Skip to main content

API HTTP de clonage de voix : Qwen-Omni et LiveTranslate

Paramètres HTTP, réponses et exemples pour créer, lister et supprimer les voix Qwen-Omni, ainsi que créer et supprimer les voix LiveTranslate créées à l’avance.

Cette référence couvre Qwen-Omni, Qwen-Omni-Realtime et les voix créées à l’avance de Qwen-LiveTranslate-Realtime.
Modèle cibleOpérations présentées ici
Qwen-Omni, Qwen-Omni-RealtimeCréer, lister et supprimer les voix
Qwen-LiveTranslate-RealtimeCréer et supprimer des voix créées à l’avance
Commencez par obtenir une API Key et configurer les variables d’environnement. Les exemples de requête lisent DASHSCOPE_API_KEY. Pour gérer la même voix avec différentes API, utilisez le même compte.

Point de terminaison du service

Qwen-Omni、Qwen-Omni-Realtime

  • Chine (Pékin)
  • Singapour
POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/tts/customization
Remplacez {WorkspaceId} par l’ID réel de l’espace de travail, disponible sur la page Workspace Details de la console Alibaba Cloud Model Studio. Les API Keys sont différentes à Pékin et à Singapour.
Alibaba Cloud Model Studio propose des domaines propres à chaque espace de travail dans les régions Chine (Pékin) et Singapour. Ces nouveaux domaines dédiés améliorent les performances et la stabilité des requêtes d’inférence. Nous vous recommandons de migrer vers ces domaines :
  • Région Chine (Pékin) : migrez de dashscope.aliyuncs.com vers {WorkspaceId}.cn-beijing.maas.aliyuncs.com.
  • Région Singapour : migrez de dashscope-intl.aliyuncs.com vers {WorkspaceId}.ap-southeast-1.maas.aliyuncs.com.
Les domaines existants restent pleinement fonctionnels.

Qwen-LiveTranslate-Realtime

Région Chine (Pékin) : POST https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization

En-têtes de requête

ParamètreTypeObligatoireDescription
AuthorizationstringOuiJeton d'authentification au format Bearer <your_api_key>. Remplacez <your_api_key> par votre clé API réelle.
Content-TypestringOuiDéfinissez sur application/json.

Exigences audio et coûts

Qwen-Omni, Qwen-Omni-Realtime: Les formats audio d’entrée pris en charge sont WAV (16-bit), MP3 et M4A. La durée recommandée est de 10–20 secondes, avec un maximum de 60 secondes, une taille inférieure à 10 MB, une fréquence d’échantillonnage d’au moins 24 kHz et un seul canal mono. L’audio doit contenir au moins 3 secondes de parole continue et claire, avec des pauses ne dépassant pas 2 secondes ; évitez la musique de fond, le bruit et les autres voix pendant tout l’enregistrement. Utilisez de la parole normale : ne téléversez pas de chansons ou de chant. Les langues et dialectes pris en charge sont indiqués dans les paramètres language ci-dessous ; les recommandations d’enregistrement figurent dans les Exigences audio. Les étapes de clonage, les exemples complets et les coûts sont détaillés dans le Guide du clonage de voix. Qwen-LiveTranslate-Realtime: Prend en charge qwen3.8-livetranslate-flash-realtime et qwen3.5-livetranslate-flash-realtime. Cette section décrit la création préalable d’une voix ; l’extraction de la voix d’entrée en temps réel pendant la traduction est décrite dans Configuration de la voix. La création préalable d’une voix entraîne des frais distincts ; les appels au modèle restent facturés selon la consommation de tokens, comme indiqué dans les Informations de facturation. L’audio de référence doit utiliser une URL accessible publiquement.

Corps de la requête

model string — ObligatoireDéfinissez sur qwen-voice-enrollment.input object — Obligatoire

