通义千问 Qwen-TTS 方言语音合成：从入门到实战全攻略
本教程将带你全面了解通义千问最新发布的 Qwen-TTS 语音合成模型。该模型在方言合成上已达到真假难辨的效果，并提供简洁易用的 API 接口。无论你是想为 AI 陪伴玩具注入地方特色，还是需要高自然度的语音输出，本文都能助你快速掌握使用方法。
一、Qwen-TTS 核心特性与支持的方言种类
Qwen-TTS 基于 超过 300 万小时 的大规模语料库训练而成，合成效果已达到人类级别的自然度与表现力，并能根据文本内容自动调整节奏与情绪变化。目前 API 支持以下三种方言及英文：
- 北京话（比如北京爷们唠嗑）
- 上海话（吴侬软语）
- 四川话（比如成都妹子的“劳资蜀道山”）
- 英语（标准发音）
效果是不是很惊艳？已经很难分辨是人声还是 AI 合成。更多方言正在陆续添加，未来值得期待。
二、准备工作：获取 API Key 的步骤
使用 Qwen-TTS 前需要先获取 API Key，操作非常简单：
- 登录 阿里云百炼平台。
- 在“我的”页签下，单击 创建我的 API-KEY。
- 复制生成的 API-Key，后续代码调用时会用到。
价格与免费额度说明：
开通百炼云后 180天内，可享受 100万 token 免费额度，足以满足学习和测试需求。
三、代码调用：两种实际应用场景
目前 Qwen-TTS 仅提供 API 调用方式，通义官方提供了两种典型场景的代码示例，你可根据实际需求灵活选择。
场景一：生成音频后通过 URL 下载到本地
适合一次性生成语音并保存至本地。示例代码以四川话为例：
import os
import time
import requests
import dashscope
text="你们莫以为成都妹儿都是劳资蜀道山！其实多数还是很温柔的，哥老官些莫着网上那些误导了，哎，哎，哎，那几个横穿马路的瘟神，赶快停下来，劳资蜀道山"
response = dashscope.audio.qwen_tts.SpeechSynthesizer.call(
model="qwen-tts-latest",
api_key='你的api秘钥',
text=text,
voice="Sunny",
)
time.sleep(10)
audio_url = response.output.audio["url"]
save_path = "downloaded_audio.wav" # 自定义保存路径
try:
response = requests.get(audio_url)
response.raise_for_status() # 检查请求是否成功
with open(save_path, 'wb') as f:
f.write(response.content)
print(f"音频文件已保存至：{save_path}")
except Exception as e:
print(f"下载失败：{str(e)}")
小提示： 代码中的 voice="Sunny" 可根据实际需求替换为其他支持的声音角色，具体可参考官方文档。
场景二：实时流式播放并下载（适用于对话交互场景）
生成的同时立即播放，非常适合 AI 对话、语音助手等实时交互场景：
import os
import dashscope
import pyaudio
import time
import base64
import numpy as np
p = pyaudio.PyAudio()
# 创建音频流
stream = p.open(format=pyaudio.paInt16,
channels=1,
rate=24000,
output=True)
text = "你好啊，我是通义千问"
responses = dashscope.audio.qwen_tts.SpeechSynthesizer.call(
model="qwen-tts",
api_key="你的api密钥",
text=text,
voice="Ethan",
stream=True)
for chunk in responses:
audio_string = chunk["output"]["audio"]["data"]
wav_bytes = base64.b64decode(audio_string)
audio_np = np.frombuffer(wav_bytes, dtype=np.int16)
# 直接播放音频数据
stream.write(audio_np.tobytes())
time.sleep(0.8)
# 清理资源
stream.stop_stream()
stream.close()
p.terminate()
小提示： 流式模式下，数据边生成边播放，需提前安装 pyaudio 库（pip install pyaudio）。如果不需要实时播放，仅需保存音频，请使用场景一的方式。
四、常见问题解答
- Q：Qwen-TTS 目前支持哪些方言？
A：目前 API 支持北京话、上海话、四川话三种方言，以及标准英语。官方表示更多方言正在陆续添加中。 - Q：如何获取免费的 100 万 token 额度？
A：注册阿里云百炼平台并开通服务后，在开通后的 180 天内自动享有 100 万 token 免费额度，可用于调用 Qwen-TTS 模型。 - Q：生成的语音能否商用？
A：请参考阿里云百炼平台的服务条款，一般而言在合理使用范围内可用于商业项目，建议仔细阅读官方文档中的使用规范。 - Q：代码中报错提示“API key 无效”怎么办？
A：请检查是否正确复制了 API-Key，注意不要在字符串前后包含多余空格或换行符。如果问题依旧，建议在百炼平台重新生成一个新的 Key。
五、延伸阅读与注意事项
关于详细的参数说明、支持的声音角色列表以及模型更新信息，请访问官方博客：
https://qwenlm.github.io/zh/blog/qwen-tts/
AI 陪伴是目前非常热门的应用方向，无论是陪伴智能体还是陪伴机器人，语音都是核心交互方式。Qwen-TTS 支持边生成边输出，完全满足对话场景需求。期待通义能发布更多地方语音接口，相信不久后，该模型也会开源。
以上就是通义千问 Qwen-TTS 方言语音合成的完整使用教程，快来试试让你的 AI 产品开口说方言吧！