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。