Skip to main content

Événements client Qwen-Audio-TTS

Référence des événements client Qwen-Audio-TTS : champs de run-task, continue-task et finish-task, ordre d’envoi et événements serveur correspondants.

Séquence des événements

  1. Envoyez run-task pour démarrer et configurer la tâche, puis attendez task-started.
  2. Après réception de task-started, envoyez le texte par continue-task tout en recevant result-generated et l’audio synthétisé.
  3. Après l’envoi de tout le texte, envoyez finish-task et continuez à recevoir les résultats et l’audio restants jusqu’à task-finished. Une tâche en échec renvoie task-failed.
result-generated renvoie les métadonnées des phrases. L’audio est transmis séparément par des trames binaires WebSocket ou une Audio Track AOQ. Pour la connexion, l’authentification et le transport audio, consultez l’API WebSocket ou l’accès AOQ.

run-task

Immédiatement après l’établissement de la connexion, le client envoie run-task pour démarrer la tâche de synthèse vocale et définir le modèle, la voix, la fréquence d’échantillonnage et les autres paramètres.
Attendez task-started avant d’envoyer continue-task. run-task démarre et configure la tâche. Envoyez le texte à synthétiser par continue-task.
headerobjectObligatoire
actionstringObligatoire
Type de commande. Définissez la valeur sur run-task.
task_idstringObligatoire
ID de tâche généré par le client au format UUID. Cet ID permet de corréler les événements suivants et doit correspondre au task_id dans les commandes continue-task et finish-task.
streamingstringObligatoire
Définissez la valeur sur duplex.
payloadobjectObligatoire
task_groupstringObligatoire
Groupe de tâches. Définissez la valeur sur audio.
taskstringObligatoire
Type de tâche. Définissez la valeur sur tts.
functionstringObligatoire
Type de fonction. Définissez la valeur sur SpeechSynthesizer.
modelstringObligatoire
Le nom du modèle.
parametersobjectObligatoire
Paramètres de synthèse vocale.
text_typestringObligatoire
Définissez la valeur sur PlainText.
voicestringObligatoire
Voix utilisée pour la synthèse vocale.
  • Voix système : Consultez la liste des voix Qwen-Audio-TTS
  • Voix clonées : Voix personnalisées créées par clonage vocal
  • Voix personnalisées : Voix personnalisées créées par conception vocale
formatstringFacultatif
Format d'encodage audio.Valeurs valides :
  • pcm
  • wav
  • mp3 (par défaut)
  • opus
sample_rateintegerFacultatif
Fréquence d'échantillonnage audio en Hz.Valeurs valides : 8000, 16000, 22050 (par défaut), 24000, 44100, 48000.
volumeintegerFacultatif
Niveau de volume.Valeur par défaut : 50.Valeurs valides : [0, 100].
ratefloatFacultatif
Vitesse de parole.Valeur par défaut : 1.0.Valeurs valides : [0,5, 2,0].
pitchfloatFacultatif
Hauteur tonale.Valeur par défaut : 1.0.Valeurs valides : [0,5, 2,0].
bit_rateintegerFacultatif
Débit binaire audio en kbps. Lorsque le format audio est mp3 ou opus, utilisez bit_rate pour ajuster le débit binaire.Valeur par défaut : 32.Valeurs valides : [6, 510].
enable_ssmlbooleanFacultatif
Indique s'il faut activer SSML.Valeur par défaut : false.
Lorsque la valeur est définie sur true, une seule commande continue-task est autorisée.
Pour connaître les restrictions d'utilisation de SSML (modèles, voix et API pris en charge), consultez la section Limitations.
word_timestamp_enabledbooleanFacultatif
Indique s'il faut activer les horodatages au niveau des mots.Valeur par défaut : false.
Disponible uniquement en mode de sortie en streaming. Les voix clonées sont prises en charge. Pour les voix système compatibles, consultez liste des voix Qwen-Audio-TTS.
seedintegerFacultatif
Graine aléatoire permettant de contrôler la variation dans la sortie de synthèse. Lorsque la version du modèle, le texte, la voix et les autres paramètres restent inchangés, l'utilisation de la même graine produit des résultats identiques.Valeur par défaut : 0.Valeurs valides : [0, 65535].
language_hintsarray[string]Facultatif
Pour les voix multilingues et dialectales de qwen-audio-3.1-tts-flash, ce paramètre permet de spécifier la langue ou le dialecte. Consultez les paramètres des voix multilingues et dialectales pour en savoir plus.
