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.
Commencez par obtenir une API Key et configurer les variables d’environnement. Les exemples de requête lisent
Remplacez
Région Chine (Pékin) :
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
En cas d’erreur, consultez Codes d’erreur pour le diagnostic.
| Modèle cible | Opérations présentées ici |
|---|---|
| Qwen-Omni, Qwen-Omni-Realtime | Créer, lister et supprimer les voix |
| Qwen-LiveTranslate-Realtime | Créer et supprimer des voix créées à l’avance |
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{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.
Qwen-LiveTranslate-Realtime
Région Chine (Pékin) :
POST https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization
En-têtes de requête
| Paramètre | Type | Obligatoire | Description |
|---|---|---|---|
| Authorization | string | Oui | Jeton d'authentification au format Bearer <your_api_key>. Remplacez <your_api_key> par votre clé API réelle. |
| Content-Type | string | Oui | Définissez 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 :
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 :
object — Obligatoire pour la créationObjet audio de référence.
Propriétés 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 :
Exemple d’encodage d’URL de données python 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.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.
Propriétés 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 :
boolean — FacultatifValeur par défaut : false.Indique s’il faut ignorer le prétraitement audio. | Exemples de requêtes
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 |
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.
Propriétés 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 :
array[object] — Renvoyé pour la listeListe des voix trouvées.
Propriétés 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 :
stringDate de création de la voix.objectS’applique à : Qwen-Omni, Qwen-Omni-Realtime.Informations de consommation pour cette requête.
Propriétés 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
|