Qwen-TTS：支持中文方言和双语的语音合成工具

Qwen-TTS 是由阿里巴巴云 Qwen 团队开发的一款文本转语音（TTS）工具，通过 Qwen API 提供服务。它基于超大规模语音数据集训练，语音输出自然且富有表现力，能自动调整语调、语速和情感。Qwen-TTS 支持普通话、英文，以及北京话、上海话、四川话三种中文方言，提供七种中英双语声音，包括 Cherry、Ethan、Chelsie、Serena、Dylan（北京话）、Jada（上海话）和 Sunny（四川话）。这款工具适合需要高质量语音合成的场景，比如语音助手、音频内容生成等。未来，Qwen-TTS 计划支持更多语言和风格选项。

功能列表

• 支持普通话和中英双语语音合成，输出自然流畅的语音。
• 支持北京话、上海话、四川话三种中文方言，保留地方口音特色。
• 提供七种中英双语声音，满足不同场景的个性化需求。
• 自动调整语音的语调、语速和情感，贴近真人表达。
• 通过 Qwen API 提供服务，方便开发者集成到应用中。
• 支持大规模语音数据集训练，确保语音输出的高质量和真实感。
• 提供音频文件下载功能，方便用户保存生成的语音。

使用帮助

安装与使用环境准备

Qwen-TTS 目前通过 Qwen API 提供服务，无需本地安装模型，但需要配置 API 密钥以调用服务。以下是详细的使用步骤：

1. 获取 API 密钥
   用户需要先注册阿里云账号并开通 Qwen API 服务。登录阿里云百炼平台，申请 DASHSCOPE_API_KEY。
   • 访问阿里云百炼平台官网，点击“注册”或“登录”。
   • 在控制台中找到 Qwen API 服务，按照指引开通并获取 API 密钥。
   • 将密钥保存在环境变量中，命令为：

     export DASHSCOPE_API_KEY='your_api_key'
     

2. 安装必要的 Python 环境
   Qwen-TTS 需要通过 Python 调用 API，建议使用 Python 3.6 或以上版本。安装所需的依赖库：

   pip install dashscope
   pip install requests
   

   确保网络连接稳定，避免 API 调用超时。

3. 调用 Qwen-TTS API 生成语音
   Qwen-TTS 提供简单的 Python 接口，用于将文本转换为语音。以下是一个基本示例代码：

   import os
   import requests
   import dashscope
   def get_api_key():
   api_key = os.getenv("DASHSCOPE_API_KEY")
   if not api_key:
   raise EnvironmentError("DASHSCOPE_API_KEY environment variable not set.")
   return api_key
   def synthesize_speech(text, voice="Dylan", model="qwen-tts-latest"):
   api_key = get_api_key()
   try:
   response = dashscope.audio.qwen_tts.SpeechSynthesizer.call(
   model=model,
   api_key=api_key,
   text=text,
   voice=voice
   )
   if response is None:
   raise RuntimeError("API call returned None response")
   if response.output is None:
   raise RuntimeError("API call failed: response.output is None")
   if not hasattr(response.output, 'audio') or response.output.audio is None:
   raise RuntimeError("API call failed: response.output.audio is None or missing")
   audio_url = response.output.audio["url"]
   return audio_url
   except Exception as e:
   raise RuntimeError(f"Speech synthesis failed: {e}")
   def download_audio(audio_url, save_path):
   try:
   resp = requests.get(audio_url, timeout=10)
   resp.raise_for_status()
   with open(save_path, 'wb') as f:
   f.write(resp.content)
   print(f"Audio file saved to: {save_path}")
   except Exception as e:
   raise RuntimeError(f"Download failed: {e}")
   def main():
   text = "哟，您猜怎么着？今儿个我看NBA，库里投篮跟闹着玩似的，张手就来，篮筐都得喊他“亲爹”了"
   save_path = "downloaded_audio.wav"
   try:
   audio_url = synthesize_speech(text, voice="Dylan")
   download_audio(audio_url, save_path)
   except Exception as e:
   print(e)
   if __name__ == "__main__":
   main()
   

