Skip to main content

Qwen-Audio-TTS Node.js SDK

Use el SDK de voz Node.js para llamar a Qwen-Audio-TTS con texto completo o en streaming y gestionar audio, marcas de tiempo de palabras y uso.

Requisitos previos

Obtenga una clave API en la consola y configúrela como variable de entorno DASHSCOPE_API_KEY.

Instalar el SDK

Requiere Node.js 18 o posterior. Descargue el paquete SDK 0.1.0 y ejecute en su proyecto:
npm install ./dashscope-sdk-nodejs-0.1.0.tgz

Inicio rápido

Guarde el ejemplo como example.mjs y ejecute 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()
}

Parámetros de solicitud

Opciones del constructor de SpeechSynthesizer:
ParámetroTipoObligatorioDescripción
apiKeystringNoClave API. Usa DASHSCOPE_API_KEY de forma predeterminada.
workspaceIdstringNoID del espacio de trabajo. Usa DASHSCOPE_WORKSPACE_ID de forma predeterminada.
baseUrlstringNoEstablezca el host en dashscope-intl.aliyuncs.com (Singapur).
modelstringNoID del modelo. Predeterminado: qwen-audio-3.1-tts-flash.
voicestringSíID de voz. Elija una voz compatible con el modelo.
format'pcm' | 'wav' | 'mp3' | 'opus'NoCodificación de audio. Usa el valor predeterminado del servicio si se omite.
sampleRate8000 | 16000 | 22050 | 24000 | 44100 | 48000NoFrecuencia de muestreo en Hz. Debe coincidir con la codificación; el servicio la determina si se omite.
volumenumberNoVolumen: [0,100]. Predeterminado del servicio: 50.
ratenumberNoVelocidad del habla: [0.5,2.0]. Predeterminado del servicio: 1.0.
pitchnumberNoTono: [0.5,2.0]. Predeterminado del servicio: 1.0.
wordTimestampEnabledbooleanNoDevuelve marcas de tiempo de palabras. Predeterminado: false.
languageHintsstring[]No
Para las voces multilingües y dialectales de qwen-audio-3.1-tts-flash, este parámetro permite especificar el idioma o dialecto. Consulte la configuración de voces multilingües y dialectales para obtener más información.
Indicaciones del idioma de destino. Solo se aplica el primer elemento.
instructionstringNoInstrucciones de síntesis para dialecto, emoción o rol.
parametersTtsSynthesisParametersNoParámetros adicionales, como enable_ssml, seed y hot_fix.
connectTimeoutMsnumberNoTiempo de conexión en ms. Predeterminado: 10000.
taskTimeoutMsnumberNoTiempo de confirmación de inicio/fin en ms. Predeterminado: 60000; 0 lo desactiva.
parameters.enable_ssmlbooleanNoActiva SSML. Envíe el texto SSML completo y no vacío una vez por tarea. Consulte los límites.
parameters.bit_ratenumberNoTasa de bits MP3/Opus en kbps. Intervalo: [6,510]; predeterminado: 32.
parameters.seednumberNoSemilla aleatoria: [0,65535].
parameters.hot_fixRecord<string, unknown>NoConfiguración de corrección mediante parameters.hot_fix. Consulte la estructura en eventos del cliente.

Referencia de la API

Métodos principales

MétodoValor de retornoDescripción
synthesize(text: string)Promise<Buffer>Sintetiza el texto completo y devuelve audio. Hasta 20000 caracteres.
begin()Promise<void>Inicia la síntesis en streaming; después envíe texto.
sendText(text: string)voidEnvía texto: hasta 20000 caracteres por llamada y 200000 por tarea.
end()Promise<Buffer>Termina la entrada, espera la síntesis y devuelve el audio completo.
cancel()voidSolicita cancelar la síntesis.
close(code?: number, reason?: string)voidCierra la conexión y libera los recursos de la tarea.

Eventos de callback

Registre callbacks con on(event, listener). Consulte los campos completos en eventos del servidor.
EventoCarga útilDescripción
started{ taskId: string }La tarea ha comenzado y acepta entrada.
audioBufferFragmento de audio binario; puede emitirse varias veces.
sentenceBegin{ index: number; text: string }Ha comenzado la síntesis de una frase.
sentenceEnd{ index: number; text: string; characters?: number; words?: TtsWord[]; usage?: TtsUsage }Síntesis de frase completada; puede incluir marcas de tiempo y uso original.
finished{ taskId: string; characters?: number; usage?: TtsUsage }La tarea ha terminado y el estado local se ha borrado.
failed / errorDashScopeErrorError con code, message e identificadores de solicitud.
close{ code: number; reason: string }Notificación de cierre de la conexión subyacente.
eventServerEventMensaje JSON original del servicio.