AIKraft/Skills/dashscope

dashscope

Интеграция DashScope (Alibaba Cloud Bailian) для генерации изображений (qwen-image-2.0-pro), синтеза речи (qwen3-tts-flash) и распознавания речи с пословными таймстампами (qwen3-asr-flash-filetrans).

calesthio official Разработка ★ 64.9k

Что делает навык

Интеграция DashScope (Alibaba Cloud Bailian) для генерации изображений (qwen-image-2.0-pro), синтеза речи (qwen3-tts-flash) и распознавания речи с пословными таймстампами (qwen3-asr-flash-filetrans). Использует нативные эндпоинты DashScope, а не OpenAI-compatible пути.

Когда применять

  • Генерация изображений по текстовому запросу с выбором модели и размера.
  • Синтез речи (TTS) из текста с выбором голоса и языка.
  • Распознавание аудиофайлов с получением пословных таймстампов для создания субтитров.
  • Использование через селекторы ImageSelector и TTSSelector в рамках проекта OpenMontage.

Как работает

  1. Убедиться, что переменная окружения DASHSCOPE_API_KEY установлена, и использовать заголовок Authorization: Bearer $DASHSCOPE_API_KEY.
  2. Для изображений отправить POST-запрос на /api/v1/services/aigc/multimodal-generation/generation с параметром size в формате "W*H"; скачать изображение по URL из ответа.
  3. Для синтеза речи отправить POST-запрос на тот же эндпоинт с текстом и голосом; скачать WAV-файл по URL из ответа.
  4. Для распознавания речи отправить POST-запрос на /api/v1/services/audio/asr/transcription с заголовком X-DashScope-Async: enable и параметром enable_words: true.
  5. Получить task_id, опрашивать GET /api/v1/tasks/{task_id} до статуса SUCCEEDED, скачать результат и нормализовать таймстампы из миллисекунд в секунды.

Примеры запросов агенту

Сгенерируй изображение кота на диване с помощью DashScope, размер 1024*1024.
Создай аудиозапись текста 'Привет, мир' голосом Cherry через DashScope TTS.
Распознай аудио по ссылке https://example.com/audio.mp3 с пословными таймстампами, используя модель qwen3-asr-flash-filetrans.

Что понадобится

  • Переменная окружения DASHSCOPE_API_KEY в .env
  • Публично доступный URL для аудиофайлов при использовании ASR
  • Библиотеки OpenMontage (tools.graphics.image_selector, tools.audio.tts_selector, tools.analysis.dashscope_asr)

Описание составлено по SKILL.md навыка, сверено 08.10.2026.

Как подключить

1Скачать навык
# возьмите папку навыка «dashscope» из репозитория: # https://github.com/calesthio/openmontage
2Положить папку с SKILL.md к навыкам ассистента
# положите папку навыка туда, где ассистент ищет skills: cp -r dashscope/ ~/.claude/skills/dashscope/

Навык — папка с файлом SKILL.md (описание + инструкции) и опциональными скриптами. Ассистент (Claude, Claude Code и совместимые) подхватывает его по описанию и следует шагам.