Skip to main content

Referencia de la API de síntesis de voz no en tiempo real de Qwen-TTS

Parámetros de solicitud y campos de respuesta para la API de síntesis de voz no en tiempo real (Qwen-TTS).

Cuerpo de la solicitud

  • Salida sin streaming
  • Salida de transmisión
  • Python
  • Java
  • curl
En el SDK de Python de DashScope 2.0, la síntesis de voz no en tiempo real se realiza mediante el recurso client.audio.tts.http. 
# Instale la versión más reciente del SDK de DashScope
import os
import dashscope

# La siguiente configuración corresponde a la región de Singapur. Sustituya {WorkspaceId} por el ID real de su espacio de trabajo. El valor de region varía según la región.
client = dashscope.Client(
    # Las API Key de las regiones de Singapur y Pekín son diferentes. Obtenga su API Key: https://www.alibabacloud.com/help/model-studio/get-api-key
    # Si no se ha configurado la variable de entorno, sustituya la siguiente línea por su API Key de Model Studio: api_key="sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    workspace="{WorkspaceId}",
    region="ap-southeast-1",
)

text = "Let me recommend a T-shirt to everyone. This one is really super nice. The color is very elegant, and it's also a perfect item to match. Everyone can buy it without hesitation. It's truly beautiful and very forgiving on the figure. No matter what body type you have, it will look great. I recommend everyone to place an order."
result = client.audio.tts.http.synthesize(
    text,
    model="qwen3-tts-flash",
    voice="Cherry"
)
print(result.audio_url, result.audio_id, result.expires_at)
modelstring(obligatorio)El nombre del modelo. Para más detalles, consulte Modelos admitidos.
inputobject(obligatorio)Parámetros de entrada.

Propiedades

texto string (obligatorio)El texto a sintetizar. Admite entrada mixta multilingüe. La longitud máxima de entrada es de 600 caracteres.voice string (obligatorio)La voz a utilizar. Consulte Voces del sistema admitidas.language_type string (opcional)El idioma del audio sintetizado. El valor predeterminado es Auto.
  • Auto: Utilícelo cuando la entrada contenga varios idiomas o no se pueda determinar el idioma. El modelo ajusta automáticamente la pronunciación para cada segmento de idioma, aunque no se garantiza la precisión.
  • Idioma específico: Utilícelo para texto en un solo idioma. Especificar el idioma mejora significativamente la calidad de la síntesis y generalmente produce mejores resultados que Auto. Valores válidos:
    • Chinese
    • English
    • German
    • Italian
    • Portuguese
    • Spanish
    • Japanese
    • Korean
    • French
    • Russian

Objeto de respuesta (los formatos streaming y no streaming son idénticos) 

{
    "status_code": 200,
    "request_id": "5c63c65c-cad8-4bf4-959d-xxxxxxxxxxxx",
    "code": "",
    "message": "",
    "output": {
        "text": null,
        "finish_reason": "stop",
        "choices": null,
        "audio": {
            "data": "",
            "url": "http://dashscope-result-bj.oss-cn-beijing.aliyuncs.com/1d/ab/20251218/d2033070/39b6d8f2-c0db-4daa-9073-5d27bfb66b78.wav?Expires=1766113409&OSSAccessKeyId=YOUR_ACCESS_KEY_ID&Signature=YOUR_SIGNATURE",
            "id": "audio_5c63c65c-cad8-4bf4-959d-xxxxxxxxxxxx",
            "expires_at": 1766113409
        }
    },
    "usage": {
        "input_tokens": 0,
        "output_tokens": 0,
        "characters": 195
    }
}
status_code integerEl código de estado HTTP según se define en RFC 9110. Valores comunes:
• 200: Solicitud exitosa.
• 400: Parámetros de solicitud no válidos.
• 401: No autorizado.
• 404: Recurso no encontrado.
• 500: Error interno del servidor.
request_id stringUn identificador único para esta solicitud. Úselo para la resolución de problemas.
code stringEl código de error devuelto en caso de fallo. Consulte Códigos de error.
message stringEl mensaje de error devuelto en caso de fallo. Consulte Códigos de error.
outputobjectLa salida del modelo.

Propiedades

textstringSiempre null. Ignore este campo.choicesstringSiempre null. Ignore este campo.finish_reasonstringEl estado de la generación:
  • null — La generación está en curso.
  • stop — La generación finalizó normalmente o se cumplió una condición de parada.
audio objectLa salida de audio del modelo.

Propiedades

url stringLa URL del archivo de audio completo, válida por 24 horas. En modo no streaming, se devuelve directamente en la respuesta. En modo streaming, solo se devuelve en el último fragmento del flujo SSE (los fragmentos intermedios no contienen este campo).data stringDatos de audio codificados en Base64. En modo no streaming, este campo siempre es una cadena vacía (utilice url para obtener el archivo de audio completo). En modo streaming, los fragmentos intermedios contienen segmentos de audio codificados en Base64, mientras que el último fragmento devuelve una cadena vacía (utilice url para obtener el audio completo).id stringUn identificador único para el audio.expires_at integerEl tiempo de caducidad de la URL como marca de tiempo Unix.
usage objectUso de caracteres para esta solicitud.

