接入语音合成模型

在 Agent 工具中调用 Token Plan 语音合成模型，将文本转为音频并下载到本地。

支持的模型

模型	能力
qwen-audio-3.0-tts-plus	语音合成

更多模型以 Token Plan 支持的模型 为准。

前提

• 已订阅 Token Plan，并获取以 sk-sp- 开头的 API Key。获取方式见接入概览。
• 本地已安装 Python 3.9 及以上版本。
• 使用的 AI 编程工具支持 Slash Command。其他工具的配置路径见其他工具。

接口

POST https://token-plan.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/tts/SpeechSynthesizer

请求头使用 Authorization: Bearer $ANTHROPIC_AUTH_TOKEN。响应返回音频 URL。

步骤一：创建 Slash Command

将套餐 API Key 配置为环境变量 $ANTHROPIC_AUTH_TOKEN。

在项目根目录创建 .claude/commands/text-to-speech.md，写入以下内容：

调用 Token Plan 语音合成 API，将文本转为音频文件并下载到本地。

待合成文本：$ARGUMENTS

## 步骤

1. 提取 text（待合成文本）、voice（默认 longanhuan_v3.6）、format（默认 mp3）、sample_rate（默认 22050）。如果指定了模型，使用指定的模型名；否则默认 qwen-audio-3.0-tts-plus。
2. 使用 Bash 工具执行以下命令合成语音并下载：

```bash
RESPONSE=$(curl -s -X POST "https://token-plan.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/tts/SpeechSynthesizer" \
  -H "Authorization: Bearer $ANTHROPIC_AUTH_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-audio-3.0-tts-plus",
    "input": {
      "text": "<text>",
      "voice": "<voice>",
      "format": "<format>",
      "sample_rate": <sample_rate>
    }
  }')

AUDIO_URL=$(printf '%s' "$RESPONSE" | python3 -c 'import json,sys; print(json.load(sys.stdin)["output"]["audio"]["url"])')
curl -s -o "speech_$(date +%Y%m%d_%H%M%S).<format>" "$AUDIO_URL"
```

3. 输出下载后的音频文件路径。

步骤二：合成语音

在 Claude Code 中输入 /text-to-speech 你好，欢迎使用百炼。如需更换音色，在指令中写明音色，例如 /text-to-speech 用 longanyang 说：你好。

请求参数

参数	必选	说明
model	是	语音合成模型 ID。
input.text	是	待合成文本。
input.voice	是	音色，例如 longanhuan_v3.6。
input.format	否	音频格式，支持 mp3、pcm、wav、opus，默认 mp3。
input.sample_rate	否	采样率，默认 22050。

更多参数见 CosyVoice 语音合成 HTTP API，音色列表见 CosyVoice 音色列表。

返回结果

• 音频 URL：output.audio.url。
• URL 过期时间：output.audio.expires_at。
• 计费字符数：usage.characters。
• 音频 URL 有时效，生成后及时下载。

限制

• 音色需要与模型版本匹配，可用的音色以音色列表为准。
• 计费按有效字符数计算，具体以控制台用量统计为准。

其他工具

其他工具的扩展机制和配置路径见接入概览。将上面的 Slash Command 内容保存到对应路径即可。