Cette rubrique présente les interfaces principales et les paramètres de requête pour appeler les modèles de la série Qwen-TTS-Realtime avec le SDK DashScope pour Python.
SDK DashScope pour Python version 2.0.1 ou ultérieure requis.
Consultez le dépôt GitHub pour télécharger d'autres exemples de code.
Définissez ces paramètres dans la méthode
Configurez les paramètres suivants via la méthode
Une session de synthèse vocale en temps réel est créée via
Le serveur renvoie ses réponses et données sous forme d'événements. Itérez le
Prérequis
SDK DashScope pour Python version 2.0.1 ou ultérieure requis.
Démarrage rapide
Paramètres de requête
Définissez ces paramètres dans la méthode connect de client.audio.realtime :
Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
model | str | Oui | Nom du modèle (voir Modèles pris en charge). |
ws_url | str | Non | Endpoint de la session. S'il est omis, il est déduit automatiquement des paramètres de construction |
update_session de la session (les paramètres nommés se transmettent directement, les autres sont transférés à l'objet session de l'événement session.update) :
| Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
| voice | str | Oui | Voix utilisée pour la synthèse vocale. Pour plus d'informations, voir Liste des voix Qwen-TTS. |
| language_type | str | Non | Spécifie la langue de l'audio synthétisé. La valeur par défaut est Auto.
|
| mode | str | Non | Mode d'interaction. Valeurs valides :
|
| response_format | str | Non | Format de sortie audio du modèle.Formats pris en charge :
|
| sample_rate | int | Non | Fréquence d'échantillonnage de la sortie audio du modèle, exprimée en Hz.Fréquences d'échantillonnage disponibles :
|
| speech_rate | float | Non | Vitesse de lecture de l'audio. Une valeur de 1,0 correspond à la vitesse normale. Une valeur inférieure à 1,0 ralentit la lecture, tandis qu'une valeur supérieure l'accélère.Valeur par défaut : 1,0.Plage valide : [0,5, 2,0]. |
| volume | int | Non | Volume sonore de l'audio.Plage valide : [0, 100]. |
| pitch_rate | float | Non | Hauteur tonale de l'audio synthétisé.Valeur par défaut : 1,0.Plage valide : [0,5, 2,0]. |
| bit_rate | int | Non | Définit le débit binaire audio en kbps. Un débit plus élevé améliore la qualité audio mais augmente la taille du fichier. Ce paramètre n'est disponible que si le format audio (response_format) est défini sur opus.Valeur par défaut : 128.Plage valide : [6, 510]. |
Référence de l’API
Session (RealtimeSession)
Une session de synthèse vocale en temps réel est créée via client.audio.realtime.connect(model=...). La connexion est établie automatiquement à l'entrée dans le contexte with (vous pouvez également appeler manuellement la méthode connect() de la session).
| Signature de la méthode | Événements de réponse du serveur (transmis via l'itération de events()) | Description |
|---|---|---|
session.createdSession crééesession.updated Configuration de session mise à jour | Établit la connexion au serveur. Appelée automatiquement à l'entrée dans le contexte with. | |
session.updatedConfiguration de session mise à jour | Met à jour les configurations de session par défaut. Pour plus de détails sur les paramètres, reportez-vous à la section Paramètres de requête.Une fois connecté, le serveur renvoie les configurations d'entrée et de sortie par défaut. Appelez cette méthode immédiatement après la connexion pour modifier ces valeurs par défaut.Le serveur valide les paramètres lors de la réception d'un événement session.update. En cas d'échec de validation, il renvoie une erreur ; sinon, il applique la nouvelle configuration de session. | |
| None | Envoie un événement brut. La saisie de texte s'effectue via la famille d'événements input_text_buffer : ajout d'un segment de texte au tampon d'entrée cloud ({"type": "input_text_buffer.append", "text": ...}). Le tampon est un stockage temporaire du texte, écrit puis envoyé ultérieurement.
| |
input_text_buffer.clearedEfface le texte reçu par le serveur | Envoie l'événement {"type": "input_text_buffer.clear"} pour supprimer tout le texte du tampon cloud. | |
input_text_buffer.committedSoumet le texte et déclenche la synthèse vocaleresponse.output_item.added Nouvel élément de sortie ajoutéresponse.content_part.added Nouveau contenu ajouté au message de l'assistantresponse.audio.delta Audio incrémentiel généré par le modèleresponse.audio.done Génération audio terminéeresponse.content_part.done Streaming du contenu audio pour le message de l'assistant terminéresponse.output_item.done Streaming complet de l'élément de sortie pour le message de l'assistant terminéresponse.done Réponse terminée | Envoie l'événement {"type": "input_text_buffer.commit"} pour soumettre l'intégralité du texte précédemment ajouté au tampon cloud et la synthétiser immédiatement. Renvoie une erreur si le tampon est vide.
| |
input_text_buffer.committedSoumet le texte et déclenche la synthèse vocaleresponse.output_item.added Nouvel élément de sortie ajoutéresponse.content_part.added Nouveau contenu ajouté au message de l'assistantresponse.audio.delta Audio incrémentiel généré par le modèleresponse.audio.done Génération audio terminéeresponse.content_part.done Streaming du contenu audio pour le message de l'assistant terminéresponse.output_item.done Streaming complet de l'élément de sortie pour le message de l'assistant terminéresponse.done Réponse terminée | Soumet l'intégralité du texte présent dans le tampon cloud et lance immédiatement la synthèse. Renvoie une erreur si le tampon est vide.
| |
session.finishedRéponse terminée | Envoie l'événement session.finish pour terminer la tâche. Continuez ensuite à consommer events() jusqu'à l'événement session.finished. | |
| None | Ferme la connexion. Appelée automatiquement à la sortie du contexte with. | |
| None | Récupère l'ID de session de la tâche actuelle. | |
| None | Récupère l'ID de la réponse la plus récente. | |
| None | Récupère le délai écoulé avant l'arrivée du premier paquet audio. |
Itération d'événements (events())
Le serveur renvoie ses réponses et données sous forme d'événements. Itérez le events() de la session dans le thread récepteur pour traiter les événements du serveur ; l'itération se termine après l'événement session.finished. Les événements error sont levés sous forme d'exceptions DashScopeError, que vous pouvez capturer avec try/except.
| Méthode | Paramètres | Valeur de retour | Description |
|---|---|---|---|
event : Événement de réponse du serveur (dict). | Itérateur | Comprend les réponses aux appels API, ainsi que le texte et l'audio générés par le modèle. L'itération se termine après l'événement session.finished. Pour plus d'informations, voir Événements serveur. | |
event : Événement de réponse du serveur (dict). | Événement ou None | Lit un événement du serveur. Renvoie None après une fermeture normale. |