Propriétés

action string — ObligatoireOpération :
  • create: Créer une voix.
  • list: Lister les voix (Qwen-Omni et Qwen-Omni-Realtime uniquement).
  • delete: Supprimer une voix.
target_model string — Obligatoire pour la créationModèle qui utilisera la voix. Il doit correspondre au modèle des appels ultérieurs de synthèse ou de conversation ; sinon, l’appel échoue.Qwen-Omni, Qwen-Omni-Realtime : modèle omni :
  • qwen3.8-omni-flash-realtime
  • qwen3.5-omni-plus-realtime
  • qwen3.5-omni-flash-realtime
  • qwen3.5-omni-plus
  • qwen3.5-omni-flash
Qwen-LiveTranslate-Realtime : modèle de traduction en temps réel utilisé dans les sessions ultérieures.audio object — Obligatoire pour la créationObjet audio de référence.
data string — ObligatoireQwen-Omni, Qwen-Omni-Realtime: Audio utilisé pour le clonage. L’enregistrement doit respecter les Recommandations d’enregistrement, et l’audio doit satisfaire les Exigences audio.Pour Qwen-Omni et Qwen-Omni-Realtime, les données audio peuvent être envoyées de deux façons :
  1. Data URL Format : data:<mediatype>;base64,<data>
    • <mediatype> : type MIME
      • WAV : audio/wav
      • MP3 : audio/mpeg
      • M4A : audio/mp4
    • <data> : chaîne de l’audio encodée en Base64 L’encodage Base64 augmente la taille du fichier ; gardez le fichier d’origine assez petit pour que le fichier encodé reste inférieur à 10 MB.
    • Exemple : data:audio/wav;base64,SUQzBAAAAAAAI1RTU0UAAAAPAAADTGF2ZjU4LjI5LjEwMAAAAAAAAAAAAAAA//PAxABQ/BXRbMPe4IQAhl9
  2. URL audio (il est recommandé de téléverser l’audio sur OSS)
    • La taille du fichier ne doit pas dépasser 10 MB.
    • L’URL doit être accessible publiquement et ne nécessiter aucune authentification.
python
import base64, pathlib

# input.mp3 is the local audio file for voice cloning. Replace with your own file path. Make sure the file meets the audio requirements.
file_path = pathlib.Path("input.mp3")
base64_str = base64.b64encode(file_path.read_bytes()).decode()
data_uri = f"data:audio/mpeg;base64,{base64_str}"
Qwen-LiveTranslate-Realtime: URL publique de l’audio de référence.
preferred_name string — Obligatoire pour la créationQwen-Omni, Qwen-Omni-Realtime : attribuez un nom reconnaissable à la voix. Seuls les chiffres, les lettres majuscules et minuscules et les traits de soulignement sont autorisés, avec un maximum de 16 caractères.
Ce mot-clé apparaît dans le nom de la voix clonée ; par exemple, avec “guanyu”, le nom final est “qwen-omni-vc-guanyu-voice-20250812105009984-838b.”
Qwen-LiveTranslate-Realtime: Identifiant dans le nom de la voix.text string — Facultatif pour la créationS’applique à : Qwen-Omni, Qwen-Omni-Realtime.Texte correspondant au contenu audio du champ data de l’objet audio.S’il est fourni, le serveur vérifie que l’audio correspond au texte. Si la différence est trop importante, il renvoie Audio.PreprocessError.language string — Facultatif pour la créationS’applique à : Qwen-Omni, Qwen-Omni-Realtime.Langue de l’audio data dans l’objet audio.Les langues prises en charge sont zh (chinois), en (anglais), de (allemand), it (italien), pt (portugais), es (espagnol), ja (japonais), ko (coréen), fr (français), ru (russe), th (thaï), id (indonésien), ar (arabe), cs (tchèque), da (danois), nl (néerlandais), fi (finnois), he (hébreu), hi (hindi), is (islandais), ms (malais), no (norvégien), fa (persan), pl (polonais), sv (suédois), tl (tagalog), tr (turc), ur (ourdou), vi (vietnamien).Dialectes chinois : Dongbei (mandarin du Nord-Est), Shannxi (dialecte du Shaanxi), Sichuan (dialecte du Sichuan), Henan (dialecte du Henan), Changsha (dialecte du Changsha), Tianjin (dialecte du Tianjin), Hangzhou (dialecte du Hangzhou), Liaoning (dialecte du Liaoning), Shenyang (dialecte du Shenyang), Anshan (dialecte du Anshan).Si ce paramètre est utilisé, la langue indiquée doit correspondre à celle de l’audio réellement utilisé pour le clonage.page_index integer — Facultatif pour la listeIndex de page. Valeur par défaut : 0. Plage : [0, 1000000].page_size integer — Facultatif pour la listeNombre d’entrées par page. Valeur par défaut : 10. Plage : [0, 1000000].voice string — Obligatoire pour la suppressionL'identifiant de la voix à supprimer.Après la suppression d’une voix via Qwen-Omni ou Qwen-Omni-Realtime, le quota de voix correspondant est libéré.
parameters object — Obligatoire sous conditions pour la créationS’applique à : Qwen-Omni, Qwen-Omni-Realtime.Paramètres de configuration. Pour les modèles de la série qwen3.8-omni, cet objet est obligatoire pour fournir voice_clone_mode.
voice_clone_mode string — Obligatoire sous conditionsMode de clonage de voix. Obligatoire avec les modèles de la série qwen3.8-omni ; s’il est omis, le mode instruct du système talker qwen3.5-omni est utilisé par défaut, avec compatibilité avec les services existants.Valeurs valides :
  • normal : mode normal
  • dialect : mode dialecte
  • crosslingual : mode multilingue
skip_audio_process boolean — FacultatifValeur par défaut : false.Indique s’il faut ignorer le prétraitement audio.

