Qwen-Audio-TTS客户端事件

run-task

启动语音合成任务，设置模型、音色、采样率等参数。 发送时机：建立 WebSocket 连接后立即发送。 响应事件：服务端返回 task-started 事件后才能发送后续指令。

{
    "header": {
        "action": "run-task",
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "streaming": "duplex"
    },
    "payload": {
        "task_group": "audio",
        "task": "tts",
        "function": "SpeechSynthesizer",
        "model": "qwen-audio-3.0-tts-flash",
        "parameters": {
            "text_type": "PlainText",
            "voice": "longanlingxi",
            "format": "mp3",
            "sample_rate": 22050,
            "volume": 50,
            "rate": 1.0,
            "pitch": 1.0,
            "enable_ssml": false
        },
        "input": {}
    }
}

参数	类型	说明
header	object	（必选）
header.action	string	（必选）指令类型，固定为 `run-task`。
header.task_id	string	（必选）客户端生成的任务 ID（UUID 格式），用于关联后续事件。和后续 continue-task、finish-task 中的 task_id 保持一致。
header.streaming	string	（必选）固定为 `duplex`
payload	object	（必选）
payload.task_group	string	（必选）任务组，固定为 `audio`。
payload.task	string	（必选）任务类型，固定为 `tts`。
payload.function	string	（必选）功能类型，固定为 `SpeechSynthesizer`。
payload.model	string	（必选）模型名称。
payload.input	object	（必选）输入数据：固定为空对象 `{}`，待合成文本通过 continue-task 指令发送。
payload.parameters	object	（必选）语音合成参数。
payload.parameters.text_type	string	（必选）固定为 `PlainText`。
payload.parameters.voice	string	（必选）语音合成所使用的音色。系统音色：参见Qwen-Audio-TTS音色列表复刻音色：通过声音复刻功能定制声音设计音色：通过声音设计功能定制
payload.parameters.format	string	（可选）音频编码格式。取值范围： pcm wav mp3（默认） opus
payload.parameters.sample_rate	integer	（可选）音频采样率（Hz）。取值范围：8000, 16000, 22050（默认）, 24000, 44100, 48000。
payload.parameters.volume	integer	（可选）音量。默认值：50。取值范围：[0, 100]。
payload.parameters.rate	float	（可选）语速。默认值：1.0。取值范围：[0.5, 2.0]。
payload.parameters.pitch	float	（可选）音调。默认值：1.0。取值范围：[0.5, 2.0]。
payload.parameters.bit_rate	integer	（可选）音频码率（kbps）。音频格式为mp3或opus时，支持通过`bit_rate`参数调整码率。默认值：32。取值范围：[6, 510]。
payload.parameters.enable_ssml	boolean	（可选）是否开启 SSML 功能。默认值：false。设为 true 后，仅允许发送一次 continue-task 指令。 SSML 的使用限制（支持的模型、音色和接口），请参见使用限制。
payload.parameters.word_timestamp_enabled	boolean	（可选）是否开启字级别时间戳。默认值：false。仅在流式输出模式下可用。支持复刻音色；支持的系统音色请参见Qwen-Audio-TTS音色列表。
payload.parameters.seed	integer	（可选）生成时使用的随机数种子，使合成的效果产生变化。在模型版本、文本、音色及其他参数均相同的前提下，使用相同的seed可复现相同的合成结果。默认值0。取值范围：[0, 65535]。
payload.parameters.language_hints	array[string]	（可选）提示： - 此参数为数组，但当前版本仅处理第一个元素，因此建议只传入一个值。此参数用于指定语音合成的目标语言，该设置与声音复刻时的样本音频的语种无关。如需设置复刻任务的源语言，请参见声音复刻API参考。指定语音合成的目标语言，提升合成效果。当数字、缩写、符号等朗读方式或者小语种合成效果不符合预期时使用，例如：数字朗读方式不符合预期，“hello, this is 110”读成“hello, this is one one zero”而非“hello, this is 幺幺零” 符号朗读不准确，“@”读成“艾特”而非“at” 小语种合成效果差，合成不自然 zh：中文 en：英语 fr：法语 de：德语 ja：日语 ko：韩语 ru：俄语 pt：葡萄牙语 th：泰语 id：印尼语 vi：越南语 es：西班牙语 it：意大利语 ms：马来西亚语 fil：菲律宾语 ar：阿拉伯语
payload.parameters.instruction	string	（可选）设置指令，用于控制方言、情感或角色等合成效果。具体使用说明请参见指令控制。
payload.parameters.enable_aigc_tag	boolean	（可选）是否在生成的音频中添加AIGC隐性标识。设置为true时，会将隐性标识嵌入到支持格式（wav/mp3/opus）的音频中。默认值：false。
payload.parameters.aigc_propagator	string	（可选）设置AIGC隐性标识中的 `ContentPropagator` 字段，用于标识内容的传播者。仅在 `enable_aigc_tag` 为 `true` 时生效。默认值：千问AI平台账号。
payload.parameters.aigc_propagate_id	string	（可选）设置AIGC隐性标识中的 `PropagateID` 字段，用于唯一标识一次具体的传播行为。仅在 `enable_aigc_tag` 为 `true` 时生效。默认值：本次语音合成请求Request ID。
payload.parameters.hot_fix	object	（可选）文本热修复配置，用于自定义指定词语的发音或对待合成文本进行替换。参数介绍： pronunciation：自定义发音。指定词语的拼音标注，用于纠正默认发音不准确的情况。 replace：文本替换。在语音合成前将指定词语替换为目标文本，替换后的文本将作为实际合成内容。示例：

