view --main alicloud-ai-audio-tts-realtime-preobrazovanie-teksta-v-rech-v-realnom-vremeni.md

alicloud-ai-audio-tts-realtime — Преобразование текста в речь в реальном времени

Name: alicloud-ai-audio-tts-realtime — Преобразование текста в речь в реальном времени
Author: openclaw/skills

Решение задачи создания высокопроизводительных голосовых приложений стало проще благодаря alicloud-ai-audio-tts-realtime. Этот репозиторий предоставляет архивные версии моделей преобразования текста в речь (TTS) в реальном времени, основанных на серии Qwen от Alibaba Cloud, обеспечивая минимальную задержку при потоковой передаче речи. Использование искусственного интеллекта позволяет создавать интерактивные и отзывчивые голосовые интерфейсы.

Модуль включает в себя большую языковую модель и предоставляет нормализованный интерфейс (tts.realtime) для запросов TTS, а также скрипт проверки совместимости. Поддерживаются модели, такие как qwen3-tts-flash-realtime и qwen3-tts-vd-realtime-2026-01-15, оптимизированные для работы в реальном времени с использованием WebSockets и DashScope SDK.

Внедрение AI-агента на базе Qwen TTS Models позволяет легко интегрировать функциональность преобразования текста в речь в ваши приложения. Для работы требуется установка SDK и настройка ключа API DashScope. Предоставленные модели обеспечивают низкую задержку и высокую производительность, что идеально подходит для приложений, требующих мгновенной голосовой обратной связи.

$ git log --oneline --stat

⭐ звёзды: 3,556

форки: 1,005

обновлено: 29 марта 2026 года в 12:14

Проводник файлов

1 файлы

SKILL.md

readonly --- lines

--- name: alicloud-ai-audio-tts-realtime description: Real-time speech synthesis with Alibaba Cloud Model Studio Qwen TTS Realtime models. Use when low-latency interactive speech is required, including instruction-controlled realtime synthesis. version: 1.0.0 --- Category: provider # Model Studio Qwen TTS Realtime Use realtime TTS models for low-latency streaming speech output. ## Critical model names Use one of these exact model strings: - `qwen3-tts-flash-realtime` - `qwen3-tts-instruct-flash-realtime` - `qwen3-tts-instruct-flash-realtime-2026-01-22` - `qwen3-tts-vd-realtime-2026-01-15` - `qwen3-tts-vc-realtime-2026-01-15` ## Prerequisites - Install SDK in a virtual environment: ```bash python3 -m venv .venv . .venv/bin/activate python -m pip install dashscope ``` - Set `DASHSCOPE_API_KEY` in your environment, or add `dashscope_api_key` to `~/.alibabacloud/credentials`. ## Normalized interface (tts.realtime) ### Request - `text` (string, required) - `voice` (string, required) - `instruction` (string, optional) - `sample_rate` (int, optional) ### Response - `audio_base64_pcm_chunks` (array<string>) - `sample_rate` (int) - `finish_reason` (string) ## Operational guidance - Use websocket or streaming endpoint for realtime mode. - Keep each utterance short for lower latency. - For instruction models, keep instruction explicit and concise. - Some SDK/runtime combinations may reject realtime model calls over `MultiModalConversation`; use the probe script below to verify compatibility. ## Local demo script Use the probe script to verify realtime compatibility in your current SDK/runtime, and optionally fallback to a non-realtime model for immediate output: ```bash .venv/bin/python skills/ai/audio/alicloud-ai-audio-tts-realtime/scripts/realtime_tts_demo.py --text "This is a realtime speech demo." --fallback --output output/ai-audio-tts-realtime/audio/fallback-demo.wav ``` Strict mode (for CI / gating): ```bash .venv/bin/python skills/ai/audio/alicloud-ai-audio-tts-realtime/scripts/realtime_tts_demo.py --text "realtime health check" --strict ``` ## Output location - Default output: `output/ai-audio-tts-realtime/audio/` - Override base dir with `OUTPUT_DIR`. ## Validation ```bash mkdir -p output/alicloud-ai-audio-tts-realtime for f in skills/ai/audio/alicloud-ai-audio-tts-realtime/scripts/*.py; do python3 -m py_compile "$f" done echo "py_compile_ok" > output/alicloud-ai-audio-tts-realtime/validate.txt ``` Pass criteria: command exits 0 and `output/alicloud-ai-audio-tts-realtime/validate.txt` is generated. ## Output And Evidence - Save artifacts, command outputs, and API response summaries under `output/alicloud-ai-audio-tts-realtime/`. - Include key parameters (region/resource id/time range) in evidence files for reproducibility. ## Workflow 1) Confirm user intent, region, identifiers, and whether the operation is read-only or mutating. 2) Run one minimal read-only query first to verify connectivity and permissions. 3) Execute the target operation with explicit parameters and bounded scope. 4) Verify results and save output/evidence files. ## References - `references/sources.md`

Инициализация мануала...