Qwen Streaming TTS
把增量响应文本合成为流式语音。
| 属性 | 值 |
|---|---|
| Node Type | qwen.tts_realtime |
| 层级 / 角色 | algorithm / transform |
| Capability | speech.tts.cancellable_streaming |
Port
| Port | 方向 | Schema |
|---|---|---|
text_in |
输入 Text | 增量合成文本 |
signal_in |
输入 Signal | 用户开口时关闭当前 TTS WebSocket，清空队列并拒绝旧轮次 Text |
audio_out |
输出 Audio | PCM S16LE、24 kHz、单声道、流式 |
配置
model 默认是 qwen3-tts-flash-realtime；voice 默认是 Cherry；language_type 默认是
Auto。后台 Worker 复用同一 TTS Session 合成连续句子，减少句间重连和跳播；发生 Signal
时关闭 Session、推进 generation 并记录取消序号，晚到 Text 和 PCM 都会被丢弃。后台
Worker 通过 Context 请求 Runtime 内部唤醒，不需要 Clock Node。max_results_per_wakeup
默认是 64。
Demo 2 使用 Audio Resample Node 把 24 kHz 输出转换成 Agora 的 48 kHz PCM。
协议与模型范围见阿里云 Qwen 实时语音合成文档。