Skip to main content

Eventos del cliente

Los eventos del cliente son mensajes JSON enviados a través de una conexión WebSocket para controlar la sesión de la API en tiempo real de Qwen-TTS: configurar ajustes de voz, transmitir texto para su síntesis y señalar la finalización.

Para obtener una descripción general completa de la API, consulte Síntesis de voz en tiempo real - Qwen.

Resumen de eventos

Evento del clienteRespuesta del servidorDescripción
session.updatesession.updatedEstablecer la voz, el formato de audio, el modo de interacción y otros parámetros de la sesión
input_text_buffer.append--Agregar texto al búfer de síntesis
input_text_buffer.commitinput_text_buffer.committedConfirmar el texto en búfer para activar la síntesis
input_text_buffer.clearinput_text_buffer.clearedDescartar todo el texto almacenado en búfer
session.finish--Finaliza la sesión; el servidor vacía el audio restante y cierra la conexión

session.update

Configura la sesión. Envíelo como primer mensaje después de establecer la conexión WebSocket. Si se omite, todos los parámetros utilizan los valores predeterminados. El servidor confirma con un evento session.updated.

Cuerpo de la solicitud 

{
    "event_id": "event_123",
    "type": "session.update",
    "session": {
        "voice": "Cherry",
        "mode": "server_commit",
        "language_type": "Chinese",
        "response_format": "pcm",
        "sample_rate": 24000
    }
}

Parámetros

ParámetroTipoObligatorioDescripción
event_idstringSíIdentificador de evento único generado por el cliente (se recomienda UUID). Debe ser único dentro de la sesión de WebSocket.
typestringSíEstablecido en session.update.
sessionobjectNoConfiguración de la sesión. Consulte las siguientes subsecciones.

propiedades de la sesión

voice

Tipo: string | Obligatorio: SíLa voz del sistema utilizada para la síntesis de voz. Consulte Voces admitidas.

mode

Tipo: string | Obligatorio: No | Predeterminado: server_commitEl modo de interacción que controla cuándo se sintetiza el texto almacenado en búfer.
ValorComportamiento
server_commitEl servidor decide cuándo sintetizar, equilibrando latencia y calidad. Recomendado para la mayoría de los usos.
commitActive la síntesis manualmente enviando input_text_buffer.commit. Ofrece la menor latencia, pero debe gestionar la integridad de las oraciones.

language_type

Tipo: string | Obligatorio: No | Predeterminado: AutoEl idioma del audio sintetizado.
  • Auto -- Para texto desconocido o en varios idiomas. El modelo ajusta automáticamente la pronunciación por segmento, pero no se garantiza la precisión.
  • Para texto en un solo idioma, especificar el idioma mejora significativamente la calidad. Valores admitidos:
ValorValorValor
ChineseEnglishGerman
ItalianPortugueseSpanish
JapaneseKoreanFrench
Russian

response_format

Tipo: string | Obligatorio: No | Predeterminado: pcmEl formato de salida de audio.
ValorNotas
pcmPredeterminado.
wav
mp3
opusAdmite una tasa de bits configurable mediante el parámetro bit_rate.

sample_rate

Tipo: integer | Obligatorio: No | Predeterminado: 24000La frecuencia de muestreo de la salida de audio, en Hz.Valores admitidos: 8000, 16000, 24000, 48000.

speech_rate

Tipo: float | Obligatorio: No | Predeterminado: 1.0 | Rango: 0.5--2.0La velocidad de reproducción. Los valores inferiores a 1.0 ralentizan el audio; los valores superiores a 1.0 lo aceleran.

volume

Tipo: integer | Obligatorio: No | Predeterminado: 50 | Rango: 0--100El volumen del audio.

pitch_rate

Tipo: float | Obligatorio: No | Predeterminado: 1.0 | Rango: 0.5--2.0El tono del audio sintetizado.

bit_rate

Tipo: integer | Obligatorio: No | Predeterminado: 128 | Rango: 6--510Tasa de bits de audio en kbps. Los valores más altos producen mejor calidad pero archivos más grandes. Solo aplica cuando response_format es opus.

input_text_buffer.append

Agrega texto al búfer de síntesis.
  • En el modo server_commit, el texto se agrega al búfer del lado del servidor.
  • En el modo commit, el texto se agrega al búfer del lado del cliente.

Cuerpo de la solicitud 

{
    "event_id": "event_B4o9RHSTWobB5OQdEHLTo",
    "type": "input_text_buffer.append",
    "text": "Hello, I am Qwen."
}

Parámetros

ParámetroTipoObligatorioDescripción
event_idstringSíIdentificador de evento único generado por el cliente (se recomienda UUID). Debe ser único dentro de la sesión de WebSocket.
typestringSíEstablecido en input_text_buffer.append.
textstringSíEl texto que se va a sintetizar.

input_text_buffer.commit

Confirma el texto almacenado en búfer y crea un elemento de mensaje de usuario. El servidor responde con un evento input_text_buffer.committed. Devuelve un error si el búfer está vacío. El comportamiento varía según el modo:
  • Modo server_commit: Todo el texto almacenado en búfer se sintetiza inmediatamente. El servidor deja de almacenar en caché y procesa todo a la vez.
  • Modo commit: Crea un elemento de mensaje de usuario a partir del texto almacenado en búfer.
Nota: Confirmar el búfer solo activa la síntesis; no genera una respuesta del modelo.

Cuerpo de la solicitud 

{
    "event_id": "event_B4o9RHSTWobB5OQdEHLTo",
    "type": "input_text_buffer.commit"
}

Parámetros

ParámetroTipoObligatorioDescripción
event_idstringSíIdentificador de evento único generado por el cliente (se recomienda UUID). Debe ser único dentro de la sesión de WebSocket.
typestringSíEstablecido en input_text_buffer.commit.

input_text_buffer.clear

Borra el texto del búfer. El servidor responde con un evento input_text_buffer.cleared.

Cuerpo de la solicitud 

{
    "event_id": "event_2728",
    "type": "input_text_buffer.clear"
}

Parámetros

ParámetroTipoObligatorioDescripción
event_idstringSíIdentificador de evento único generado por el cliente (se recomienda UUID). Debe ser único dentro de la sesión de WebSocket.
typestringSíEstablecido en input_text_buffer.clear.

session.finish

Indica que no se enviará más texto. El servidor devuelve el audio restante y cierra la conexión.

Cuerpo de la solicitud 

{
    "event_id": "event_2239",
    "type": "session.finish"
}

Parámetros

ParámetroTipoObligatorioDescripción
event_idstringSíIdentificador de evento único generado por el cliente (se recomienda UUID). Debe ser único dentro de la sesión de WebSocket.
typestringSíEstablecido en session.finish.