Spécifie la langue cible pour la synthèse vocale afin d'améliorer la qualité de sortie.Utilisez ce paramètre lorsque la prononciation des chiffres, l'expansion des abréviations, la lecture des symboles ou la synthèse de langues minoritaires ne répond pas à vos attentes. Par exemple :
  • Prononciation inattendue des chiffres : « hello, this is 110 » est lu « hello, this is one zero » au lieu de la prononciation chinoise attendue
  • Prononciation imprécise des symboles : « @ » est lu comme l'équivalent chinois au lieu de « at »
  • Mauvaise qualité de synthèse pour les langues minoritaires avec des résultats peu naturels
  • zh : chinois
  • en : anglais
  • fr : français
  • de : allemand
  • ja : japonais
  • ko : coréen
  • ru : russe
  • pt : portugais
  • th : thaï
  • id : indonésien
  • vi : vietnamien
  • es : espagnol
  • it : italien
  • ms : malais
  • fil : philippin
  • ar : arabe
  • other: Autres langues (prises en charge par qwen-audio-3.1-tts-flash) bulgare, néerlandais, hongrois, roumain, danois, croate, grec, tchèque, norvégien, suédois, hindi, slovaque, finnois, ourdou, serbe, espagnol du Mexique, lituanien, letton, turc, persan, hébreu, mongol, slovène, azerbaïdjanais, polonais, catalan, khmer, portugais brésilien, lao, géorgien, afrikaans, népalais, biélorusse, malayalam, luxembourgeois, albanais, tamoul, cingalais, télougou, estonien, cebuano, bosniaque, birman, arménien, latin, islandais, maltais, swahili, kazakh, créole seychellois, ukrainien.
  • Ce paramètre est un tableau, mais la version actuelle ne traite que le premier élément. Transmettez une seule valeur.
  • Ce paramètre spécifie la langue cible pour la synthèse vocale. Il n'est pas lié à la langue de l'échantillon audio utilisé lors du clonage vocal. Pour définir la langue source d'une tâche de clonage, consultez la référence de l'API de clonage vocal.
instructionstringFacultatif
Définit une instruction pour contrôler le dialecte, l'émotion ou le caractère de la voix pendant la synthèse. Pour une utilisation détaillée, consultez la section Contrôle par instruction.
enable_aigc_tagbooleanFacultatif
Indique s'il faut intégrer un filigrane AIGC dans l'audio généré. Lorsque la valeur est définie sur true, le filigrane est intégré dans les fichiers audio aux formats pris en charge (wav/mp3/opus).Valeur par défaut : false.
aigc_propagatorstringFacultatif
Définit le champ ContentPropagator dans le filigrane AIGC, identifiant le propagateur de contenu. Prend effet uniquement lorsque enable_aigc_tag est défini sur true.Valeur par défaut : UID Alibaba Cloud.
aigc_propagate_idstringFacultatif
Définit le champ PropagateID dans le filigrane AIGC, identifiant de manière unique une action de propagation spécifique. Prend effet uniquement lorsque enable_aigc_tag est défini sur true.Valeur par défaut : ID de requête de la demande de synthèse vocale actuelle.
hot_fixobjectFacultatif
Configure les corrections de prononciation et les remplacements de texte appliqués avant la synthèse.Paramètres :
  • pronunciation : Prononciation personnalisée. Spécifie les annotations phonétiques pour les mots afin de corriger les prononciations par défaut incorrectes.
  • replace : Remplacement de texte. Remplace les mots spécifiés par le texte cible avant la synthèse. Le texte remplacé sert d'entrée réelle pour la synthèse.
Cet exemple utilise le pinyin pour indiquer la prononciation d’un mot chinois et remplace le texte avant la synthèse.
{
  "hot_fix": {
    "pronunciation": [
      {
        "天气": "tian1 qi4"
      }
    ],
    "replace": [
      {
        "今天": "金天"
      }
    ]
  }
}
inputobjectObligatoire
Définissez la valeur sur un objet vide {}. Envoyez le texte à synthétiser via la commande continue-task.
Requête
{
  "header": {
    "action": "run-task",
    "task_id": "f604f46b-5329-4520-a767-4ede894e0418",
    "streaming": "duplex"
  },
  "payload": {
    "input": {},
    "task_group": "audio",
    "task": "tts",
    "function": "SpeechSynthesizer",
    "model": "qwen-audio-3.1-tts-flash",
    "parameters": {
      "text_type": "PlainText",
      "voice": "longanhuan_v3.1",
      "format": "mp3",
      "sample_rate": 22050
    }
  }
}
Réponse
{
  "header": {
    "task_id": "f604f46b-5329-4520-a767-4ede894e0418",
    "task_uuid": "573f4010c82040ad90d2a15e7d8afdbd",
    "event": "task-started",
    "attributes": {}
  },
  "payload": {}
}

