Skip to main content

音声合成モデルの統合

Agent ツールから Token Plan の音声合成モデルを呼び出し、テキストを音声に変換して、音声をローカルにダウンロードします。

サポートされているモデル

モデル機能
qwen-audio-3.0-tts-plus音声合成
その他のモデルについては、Token Plan でサポートされているモデルをご参照ください。

前提条件

  • Token Planのサブスクリプション、および sk-sp- で始まるAPIキー。詳細については、統合概要をご参照ください。
  • Python 3.9以降。
  • AIコーディングツールがSlash Commandsをサポートしていること。その他のツールの設定パスについては、その他のツールをご参照ください。

インターフェース

POST https://token-plan.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/SpeechSynthesizer リクエストヘッダーで Authorization: Bearer $ANTHROPIC_AUTH_TOKEN を使用します。レスポンスには音声の URL が含まれます。

ステップ1: スラッシュコマンドの作成

Token Plan APIキーを環境変数 $ANTHROPIC_AUTH_TOKEN として設定します。 プロジェクトルートに .claude/commands/text-to-speech.md を作成し、次の内容を追加します。 
Token Plan音声合成APIを呼び出して、テキストを音声ファイルに変換し、ローカルにダウンロードします。

合成するテキスト: $ARGUMENTS

## 手順

1. text、voice（デフォルト: longanhuan_v3.6）、format（デフォルト: mp3）、sample_rate（デフォルト: 22050）を抽出します。モデルが指定されている場合はそのモデルを使用し、指定されていない場合は qwen-audio-3.0-tts-plus を使用します。
2. Bashツールを使用して、次のコマンドを実行します。
```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. ダウンロードした音声ファイルのパスを出力します。

ステップ2：音声の合成

Claude Code で、/text-to-speech Hello, welcome to Model Studio と入力します。ボイスを変更するには、コマンド内で指定します。例：/text-to-speech use longanlingxin to say: Hello。

リクエストパラメータ

パラメータ必須説明
modelはい音声合成モデルのID。
input.textはい合成するテキスト。
input.voiceはいボイス。例: longanhuan_v3.6。
input.formatいいえ音声フォーマット。mp3、pcm、wav、opusをサポートします。デフォルト: mp3。
input.sample_rateいいえサンプルレート。デフォルト: 22050。
詳細なパラメータについては、Qwen-Audio-TTS 音声合成 HTTP APIをご参照ください。利用可能なボイスについては、Qwen-Audio-TTS ボイス一覧をご参照ください。

レスポンス

  • 音声URL: output.audio.url。
  • URLの有効期限: output.audio.expires_at。
  • 課金対象文字数: usage.characters。
  • 音声URLには有効期限があります。速やかに音声をダウンロードしてください。

制限事項

  • 音声はモデルのバージョンと一致している必要があります。利用可能な音声については、音声リストをご参照ください。
  • 課金は有効な文字数に基づきます。実際の Credits の消費量は、コンソールの [Usage] に表示されます。

その他のツール

その他のツールの拡張メカニズムと設定パスについては、統合概要をご覧ください。上記の Slash Command を対応するパスに保存してください。