阿里云文档 Qwen Audio 3.0 TTS Plus 设置

关键要点

  • Alibaba Cloud 于 2026 年 11 月 04 日记录了 qwen-audio-3.0-tts-plus 语音合成模型的配置,该模型支持通过 Agent 工具和斜杠命令将文本转换为音频。
  • Token Plan API 的 POST 端点 https://token-plan.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/SpeechSynthesizer 支持 mp3、pcm、wav 和 opus 格式,默认采样率为 22050。
  • Alibaba Cloud 要求订阅 Token Plan 套餐,并使用 sk-sp- API 密钥进行身份验证,费用根据合成的有效字符数计算。

Alibaba Cloud 于 2026年11月04日更新了其 Model Studio Token Plan 指南,介绍了如何使用语音合成模型 qwen-audio-3.0-tts-plus。指南说明了如何通过 Agent 工具使用该模型将文本转换为音频并下载到本地。指南还介绍了 Slash Command 工作流,其中包含一个使用 Claude Code 的示例。

Token Plan 列出用于语音合成的 Qwen Audio 3.0 TTS Plus

指南将 qwen-audio-3.0-tts-plus 列为支持语音合成的模型。指南指出,支持的模型列表可作为了解其他模型的参考。

Token Plan 语音合成需要 API Key 和 Slash Command 支持

前置条件包括订阅 Token Plan、使用以 sk-sp- 开头的 API Key、本地安装 Python 3.9 或更高版本,以及使用支持 Slash Command 的 AI 编程工具。API Key 需配置为 $ANTHROPIC_AUTH_TOKEN 环境变量。指南引导用户查看集成概览,了解如何获取密钥以及配置其他工具。

端点为 POST https://token-plan.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/SpeechSynthesizer. 请求使用以下标头:Authorization: Bearer $ANTHROPIC_AUTH_TOKEN,响应会返回音频 URL。

Claude Code 通过 Slash Command 执行 Token Plan 语音合成

要设置示例,用户需在项目根目录中创建 .claude/commands/text-to-speech.md,并将提供的命令说明保存到其中。这些说明会提取要合成的文本、音色、格式和采样率;如果用户提供了指定模型,则使用该模型,否则默认使用 qwen-audio-3.0-tts-plus;通过 Bash 调用 API;下载返回的音频 URL;并输出下载文件的路径。

指南中 Claude Code 的示例命令为 /text-to-speech 你好,欢迎使用百炼。指定音色的示例为 /text-to-speech 用 longanyang 说:你好。命令说明将 longanhuan_v3.6 设为默认音色,将 mp3 设为默认格式,并将 22050 设为默认采样率。

Token Plan 语音合成 API 返回音频 URL 和用量数据

必需的请求参数为 model、input.text 和 input.voice。音色示例为 longanhuan_v3.6。可选参数 input.format 支持 mp3、pcm、wav 和 opus,默认值为 mp3;可选参数 input.sample_rate 的默认值为 22050。指南建议用户查看 CosyVoice 语音合成 HTTP API 了解更多参数,并查看 CosyVoice 音色列表了解可用音色。

响应会在 output.audio.url 中返回音频 URL,在 output.audio.expires_at 中返回其过期时间,并在 usage.characters 中返回计费字符数。指南指出,音频 URL 有时效限制,应尽快下载。音色必须与模型版本匹配,可用音色以音色列表为准。计费基于有效字符数,控制台的用量统计可作为参考。

Token Plan 语音合成 API 要求和输出

  • 列出的语音合成模型为 qwen-audio-3.0-tts-plus。
  • 端点为 POST https://token-plan.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/SpeechSynthesizer.
  • 授权标头为 Authorization: Bearer $ANTHROPIC_AUTH_TOKEN,API Key 需配置在 $ANTHROPIC_AUTH_TOKEN 环境变量中。
  • 必需参数为 model、input.text 和 input.voice。
  • 支持的音频格式为 mp3、pcm、wav 和 opus;默认格式为 mp3。
  • 默认采样率为 22050,示例中的默认音色为 longanhuan_v3.6。
  • 响应字段包括 output.audio.url、output.audio.expires_at 和 usage.characters。
  • 计费基于有效字符数,音频 URL 有时效限制。

常见问题

Token Plan 列出了哪种 Qwen 模型用于语音合成?

指南列出的语音合成模型为 qwen-audio-3.0-tts-plus。

Token Plan 示例使用哪些音频格式和采样率?

API 支持 mp3、pcm、wav 和 opus,默认格式为 mp3。默认采样率为 22050。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论