- 提供方式
- Alibaba Cloud Model Studio API
- 接続方式
- DashScope SDK / WebSocket
- 音色
- システム音色・クローン・音声デザイン
- GitHub の範囲
- クライアント SDK。モデル重みの配布先ではありません
注目したい強み
音色の登録と表現指示を分けて考える
参照録音から対象モデルに紐づく Voice ID を作り、審査後に合成で利用します。モデルを変える場合、既存 ID をそのまま使うことはできません。
language_hints は言語のヒント、instruction は表現の指示です。音声デザインは文章から新しい音色を作るもので、録音からの復刻とは別の機能です。
公式の出典 [2]クラウド製品と SDK の違い
下の GitHub は DashScope の公式クライアント SDK です。Qwen-Audio-3.0-TTS の重みをローカル実行するリポジトリではなく、別系統の Qwen3-TTS の公開コードとも区別しています。
公式の出典 [3]利用・導入方法
- DS Speech では公開音色を選ぶか専用音色を作り、文章と話し方を設定します。
- 独自接続では Model Studio でモデルを有効化し、API Key、地域、ワークスペースに対応するエンドポイントを確認します。
- 下のコマンドは SDK のみを導入します。その後は公式例に従いモデル、音色、文章を指定します。クローン音色は先に登録と審査が必要です。
DashScopebash
python -m venv .venv
source .venv/bin/activate
pip install dashscope利用前に知っておくこと
- モデルの型番、音色、地域によって機能範囲が異なります。シリーズ名だけでは個々の音色の対応機能を判断できません。
- 感情・発声タグのストリーミング方式の制限は公式文書を確認してください。モデルの全 API が DS Speech で公開されているわけではありません。
適した用途
自然言語による演出、中国語方言、多言語の配音を、音色管理付きのクラウド工程で制作したい方に適しています。
公式資料・出典
DS Speech は現在 Qwen-Audio-3.0-TTS をオンライン提供しています。ほかのモデルは学習・セルフホスト向けの資料として紹介しています。