   • 代码说明：
     • text：输入需要转换的文本，支持中英文混合。
     • voice：选择声音类型，例如 “Dylan” 表示北京话风格。其他可选声音包括 Cherry、Ethan、Chelsie、Serena、Jada、Sunny。
     • model：指定模型为 qwen-tts-latest 或 qwen-tts-2025-05-22。
     • save_path：设置生成的音频文件保存路径，格式为 WAV。
4. 选择声音和方言
   Qwen-TTS 提供七种声音，每种声音对应不同风格和方言：
   • Cherry、Ethan、Chelsie、Serena：普通话与英文双语，适合通用场景。
   • Dylan：北京话，带有地道京腔，适合本地化内容。
   • Jada：上海话，适合吴语地区用户。
   • Sunny：四川话，带有西南地区口音特色。
     在调用 API 时，通过 voice 参数指定所需的声音。例如，设置为 voice="Jada" 可生成上海话语音。
5. 调整语音效果
   Qwen-TTS 会根据输入文本自动调整语调、语速和情感，无需手动配置参数。例如，输入带有感叹号的句子，生成的语音会更有活力。用户可以通过调整文本内容来控制语音的情感表达，比如添加语气词或标点符号。
6. 保存和使用生成的音频
   API 返回的音频文件以 URL 形式提供。用户可通过 download_audio 函数下载为 WAV 文件，保存到本地后可用于播放、编辑或嵌入其他应用。确保下载路径有写入权限。
7. 错误处理
   • 如果 API 密钥未设置，程序会抛出 EnvironmentError。请检查环境变量配置。
   • 如果网络连接不稳定，可能导致 requests.get 超时。建议检查网络或延长超时时间（timeout 参数）。
   • 如果返回的音频 URL 无效，请确保输入的文本和声音参数正确。

使用注意事项

• 确保文本内容清晰，避免过于复杂的句子，以获得最佳语音效果。
• API 调用需要稳定的网络环境，建议在服务器或高性能设备上运行。
• 当前 Qwen-TTS 仅通过 API 提供，暂不支持离线使用。
• 未来版本可能支持更多语言和声音风格，建议关注官方博客更新。

应用场景

1. 语音助手开发
   Qwen-TTS 可用于开发智能语音助手，支持中英双语和方言，适合本地化场景。例如，开发一款北京话语音助手，为本地用户提供亲切的服务体验。
2. 有声书和播客制作
   使用 Qwen-TTS 将小说或文章转为有声书，支持多种声音选择，满足不同听众喜好。上海话或四川话版本可吸引特定地区听众。
3. 教育内容生成
   在线教育平台可利用 Qwen-TTS 制作教学音频，支持中英双语教学，适合语言学习或跨文化课程。
4. 广告和宣传配音
   企业可使用 Qwen-TTS 为广告视频生成自然语音，选择方言版本以增强地方特色，提升用户亲和力。
5. 游戏和虚拟角色配音
   游戏开发者可为角色配音，结合方言和情感表达，打造更真实的虚拟人物。

QA

1. Qwen-TTS 支持哪些语言和方言？
   支持普通话、英文，以及北京话、上海话、四川话三种中文方言。未来可能支持更多语言。
2. 如何选择不同的声音？
   在 API 调用中通过 voice 参数指定声音名称，如 voice="Dylan"（北京话）或 voice="Sunny"（四川话）。
3. 需要安装模型到本地吗？
   不需要，Qwen-TTS 通过 Qwen API 在云端运行，只需配置 API 密钥即可。
4. 生成的音频可以保存吗？
   可以，API 返回音频 URL，用户可通过代码下载为 WAV 文件，保存到本地。
5. 如何优化语音的自然度？
   输入清晰、带有适当标点和语气词的文本，Qwen-TTS 会自动调整语调和情感，生成更自然的语音。