Exemples de requêtes

  • Créer
  • Lister
  • Supprimer
  • qwen3.8-omni-flash-realtime
  • qwen3.8-livetranslate-flash-realtime
L’exemple cURL utilise une URL audio. Remplacez https://xxx.wav par votre adresse réelle. Les exemples Python et Java lisent un fichier audio local. Remplacez input.mp3 par le chemin réel de votre fichier.
cURL
# If the environment variable is not set, replace $DASHSCOPE_API_KEY below with your API key.
# ======= Important =======
# The following is the Singapore region URL. Replace {WorkspaceId} with your actual workspace ID. URLs vary by region.
# API keys differ between regions. Get an API key: https://www.alibabacloud.com/help/model-studio/get-api-key
# === Remove these comments before running ===

curl --location --request POST 'https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/customization' \
--header "Authorization: Bearer $DASHSCOPE_API_KEY" \
--header 'Content-Type: application/json' \
--data '{
    "model": "qwen-voice-enrollment",
    "parameters": {"voice_clone_mode": "normal"},
    "input": {
        "action": "create",
        "target_model": "qwen3.8-omni-flash-realtime",
        "preferred_name": "guanyu",
        "audio": {"data": "https://xxx.wav"}
    }
}'

Corps de la réponse

request_id stringIdentifiant unique de cette requête.output objectRenvoyé pour la création et la liste. Ce champ est absent pour la suppression.
voice string — Renvoyé pour la créationQwen-Omni, Qwen-Omni-Realtime: Nom de la voix, utilisable comme paramètre voice dans les appels suivants à l’API Omni.Qwen-LiveTranslate-Realtime: L’ID de la voix créée est utilisé dans le paramètre voice des sessions de traduction suivantes.target_model string — Renvoyé pour la créationQwen-Omni, Qwen-Omni-Realtime: Le modèle omni qui utilise la voix :
  • qwen3.8-omni-flash-realtime
  • qwen3.5-omni-plus-realtime
  • qwen3.5-omni-flash-realtime
  • qwen3.5-omni-plus
  • qwen3.5-omni-flash
Il doit correspondre au modèle utilisé lors des appels suivants à l’API omni. Sinon, la synthèse échoue.Qwen-LiveTranslate-Realtime: Modèle cible indiqué lors de la création de la voix.voice_list array[object] — Renvoyé pour la listeListe des voix trouvées.
voice stringNom de la voix, utilisable comme paramètre voice dans les appels suivants à l’API Omni.target_model stringLe modèle omni qui utilise la voix :
  • qwen3.8-omni-flash-realtime
  • qwen3.5-omni-plus-realtime
  • qwen3.5-omni-flash-realtime
  • qwen3.5-omni-plus
  • qwen3.5-omni-flash
Il doit correspondre au modèle utilisé lors des appels suivants à l’API omni. Sinon, la synthèse échoue.gmt_create stringDate de création de la voix.
usage objectS’applique à : Qwen-Omni, Qwen-Omni-Realtime.Informations de consommation pour cette requête.
count integerNombre d’opérations « créer une voix » réellement facturées pour cette requête. Le coût de cette requête est de $count × 0.01.Toujours 1 lors de la création d’une voix. Lister ou supprimer des voix est gratuit ; la valeur est donc toujours 0.

Exemples de réponses

  • Créer
  • Lister
  • Supprimer
  • qwen3.8-omni-flash-realtime
  • qwen3.8-livetranslate-flash-realtime
  • Structure de la réponse
{
    "output": {
        "voice": "yourVoice",
        "target_model": "qwen3.8-omni-flash-realtime"
    },
    "usage": {
        "count": 1
    },
    "request_id": "yourRequestId"
}

Messages d’erreur

En cas d’erreur, consultez Codes d’erreur pour le diagnostic.

Utiliser les voix dans les appels aux modèles