Qwen3-TTS-12Hz-1.7B-VoiceDesign代码实例：Python调用API生成多语种语音-开发者社区

Qwen3-TTS-12Hz-1.7B-VoiceDesign代码实例：Python调用API生成多语种语音

1. 快速了解Qwen3-TTS语音模型

Qwen3-TTS-12Hz-1.7B-VoiceDesign是一款支持多语言语音合成的先进模型，能够将文字转换为自然流畅的语音。这个模型特别适合需要全球化语音服务的应用场景。

核心特点：

支持10种主要语言：中文、英文、日文、韩文、德文、法文、俄文、葡萄牙文、西班牙文和意大利文
提供多种方言语音风格选择
能够理解文本上下文，自动调整语调、语速和情感表达
对输入文本中的噪声有很好的容错能力

2. 环境准备与安装

2.1 安装必要的Python库

在开始之前，请确保你的Python环境已经安装了以下库：

pip install requests sounddevice numpy

2.2 获取API访问权限

你需要先获取Qwen3-TTS的API访问密钥。可以访问官方文档了解如何申请。

3. 基础语音合成示例

3.1 最简单的文本转语音

下面是一个最基本的Python示例，展示如何调用API将文本转换为语音：

import requests import json def text_to_speech(text, language="zh-CN", voice_style="default"): url = "https://api.qwen-tts.com/v1/synthesize" headers = { "Content-Type": "application/json", "Authorization": "Bearer YOUR_API_KEY" } data = { "text": text, "language": language, "voice_style": voice_style } response = requests.post(url, headers=headers, data=json.dumps(data)) if response.status_code == 200: return response.content # 返回音频二进制数据 else: raise Exception(f"API请求失败: {response.text}") # 使用示例 audio_data = text_to_speech("你好，欢迎使用Qwen3语音合成服务", "zh-CN") with open("output.wav", "wb") as f: f.write(audio_data)

3.2 播放生成的语音

你可以使用Python的sounddevice库直接播放生成的语音：

import sounddevice as sd import numpy as np from scipy.io import wavfile # 读取生成的音频文件 sample_rate, audio_data = wavfile.read("output.wav") # 播放音频 sd.play(audio_data, sample_rate) sd.wait() # 等待播放完成

4. 高级功能使用

4.1 多语言语音合成

Qwen3-TTS支持多种语言，只需更改language参数即可：

# 英语语音合成 english_audio = text_to_speech("Hello, this is Qwen3 TTS service", "en-US") # 日语语音合成 japanese_audio = text_to_speech("こんにちは、Qwen3 TTSサービスです", "ja-JP") # 法语语音合成 french_audio = text_to_speech("Bonjour, c'est le service Qwen3 TTS", "fr-FR")

4.2 控制语音风格和情感

你可以通过voice_style参数控制语音的风格和情感：

# 快乐的语音风格 happy_audio = text_to_speech("我今天很开心！", "zh-CN", "happy") # 严肃的语音风格 serious_audio = text_to_speech("这是一个重要通知", "zh-CN", "serious") # 悲伤的语音风格 sad_audio = text_to_speech("听到这个消息我很难过", "zh-CN", "sad")

4.3 控制语速和音调

通过额外的参数可以更精细地控制语音输出：

def advanced_text_to_speech(text, language, voice_style, speed=1.0, pitch=1.0): url = "https://api.qwen-tts.com/v1/synthesize" headers = { "Content-Type": "application/json", "Authorization": "Bearer YOUR_API_KEY" } data = { "text": text, "language": language, "voice_style": voice_style, "speed": speed, # 0.5-2.0之间的值，1.0是正常速度 "pitch": pitch # 0.5-2.0之间的值，1.0是正常音调 } response = requests.post(url, headers=headers, data=json.dumps(data)) if response.status_code == 200: return response.content else: raise Exception(f"API请求失败: {response.text}") # 使用示例：慢速、低沉的语音 slow_low_audio = advanced_text_to_speech("这是一个慢速低沉的语音示例", "zh-CN", "default", 0.7, 0.8)

5. 流式语音生成

Qwen3-TTS支持流式生成，适合实时交互场景：

def stream_text_to_speech(text, language, chunk_callback): url = "https://api.qwen-tts.com/v1/stream" headers = { "Content-Type": "application/json", "Authorization": "Bearer YOUR_API_KEY" } data = { "text": text, "language": language } with requests.post(url, headers=headers, data=json.dumps(data), stream=True) as response: if response.status_code == 200: for chunk in response.iter_content(chunk_size=1024): if chunk: chunk_callback(chunk) else: raise Exception(f"API请求失败: {response.text}") # 使用示例 def play_chunk(chunk): # 这里简单地将每个chunk保存到文件 with open("stream_output.wav", "ab") as f: f.write(chunk) stream_text_to_speech("这是一个流式语音生成的示例", "zh-CN", play_chunk)

6. 实际应用场景

6.1 多语言客服系统

def customer_service_response(user_input, user_language): # 这里可以添加你的客服逻辑 if "hello" in user_input.lower(): response_text = "Hello, how can I help you today?" return text_to_speech(response_text, "en-US") elif "你好" in user_input: response_text = "您好，请问有什么可以帮您？" return text_to_speech(response_text, "zh-CN") # 其他语言处理... else: response_text = "I'm sorry, I didn't understand that." return text_to_speech(response_text, "en-US")

6.2 有声读物生成

def generate_audiobook(text_file, output_file, language): with open(text_file, "r", encoding="utf-8") as f: text = f.read() # 将长文本分割成适合API处理的段落 paragraphs = text.split("\n\n") with open(output_file, "wb") as out_f: for para in paragraphs: if para.strip(): # 跳过空段落 audio_data = text_to_speech(para, language) out_f.write(audio_data) # 添加一小段静音作为段落间隔 out_f.write(b"\x00" * 44100) # 1秒静音(44.1kHz采样率)