- name
- qwen-tts
- description
- 阿里云千问语音合成（TTS）技能，支持将文本转换为自然语音。当用户要求朗读、语音合成、文字转语音、TTS、读一段话、把文字转成声音时使用。支持多种音色（中文/英文/方言），支持流式输出边合成边播放。
千问语音合成技能 (qwen-tts)
⚠️ 环境变量配置
基础配置（使用任何脚本都需要）
| 环境变量 | 说明 | 获取方式 |
|---|---|---|
DASHSCOPE_API_KEY | 千问 API 密钥 | 阿里云百炼控制台 |
飞书配置（仅 speak_and_send.py 需要）
speak.sh 只需要 DASHSCOPE_API_KEY。如果需要发送语音到飞书，还需配置：
| 环境变量 | 说明 | 获取方式 |
|---|---|---|
FEISHU_APP_ID | 飞书应用 App ID | 飞书开放平台应用凭证 |
FEISHU_APP_SECRET | 飞书应用 App Secret | 飞书开放平台应用凭证 |
FEISHU_USER_ID | 接收语音的飞书用户 ID | 飞书用户 open_id |
最小配置（只需 DASHSCOPE_API_KEY）：
export DASHSCOPE_API_KEY="sk-xxxxx"完整配置（包含飞书发送）：
export DASHSCOPE_API_KEY="sk-xxxxx"
export FEISHU_APP_ID="cli_xxxxx"
export FEISHU_APP_SECRET="xxxxx"
export FEISHU_USER_ID="ou_xxxxx"快速使用
基本语音合成（同步接口）
使用 curl 调用千问 TTS：
curl -X POST 'https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H 'Content-Type: application/json' \
-d '{
"model": "qwen3-tts-flash",
"input": {
"text": "要转换的文本内容",
"voice": "Cherry",
"language_type": "Chinese"
}
}'常用模型
| 模型 | 特点 | 适用场景 |
|---|---|---|
qwen3-tts-flash | 快速、便宜 | 短文本、导航、通知、教育课件 |
qwen3-tts-instruct-flash | 支持指令控制情感 | 有声书、广播剧、游戏配音 |
qwen3-tts-vd | 声音设计 | 品牌定制、从零设计音色 |
qwen3-tts-vc | 声音复刻 | 基于样本复刻真人音色 |
常用音色（voice 参数）
| 音色名 | 语言/风格 | 说明 |
|---|---|---|
Cherry | 中文 | 女声，活泼 |
Azure | 英文 | 女声，标准 |
Alexander | 英文 | 男声 |
Huogeng | 中文 | 女声，温柔 |
Shanbin | 中文 | 男声，沉稳 |
Emma | 英文 | 女声，轻快 |
更多音色请参见 references/voices.md
常用参数
| 参数 | 说明 | 默认值 |
|---|---|---|
text | 要转换的文本，建议不超过300字符 | 必填 |
voice | 音色名称 | Cherry |
language_type | 文本语言：Chinese / English / yue（粤语）等 | 自动检测 |
instructions | 情感/风格指令（仅 instruct 模型） | - |
输出格式
音频 URL 有效期 24小时，返回格式为 wav。
执行流程
- 检查环境变量：确保
DASHSCOPE_API_KEY已设置 - 构建请求：根据文本和音色参数构建 JSON
- 调用 API：POST 到千问 TTS 接口
- 下载音频：从响应中提取 URL 并下载
- 返回结果：音频文件路径或发送给你
示例：中文朗读
curl -X POST 'https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H 'Content-Type: application/json' \
-d '{
"model": "qwen3-tts-flash",
"input": {
"text": "你好，我是千问语音助手，今天天气真不错。",
"voice": "Cherry",
"language_type": "Chinese"
}
}'脚本说明
本技能包含两个脚本，按需使用：
scripts/speak.sh
纯 Bash 脚本，仅生成本地音频文件，不需要飞书凭证
# 只需要 DASHSCOPE_API_KEY
./speak.sh "要转换的文本" [音色]
# 输出: /tmp/qwen_tts_xxx.oggscripts/speak_and_send.py
Python 脚本，生成 TTS 并发送到飞书，需要配置飞书凭证
# 需要 DASHSCOPE_API_KEY + FEISHU_* 环境变量
python3 speak_and_send.py "要说的文本" [音色]
# 自动发送到配置的 FEISHU_USER_ID参考资料
完整音色列表和 API 文档请参见：
- references/voices.md - 全部音色列表
- references/api.md - 详细 API 说明
依赖说明
ffmpeg- 音频格式转换（脚本需要）jq- JSON 处理（speak.sh 需要）python3+requests- speak_and_send.py 需要