API WebSocket untuk sintesis suara real-time Qwen-TTS

​

Titik akhir layanan

​

Header permintaan

​

Alur interaksi

• Mode ServerCommit: Server menentukan segmentasi teks dan waktu sintesis secara otomatis.
• Mode Commit: Klien mengontrol kapan setiap segmen teks dikirimkan. Panggil input_text_buffer.commit secara eksplisit untuk memicu sintesis.

​

Detail mode

• Pada mode ServerCommit, panggil input_text_buffer.append untuk menyimpan teks ke buffer. Sistem menentukan waktu sintesis secara otomatis.
• Memanggil input_text_buffer.commit pada mode ServerCommit akan segera mensintesis buffer saat ini. Sesi kemudian kembali ke mode ServerCommit.
• Pada mode Commit, input_text_buffer.append saja tidak memicu sintesis. Panggil input_text_buffer.commit untuk memulai sintesis.

1. Koneksi: Klien membuka koneksi WebSocket. Server mengembalikan event session.created ketika siap.
2. Konfigurasi sesi: Klien mengirim session.update untuk mengatur voice, format, dan mode.
3. Input teks: Klien mengirim input_text_buffer.append untuk menambahkan teks ke buffer.
4. Pemicu sintesis:
   • Pada mode ServerCommit, sintesis dimulai secara otomatis. Klien dapat memanggil input_text_buffer.commit untuk memaksa sintesis segera.
   • Pada mode Commit, hanya input_text_buffer.commit yang memicu sintesis.
5. Generasi audio: Server mengirim event response.created, lalu mengalirkan audio dalam bentuk base64 sebagai event response.audio.delta hingga event response.audio.done.
6. Pengakhiran sesi: Klien mengirim session.finish untuk melepaskan sumber daya. Server mengembalikan session.finished dan menutup koneksi.

{
    "event_id": "event_xxx",
    "type": "session.created",
    "session": {
        "object": "realtime.session",
        "mode": "server_commit",
        "model": "qwen3-tts-flash-realtime",
        "voice": "Cherry",
        "response_format": "pcm",
        "sample_rate": 24000,
        "id": "sess_xxx"
    }
}