"hot_fix": {
  "pronunciation": [
    {"天气": "tian1 qi4"}
  ],
  "replace": [
    {"今天": "金天"}
  ]
}

continue-task

用于发送待合成文本。可一次性发送，也可分段按顺序发送。 发送时机：在接收到服务端返回的 task-started 事件后。 数量限制：

单次调用最多发送 20000 字符
累计最多发送 200000 字符
发送间隔不得超过 23 秒，否则连接超时

{
    "header": {
        "action": "continue-task",
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "streaming": "duplex"
    },
    "payload": {
        "input": {
            "text": "床前明月光，疑是地上霜"
        }
    }
}

参数	类型	说明
header	object	（必选）
header.action	string	（必选）指令类型，固定为 `continue-task`。
header.task_id	string	（必选）任务 ID（UUID 格式），需要和 run-task 中的 task_id 保持一致。
header.streaming	string	（必选）固定为 `duplex`。
payload	object	（必选）
payload.input	object	（必选）包含待合成文本。
payload.text	string	（必选）待合成文本。单次最多 20000 字符，累计最多 200000 字符。

finish-task

通知服务端文本发送完毕，请求结束任务。如需取消当前轮次的语音合成任务，可在 input 中设置 directive 为 cancel。 发送时机：所有文本发送完毕后立即发送。 响应事件：服务端返回 task-finished 事件。

{
    "header": {
        "action": "finish-task",
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "streaming": "duplex"
    },
    "payload": {
        "input": {}
    }
}

取消任务示例：

{
    "header": {
        "action": "finish-task",
        "task_id": "2bf83b9a-baeb-4fda-8d9a-xxxxxxxxxxxx",
        "streaming": "duplex"
    },
    "payload": {
        "input": {
            "directive": "cancel"
        }
    }
}

参数	类型	说明
header	object	（必选）
header.action	string	（必选）指令类型，固定为 `finish-task`。
header.task_id	string	（必选）任务 ID（UUID 格式），需要和 run-task 中的 task_id 保持一致。
header.streaming	string	（必选）固定为 `duplex`
payload	object	（必选）
payload.input	object	（必选）任务输入。为空对象 `{}` 时表示正常结束任务；包含 `directive` 时可用于取消当前轮次的语音合成任务。
payload.directive	string	（可选）控制任务结束行为。当前仅支持取值为 `cancel`，表示取消当前轮次的语音合成任务，服务端会立即返回 `task-finished` 事件，且不会输出后续音频。取消后，可在当前 WebSocket 连接上重新发起语音合成任务（发送新的 `run-task` 事件），无需重新建立连接。

​run-task

​continue-task

​finish-task

run-task

continue-task

finish-task