Qwen3-TTS eventos do cliente

Eventos de cliente são mensagens JSON enviadas por meio de uma conexão WebSocket para controlar o Qwen3-TTS Sessão de API em tempo real – defina configurações de voz, transmita texto para síntese e conclusão de sinal.

Para obter a visão geral completa da API, consulte TTS de streaming em tempo real.

Ponto final

Conecte-se ao terminal WebSocket:

wss://maas.qwencloudapi.com/api-ws/v1/realtime?model={model}

Substituir {model} com o ID do seu modelo, como qwen3-tts-flash-realtime.

Resumo do evento

sessão.atualização

Configura a sessão. Envie como a primeira mensagem após o estabelecimento da conexão WebSocket. Se omitido, todos os parâmetros usarão padrões. O servidor confirma com um session.updated evento.

Corpo da solicitação

{
    "event_id": "event_123",
    "type": "session.update",
    "session": {
        "voice": "Cherry",
        "mode": "server_commit",
        "language_type": "Chinese",
        "response_format": "pcm",
        "sample_rate": 24000,
        "instructions": "",
        "optimize_instructions": false
    }
}

Parâmetros

A voz para síntese de fala. Para amostras de voz, consulte [Vozes do sistema](/developer-guides/speech/realtime-streaming#supported-voices).

- **Vozes do sistema:** Disponível apenas para o Qwen3-TTS-Flash-Realtime série de modelos.
- **Vozes personalizadas:**
  - Vozes personalizadas criadas através de clonagem de voz ou design de voz.





O modo de interação que controla quando o texto em buffer é sintetizado.

O idioma do áudio sintetizado.

- `Auto` -- Para texto desconhecido ou em idiomas mistos. O modelo corresponde automaticamente à pronúncia por segmento, mas a precisão não é garantida.
- Para textos em um único idioma, a especificação do idioma melhora significativamente a qualidade. Valores suportados:

O formato de saída de áudio.

A taxa de amostragem da saída de áudio, em Hz.

Valores suportados: `8000`, `16000`, `24000`, `48000`.

O Qwen3-TTS-Flash-Realtime série suporta apenas 24000.

A velocidade de reprodução. Valores abaixo de 1,0 tornam o áudio mais lento; valores acima de 1,0 aceleram. Faixa: 0,5--2,0.

Não suportado pelo Qwen3-TTS-Flash-Realtime série.

O volume do áudio. Faixa: 0--100.

Não suportado pelo Qwen3-TTS-Flash-Realtime série.

O tom do áudio sintetizado. Faixa: 0,5--2,0.

Não suportado pelo Qwen3-TTS-Flash-Realtime série.

Áudio [taxa de bits](https://opus-codec.org/) em kbps. Valores mais altos produzem arquivos de melhor qualidade, mas maiores. Só se aplica quando `response_format` é `opus`. Faixa: 6--510.

Não suportado pelo Qwen3-TTS-Flash-Realtime série.

Controla o estilo e a expressividade da fala sintetizada. Para obter detalhes, consulte [TTS de streaming em tempo real](/developer-guides/speech/realtime-streaming). Comprimento máximo: 1600 tokens.

Idiomas suportados: apenas chinês e inglês.

O controle de instrução migrou para CosyVoice modelos. Consulte Controle de instruções.

Quando `true`, reescreve `instructions` para melhorar a naturalidade e expressividade. Ative para casos de uso que exigem controle vocal refinado.

Não tem efeito se `instructions` está vazio.

O controle de instrução migrou para CosyVoice modelos. Consulte Controle de instruções.

entrada_text_buffer.append

Anexe texto ao buffer de síntese.

• Em server_commit modo, o texto é anexado ao buffer do lado do servidor.
• Em commit modo, o texto é anexado ao buffer do lado do cliente.

Corpo da solicitação

{
    "event_id": "event_B4o9RHSTWobB5OQdEHLTo",
    "type": "input_text_buffer.append",
    "text": "Hello, I am Qwen."
}

Parâmetros

entrada_text_buffer.commit

Confirma o texto armazenado em buffer e cria um item de mensagem do usuário. O servidor responde com um input_text_buffer.committed evento.

Retorna um erro se o buffer estiver vazio.

O comportamento difere de acordo com o modo:

• server_commit mode: Todo o texto em buffer é sintetizado imediatamente. O servidor interrompe o cache e processa tudo de uma vez.
• commit mode: Cria item de mensagem do usuário a partir de texto armazenado em buffer.

A confirmação do buffer aciona apenas a síntese - ele não gera uma resposta do modelo.

Corpo da solicitação

{
  "event_id": "event_B4o9RHSTWobB5OQdEHLTo",
  "type": "input_text_buffer.commit"
}

Parâmetros

entrada_text_buffer.clear

Limpa o texto do buffer. O servidor responde com um input_text_buffer.cleared evento.

Corpo da solicitação

{
  "event_id": "event_2728",
  "type": "input_text_buffer.clear"
}

Parâmetros

sessão.terminar

Sinais de que nenhum outro texto será enviado. O servidor retorna o áudio restante e fecha a conexão.

Corpo da solicitação

{
  "event_id": "event_2239",
  "type": "session.finish"
}

Parâmetros