Qwen 实时 TTS
12 个 Qwen realtime 合成模型的 WebSocket 事件、音频解码与会话用量。
适用型号见 完整模型表：Qwen3 Flash realtime（3 个）、Instruct realtime（2 个）、VC realtime（2 个）、VD realtime（2 个），以及旧 Qwen realtime（3 个）。此接口用于文本转语音；Omni 实时对话见 Qwen 实时音频协议。
模型 ID
qwen3-tts-flash-realtime、qwen3-tts-flash-realtime-2025-11-27、qwen3-tts-flash-realtime-2025-09-18、qwen3-tts-instruct-flash-realtime、qwen3-tts-instruct-flash-realtime-2026-01-22、qwen3-tts-vc-realtime-2026-01-15、qwen3-tts-vc-realtime-2025-11-27、qwen3-tts-vd-realtime-2026-01-15、qwen3-tts-vd-realtime-2025-12-16、qwen-tts-realtime、qwen-tts-realtime-latest、qwen-tts-realtime-2025-07-15。
建立连接
GET /api-ws/v1/realtime?model=qwen3-tts-flash-realtime
Authorization: Bearer $MODELSELL_API_KEY
Upgrade: websocket使用 wss://api.modelsell.com。兼容路径 /v1/realtime?model=... 仍要求发送下文的百炼 TTS 事件。连接中的模型固定；更换模型需建立新连接。
会话配置
session 字段 | 类型 | 说明 |
|---|---|---|
voice | string | 必填，Flash / Instruct 可用系统音色；VC / VD 使用绑定该模型的专属音色 |
mode | string | server_commit 自动合成；commit 由客户端提交文本 |
language_type | string | 目标语种，如 Chinese / Auto |
response_format | string | Qwen3 可用 pcm / wav / mp3 / opus；旧 Qwen 仅 PCM |
sample_rate | integer | Qwen3 支持 8000 / 16000 / 24000 / 48000；旧 Qwen 仅 24000 |
speech_rate / volume / pitch_rate | number | Qwen3 语速、音量、音调；旧 Qwen 不支持 |
bit_rate | integer | Qwen3 Opus 码率，其他格式不使用 |
instructions / optimize_instructions | string / boolean | 仅 Instruct realtime |
每个客户端事件的 event_id 都应使用唯一 ID。
{"event_id":"UNIQUE_EVENT_ID","type":"session.update","session":{"voice":"Cherry","mode":"commit","language_type":"Chinese","response_format":"pcm","sample_rate":24000}}收到 session.updated 后追加文本，再发送 input_text_buffer.commit。读取 response.audio.delta，其 delta 为 Base64 音频；response.done 表示本次回复完成。可继续追加下一句，最终发送 session.finish，读取剩余事件直到 session.finished。
Python 完整示例
安装 websocket-client，先按 概览 设置环境变量：
import base64
import json
import os
import uuid
from websocket import create_connection
model = "qwen3-tts-flash-realtime"
base = os.environ["MODELSELL_WS_URL"].rstrip("/")
ws = create_connection(
f"{base}/api-ws/v1/realtime?model={model}",
header=[f"Authorization: Bearer {os.environ['MODELSELL_API_KEY']}"],
timeout=60,
)
def send(kind, **fields):
ws.send(json.dumps({"event_id": str(uuid.uuid4()), "type": kind, **fields}))
try:
send("session.update", session={"voice": "Cherry", "mode": "commit",
"response_format": "pcm", "sample_rate": 24000})
with open("speech.pcm", "wb") as out:
while True:
event = json.loads(ws.recv())
kind = event.get("type")
if kind == "session.updated":
send("input_text_buffer.append", text="欢迎收听今天的节目。")
send("input_text_buffer.commit")
elif kind == "response.audio.delta":
out.write(base64.b64decode(event["delta"]))
elif kind == "response.done":
print("usage:", event.get("response", {}).get("usage", {}))
send("session.finish")
elif kind == "session.finished":
break
elif kind == "error":
raise RuntimeError(event)
finally:
ws.close()示例 PCM 为 24 kHz、16 位小端、单声道；播放器需设置相同参数。
返回与收费
{"type":"response.done","response":{"id":"RESPONSE_ID","status":"completed","usage":{"characters":18}}}Qwen3 的 response.usage.characters 是会话累计字符数，例如 9、18 应最终按 18 计量。旧 Qwen 的各 response 分别报告 input_tokens / output_tokens，按 response ID 去重后相加。关闭客户端前读取完成事件，避免丢失尾部音频和用量。