Propiedades

output_tokens integerEl número de tokens consumidos por el audio de salida. Para el modelo Qwen3-TTS-Flash, este campo siempre es 0.input_tokens integerEl número de tokens consumidos por el texto de entrada. Para el modelo Qwen3-TTS-Flash, este campo siempre es 0.characters integerEl número de caracteres en el texto de entrada. Devuelto únicamente por el modelo Qwen3-TTS-Flash.
request_id stringUn identificador único para esta solicitud. Úselo para la resolución de problemas.

Descarga y reproducción de audio

Antes de ejecutar los ejemplos, obtenga y configure una clave API y instale el SDK de DashScope. El ejemplo de reproducción en Python también requiere PyAudio y NumPy. Consulte los comentarios del código para obtener instrucciones sobre la instalación de PyAudio e instale NumPy con pip install numpy.

Descargar audio (Java)

Debe importar la dependencia Gson. Agréguela usando Maven o Gradle:
  • Maven
  • Gradle
Agregue lo siguiente a pom.xml:
<!-- https://mvnrepository.com/artifact/com.google.code.gson/gson -->
<dependency>
    <groupId>com.google.code.gson</groupId>
    <artifactId>gson</artifactId>
    <version>2.13.1</version>
</dependency>

import com.alibaba.dashscope.aigc.multimodalconversation.AudioParameters;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.utils.Constants;

import java.io.FileOutputStream;
import java.io.InputStream;
import java.net.URL;

public class Main {
    private static final String MODEL = "qwen3-tts-flash";
    public static void call() throws ApiException, NoApiKeyException, UploadFileException {
        MultiModalConversation conv = new MultiModalConversation();
        MultiModalConversationParam param = MultiModalConversationParam.builder()
                // The API Keys for the Singapore and Beijing regions are different. Get an API Key: https://www.alibabacloud.com/help/model-studio/get-api-key
                // If you have not configured the environment variable, replace the following line with your Model Studio API Key: .apiKey("sk-xxx")
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                .model(MODEL)
                .text("Today is a wonderful day to build something people love!")
                .voice(AudioParameters.Voice.CHERRY)
                .languageType("English") // We recommend matching this with the language of the text for correct pronunciation and natural intonation.
                .build();
        MultiModalConversationResult result = conv.call(param);
        String audioUrl = result.getOutput().getAudio().getUrl();
        System.out.print(audioUrl);

        // Download the audio file to local storage
        try (InputStream in = new URL(audioUrl).openStream();
             FileOutputStream out = new FileOutputStream("downloaded_audio.wav")) {
            byte[] buffer = new byte[1024];
            int bytesRead;
            while ((bytesRead = in.read(buffer)) != -1) {
                out.write(buffer, 0, bytesRead);
            }
            System.out.println("\nAudio file downloaded to: downloaded_audio.wav");
        } catch (Exception e) {
            System.out.println("\nFailed to download audio file: " + e.getMessage());
        }
    }
    public static void main(String[] args) {
        // The following is the configuration for the Singapore region.
        Constants.baseHttpApiUrl = "https://dashscope-intl.aliyuncs.com/api/v1";
        try {
            call();
        } catch (ApiException | NoApiKeyException | UploadFileException e) {
            System.out.println(e.getMessage());
        }
        System.exit(0);
    }
}

Reproducción en streaming

  • Python
  • Java
# coding=utf-8
#
# Instrucciones de instalación de pyaudio:
# APPLE Mac OS X
#   brew install portaudio
#   pip install pyaudio
# Debian/Ubuntu
#   sudo apt-get install python-pyaudio python3-pyaudio
#   or
#   pip install pyaudio
# CentOS
#   sudo yum install -y portaudio portaudio-devel && pip install pyaudio
# Microsoft Windows
#   python -m pip install pyaudio

import os
import dashscope
import pyaudio
import time

# La siguiente configuración corresponde a la región de Singapur. Sustituya {WorkspaceId} por el ID real de su espacio de trabajo. El valor de region varía según la región.
client = dashscope.Client(
    # Las API Key de las regiones de Singapur y Pekín son diferentes. Obtenga una API Key: https://www.alibabacloud.com/help/model-studio/get-api-key
    # Si no se ha configurado la variable de entorno, sustituya la siguiente línea por su API Key de Model Studio: api_key="sk-xxx"
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    workspace="{WorkspaceId}",
    region="ap-southeast-1",
)

p = pyaudio.PyAudio()
# Crear un flujo de audio
stream = p.open(format=pyaudio.paInt16,
                channels=1,
                rate=24000,
                output=True)

text = "Today is a wonderful day to build something people love!"

for chunk in client.audio.tts.http.stream(
    text,
    model="qwen3-tts-flash",
    voice="Cherry",
    language_type="English",  # Se recomienda que coincida con el idioma del texto para lograr una pronunciación y una entonación naturales.
):
    if chunk.audio:
        # Reproducir los datos de audio directamente (chunk.audio contiene los bytes de audio ya decodificados)
        stream.write(chunk.audio)
    if chunk.is_final:
        print(f"finish at: {chunk.expires_at}")
time.sleep(0.8)
# Liberar recursos
stream.stop_stream()
stream.close()
p.terminate()