册回调;完整事件字段见服务端事件。
事件 | 负载 | 说明 |
|---|---|---|
|
| 任务已启动,可发送输入。 |
|
| 音频二进制块,可多次触发。 |
|
| 开始合成一个句子。 |
|
| 句子合成完成;可获取字级时间戳及原始用量。 |
|
| 任务已结束,本地任务状态已清理。 |
|
| 调用错误,包含 |
|
| 底层连接关闭通知。 |
|
| 原始服务端 JSON 消息。 |