# 安装最新版本的 DashScope SDK
import os
import dashscope
dashscope.base_http_api_url = 'https://dashscope.aliyuncs.com/api/v1'
text = "Let me recommend a T-shirt to everyone. This one is really super nice. The color is very elegant, and it's also a perfect item to match. Everyone can buy it without hesitation. It's truly beautiful and very forgiving on the figure. No matter what body type you have, it will look great. I recommend everyone to place an order."
# SpeechSynthesizer 接口用法：dashscope.audio.qwen_tts.SpeechSynthesizer.call(...)
response = dashscope.MultiModalConversation.call(
# 如需使用指令控制功能，请将模型替换为 qwen3-tts-instruct-flash
model="qwen3-tts-flash",
# 如果未配置环境变量，请将以下行替换为您的 API 密钥：api_key="sk-xxx"
api_key=os.getenv("DASHSCOPE_API_KEY"),
text=text,
voice="Cherry"
# 如需使用指令控制功能，请取消以下行的注释，并将模型替换为 qwen3-tts-instruct-flash
# instructions='Fast speech rate, with a clear rising intonation, suitable for introducing fashion products.',
# optimize_instructions=True
)
print(response){
"status_code": 200,
"request_id": "5c63c65c-cad8-4bf4-959d-xxxxxxxxxxxx",
"code": "",
"message": "",
"output": {
"text": null,
"choices": null,
"finish_reason": "stop",
"audio": {
"url": "https://example.oss.aliyuncs.com/audio-result.wav?Expires=1766113409&OSSAccessKeyId=LTAIxxxx&Signature=xxxx",
"data": "",
"id": "audio_5c63c65c-cad8-4bf4-959d-xxxxxxxxxxxx",
"expires_at": 1766113409
}
},
"usage": {
"input_tokens": 0,
"output_tokens": 0,
"total_tokens": 1121,
"characters": 195,
"input_tokens_details": {
"text_tokens": 76
},
"output_tokens_details": {
"audio_tokens": 1045,
"text_tokens": 0
}
}
}MultiModalConversation 而非 SpeechSynthesizer，用法和参数完全相同。鉴权
千问 AI 平台 API Key。详见获取 API Key。
Header 参数
设置为 enable 可通过 HTTP 实现流式输出。Python SDK 使用 stream 参数代替此设置；Java SDK 使用 streamCall 接口代替此设置。
请求体
application/json模型名称。
语音合成的输入参数。
显示子属性
显示子属性
待合成的文本内容，支持多语言混合输入。Qwen-TTS 最大支持 512 tokens 输入，其他模型最大支持 600 个字符。
指定合成音频的语言类型。默认值：Auto。当输入文本为单一语言时，明确指定语言类型可显著提升合成质量。
提供指令以引导语音合成效果。默认值为 None。长度限制：不超过 1600 tokens。仅支持中文和英文。本功能仅适用于 Qwen3-TTS-Instruct-Flash 系列模型。
对 instructions 进行优化，以提升语音合成的自然度和表现力。默认值：false。设置为 true 时，系统会对 instructions 的内容进行语义增强和改写，生成更适合语音合成的内部指令。如需高质量、细粒度的语音表达，建议开启此功能。本参数依赖于 instructions 的设置，且仅适用于 Qwen3-TTS-Instruct-Flash 系列模型。
是否开启流式输出。默认值：false。设置为 false 时，模型生成完成后返回音频文件的 URL；设置为 true 时，实时输出 Base64 编码的音频数据。
注意：stream 参数仅 Python SDK 支持。Java SDK 请调用 streamCall 接口实现流式输出；HTTP 请在请求头中将 X-DashScope-SSE 设置为 enable。
响应
HTTP 状态码。示例：200（成功）、400（客户端错误）、401（未授权）、404（未找到）、500（服务器错误）。
本次请求的唯一 ID，可用于定位和排查问题。
模型的输出结果。
显示子属性
显示子属性
始终为 null，请忽略此字段。
始终为 null，请忽略此字段。
生成过程中为 null；当模型输出自然结束或触发停止条件时，值为 "stop"。
模型输出的音频信息。流式模式下，API 返回多个 chunk：中间 chunk 的 data 包含 Base64 编码的音频片段，url 为空；最后一个 chunk 的 data 为空字符串，url 包含完整音频文件的 OSS 地址。非流式模式下，url 直接返回完整音频文件地址。
Token 或字符消耗信息。Qwen-TTS 返回 token 消耗量，Qwen3-TTS-Flash 返回字符消耗量。
显示子属性
显示子属性
输入文本消耗的 token 数量。Qwen3-TTS-Flash 返回时该字段始终为 0。
输出音频消耗的 token 数量。Qwen3-TTS-Flash 返回时该字段始终为 0。
本次请求消耗的 token 总量。仅 Qwen-TTS 返回此字段。
输入文本的字符数量。Qwen3-TTS-Flash 返回实际字符数；Qwen-TTS 返回时该字段始终为 0。
