Qwen Tts

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）：

bash

export DASHSCOPE_API_KEY="sk-xxxxx"

完整配置（包含飞书发送）：

bash

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：

bash

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

1. 检查环境变量：确保 DASHSCOPE_API_KEY 已设置
2. 构建请求：根据文本和音色参数构建 JSON
3. 调用 API：POST 到千问 TTS 接口
4. 下载音频：从响应中提取 URL 并下载
5. 返回结果：音频文件路径或发送给你

示例：中文朗读

bash

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

bash

# 只需要 DASHSCOPE_API_KEY
./speak.sh "要转换的文本" [音色]
# 输出: /tmp/qwen_tts_xxx.ogg

scripts/speak_and_send.py

Python 脚本，生成 TTS 并发送到飞书，需要配置飞书凭证

bash

# 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