Skip to main content

Integrar el modelo de síntesis de voz

Llame a un modelo de síntesis de voz de Token Plan desde una herramienta del agente, convierta texto a audio y descargue el audio localmente.

Modelos compatibles

ModeloCapacidad
qwen-audio-3.0-tts-plusSíntesis de voz
Para conocer más modelos, consulte modelos compatibles con Token Plan.

Requisitos previos

  • Una suscripción a Token Plan y una clave de API que comience con sk-sp-. Para obtener más información, consulte Descripción general de la integración.
  • Python 3.9 o posterior.
  • Su herramienta de codificación con IA admite Slash Commands. Para conocer las rutas de configuración de otras herramientas, consulte Otras herramientas.

Interfaz

POST https://token-plan.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/SpeechSynthesizer Utilice Authorization: Bearer $ANTHROPIC_AUTH_TOKEN en el encabezado de la solicitud. La respuesta contiene una URL de audio.

Paso 1: Crear un Slash Command

Configure la clave de API de Token Plan como la variable de entorno $ANTHROPIC_AUTH_TOKEN. Cree .claude/commands/text-to-speech.md en la raíz del proyecto y agregue el siguiente contenido: 
Call the Token Plan speech synthesis API to convert text to an audio file and download it locally.

Text to synthesize: $ARGUMENTS

## Steps

1. Extract text, voice (default: longanhuan_v3.6), format (default: mp3), and sample_rate (default: 22050). If a model is specified, use that model; otherwise use qwen-audio-3.0-tts-plus.
2. Use the Bash tool to run the following command:
```bash
RESPONSE=$(curl -s -X POST "https://token-plan.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/SpeechSynthesizer" \
  -H "Authorization: Bearer $ANTHROPIC_AUTH_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-audio-3.0-tts-plus",
    "input": {
      "text": "<text>",
      "voice": "<voice>",
      "format": "<format>",
      "sample_rate": <sample_rate>
    }
  }')

AUDIO_URL=$(printf '%s' "$RESPONSE" | python3 -c 'import json,sys; print(json.load(sys.stdin)["output"]["audio"]["url"])')
curl -s -o "speech_$(date +%Y%m%d_%H%M%S).<format>" "$AUDIO_URL"
```
3. Output the path of the downloaded audio file.

Paso 2: Sintetizar voz

En Claude Code, ingrese /text-to-speech Hello, welcome to Model Studio. Para cambiar la voz, especifíquela en el comando, por ejemplo /text-to-speech use longanlingxin to say: Hello.

Parámetros de solicitud

ParámetroObligatorioDescripción
modelSíID del modelo de síntesis de voz.
input.textSíTexto que se va a sintetizar.
input.voiceSíVoz, por ejemplo longanhuan_v3.6.
input.formatNoFormato de audio. Admite mp3, pcm, wav y opus. Valor predeterminado: mp3.
input.sample_rateNoFrecuencia de muestreo. Valor predeterminado: 22050.
Para conocer más parámetros, consulte la API HTTP de síntesis de voz de Qwen-Audio-TTS. Para consultar las voces disponibles, consulte la Lista de voces de Qwen-Audio-TTS.

Respuesta

  • URL del audio: output.audio.url.
  • Hora de vencimiento de la URL: output.audio.expires_at.
  • Caracteres facturados: usage.characters.
  • Las URL de audio vencen. Descargue el audio a la brevedad.

Límites

  • La voz debe coincidir con la versión del modelo. Para conocer las voces disponibles, consulte la lista de voces.
  • La facturación se basa en caracteres válidos. El consumo real de Credits se muestra en Usage en la consola.

Otras herramientas

Para conocer los mecanismos de extensión y las rutas de configuración de otras herramientas, consulte Descripción general de la integración. Guarde el Slash Command anterior en la ruta correspondiente.