qwen3-tts-instruct

qwen3-tts-instruct 是一款基于阿里云 DashScope 平台的文本转语音（TTS）技能，专为需要高质量、多情绪语音合成的 AI 应用场景设计。该技能封装了 Qwen3 TTS Instruct 模型，通过 WebSocket 实现低延迟的实时流式音频输出，支持 30 余种情绪预设和 35 种不同风格的声音角色，覆盖中、英、日、韩等 10 种主流语言。

核心用法：用户通过调用 Python 脚本并传入文本内容，可选择特定声音角色（如 Cherry、Serena 等）、情绪状态（如 gentle、happy、shy 等）、输出格式（mp3/wav/opus）及目标语言。技能采用指令式交互设计，支持"角色扮演"模式（如 maid、yandere、ojousama 等），并能根据对话上下文智能选择情绪反应，实现高度拟人化的语音交互。

显著优点：首先，情绪表达能力突出，提供 30+ 精细化的情绪预设，从基础情绪（angry、happy、sad）到复杂互动状态（jealous、teasing、possessive），满足角色扮演和情感化 AI 需求。其次，声音库丰富，包含 35 种女性声音，涵盖普通话、英语、日语、韩语及上海、四川、粤语等方言。第三，技术架构先进，基于 WebSocket 的实时流传输确保低延迟，支持 PCM、WAV、MP3、Opus 多种格式，特别针对 Telegram 等社交平台优化。第四，多语言支持完善，可自动检测或手动指定语言，并提供内置翻译指引确保文本与目标语言匹配。

潜在缺点：该技能完全依赖阿里云 DashScope 云端服务，无法离线使用，在网络不稳定环境下体验受限。其次，部分高级声音角色（如 Jennifer、Ono Anna 等）仅支持 Flash 模型，无法使用情绪预设功能。此外，作为 T3 来源的社区项目，长期维护更新存在不确定性，且未明确标注开源许可证。

适合目标群体：主要面向 AI 对话机器人开发者、虚拟主播/VTuber 内容创作者、有声读物制作者、游戏角色配音需求方，以及需要多语言语音合成的国际化产品团队。特别适合构建情感化 AI 助手、沉浸式角色扮演应用和实时语音交互系统。

使用风险：首要风险是数据隐私，所有文本需传输至阿里云服务器处理，敏感信息需谨慎输入。其次存在网络依赖风险，WebSocket 连接可能因网络波动中断。第三，API 调用产生云服务费用，需合理控制调用频率。第四，需妥善保管 DASHSCOPE_API_KEY，避免泄露导致资源滥用。