Skip to main content

Integrar o modelo de síntese de fala

Chame um modelo de síntese de fala do Token Plan a partir de uma ferramenta de Agent, converta texto em áudio e baixe o áudio localmente.

Modelos compatíveis

ModeloCapacidade
qwen-audio-3.0-tts-plusSíntese de fala
Para mais modelos, consulte modelos compatíveis com o Token Plan.

Pré-requisitos

  • Uma assinatura do Token Plan e uma chave de API que comece com sk-sp-. Para detalhes, consulte Visão geral da integração.
  • Python 3.9 ou superior.
  • Sua ferramenta de codificação com IA oferece suporte a Slash Commands. Para caminhos de configuração de outras ferramentas, consulte Outras ferramentas.

Interface

POST https://token-plan.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/SpeechSynthesizer Use Authorization: Bearer $ANTHROPIC_AUTH_TOKEN no cabeçalho da solicitação. A resposta contém uma URL de áudio.

Etapa 1: Criar um Slash Command

Configure a chave de API do Token Plan como a variável de ambiente $ANTHROPIC_AUTH_TOKEN. Crie .claude/commands/text-to-speech.md na raiz do projeto e adicione o seguinte conteúdo:
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.

Etapa 2: Sintetizar fala

No Claude Code, digite /text-to-speech Hello, welcome to Model Studio. Para alterar a voz, especifique-a no comando, por exemplo /text-to-speech use longanlingxin to say: Hello.

Parâmetros da requisição

ParâmetroObrigatórioDescrição
modelSimID do modelo de síntese de fala.
input.textSimTexto a ser sintetizado.
input.voiceSimVoz, por exemplo, longanhuan_v3.6.
input.formatNãoFormato de áudio. Suporta mp3, pcm, wav e opus. Padrão: mp3.
input.sample_rateNãoTaxa de amostragem. Padrão: 22050.
Para mais parâmetros, consulte API HTTP de síntese de fala Qwen-Audio-TTS. Para vozes disponíveis, consulte Lista de vozes do Qwen-Audio-TTS.

Resposta

  • URL do áudio: output.audio.url.
  • Tempo de expiração da URL: output.audio.expires_at.
  • Caracteres cobrados: usage.characters.
  • As URLs de áudio expiram. Baixe o áudio prontamente.

Limites

  • A voz deve corresponder à versão do modelo. Para conhecer as vozes disponíveis, consulte a lista de vozes.
  • A cobrança é baseada em caracteres válidos. O consumo real de Credits é exibido em Usage no console.

Outras ferramentas

Para mecanismos de extensão e caminhos de configuração de outras ferramentas, consulte Visão geral da integração. Salve o Slash Command acima no caminho correspondente.