continue-task

Après réception de task-started, le client envoie continue-task pour soumettre le texte à synthétiser. Le texte peut être envoyé en une fois ou en segments successifs.
headerobjectObligatoire
actionstringObligatoire
Type de commande. Définissez la valeur sur continue-task.
task_idstringObligatoire
ID de tâche au format UUID. Doit correspondre au task_id dans run-task.
streamingstringObligatoire
Définissez la valeur sur duplex.
payloadobjectObligatoire
inputobjectObligatoire
Contient le texte à synthétiser.
textstringObligatoire
Texte à synthétiser. Maximum de 20 000 caractères par message et 200 000 caractères au total.
L'intervalle d'envoi ne doit pas dépasser 23 secondes ; sinon, la connexion expire.
Requête
{
  "header": {
    "action": "continue-task",
    "task_id": "f604f46b-5329-4520-a767-4ede894e0418",
    "streaming": "duplex"
  },
  "payload": {
    "input": {
      "text": "Welcome to the speech synthesis service."
    }
  }
}
Réponse
{
  "header": {
    "task_id": "f604f46b-5329-4520-a767-4ede894e0418",
    "event": "result-generated",
    "attributes": {
      "x-dashscope-inner-response-type": "ws"
    }
  },
  "payload": {
    "output": {
      "sentence": {
        "index": 0,
        "words": []
      },
      "type": "sentence-begin",
      "original_text": "Welcome to the speech synthesis service.",
      "normalized_text": "Welcome to the speech synthesis service."
    }
  }
}

finish-task

Immédiatement après l’envoi de tout le texte, le client envoie finish-task pour notifier la fin de l’entrée et demander la fin de la tâche. Pour annuler le tour de synthèse en cours, définissez directive sur cancel dans input.
Après l’envoi de finish-task, continuez à recevoir les résultats et l’audio restants jusqu’à task-finished. Lors d’une annulation, le serveur arrête l’émission de l’audio suivant et renvoie task-finished.
headerobjectObligatoire
actionstringObligatoire
Type de commande. Définissez la valeur sur finish-task.
task_idstringObligatoire
ID de tâche au format UUID. Doit correspondre au task_id dans run-task.
streamingstringObligatoire
Définissez la valeur sur duplex.
payloadobjectObligatoire
inputobjectObligatoire
Définissez la valeur sur {} pour une finalisation normale de la tâche. Incluez directive pour annuler le tour de synthèse actuel.
directivestringFacultatif
Contrôle la manière dont la tâche se termine. Actuellement, seule la valeur cancel est prise en charge. Lorsque la valeur est définie sur cancel, le tour de synthèse actuel est annulé et le serveur renvoie immédiatement un événement task-finished sans produire d'autre audio.Après l'annulation, vous pouvez démarrer une nouvelle tâche de synthèse sur la même connexion WebSocket en envoyant un nouvel événement run-task sans vous reconnecter.
  • Fin normale
  • Annuler la tâche
Requête
{
  "header": {
    "action": "finish-task",
    "task_id": "f604f46b-5329-4520-a767-4ede894e0418",
    "streaming": "duplex"
  },
  "payload": {
    "input": {}
  }
}
Réponse
{
  "header": {
    "task_id": "f604f46b-5329-4520-a767-4ede894e0418",
    "event": "task-finished",
    "attributes": {
      "x-dashscope-inner-response-type": "ws"
    }
  },
  "payload": {
    "output": {},
    "usage": {
      "input_tokens": 7,
      "output_tokens": 30,
      "total_tokens": 37,
      "characters": 40
    }
  }
}