Skip to main content

API HTTP de clonage de voix : Qwen-Audio et CosyVoice

Paramètres HTTP, réponses et exemples de clonage de voix pour Qwen-Audio et CosyVoice.

Cette référence couvre Qwen-Audio-TTS, Qwen-Audio-Realtime et CosyVoice. 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. Pour les définitions des SDK, consultez Java SDK et Python SDK.

Point de terminaison du service

  • 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.

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

Consultez les exigences audio dans le Guide du clonage de voix. Le processus pour Qwen-Audio-Realtime est décrit dans Clonage de voix pour les conversations vocales en temps réel. La création d’une voix avec Qwen-Audio-Realtime est gratuite ; les appels au modèle sont facturés selon le modèle cible. Consultez les Informations de facturation et les limites dans Informations sur les quotas.

Corps de la requête

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

Propriétés

action string — ObligatoireOpération :
  • create_voice: Créer une voix.
  • list_voice: Lister les voix.
  • query_voice: Consulter les détails d’une voix.
  • update_voice: Mettre à jour une voix.
  • delete_voice: 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.Choisissez un modèle Qwen-Audio-TTS, Qwen-Audio-Realtime ou CosyVoice prenant en charge le clonage de voix. Consultez les identifiants et les régions dans Modèles pris en charge.audio string — Obligatoire pour la création ou la mise à jour si url n’est pas fourniAudio de référence pour la création, ou nouvel audio de référence pour la mise à jour. Accepte une URL accessible publiquement ou un Data URI Base64, tel que data:audio/wav;base64,....
Compatible avec l’ancien paramètre url ; lorsque url est utilisé, audio peut être omis. url sera progressivement abandonné ; il est recommandé d’utiliser audio.
prefix string — Obligatoire pour la création ; facultatif pour la listePour la création : préfixe du nom de voix. Seuls les chiffres et les lettres anglaises sont autorisés, avec un maximum de 10 caractères. Le nom généré suit le format {target_model}-{prefix}-{unique_id}.Pour la liste : filtre les voix par préfixe du nom.language_hints array[string] — Facultatif pour la créationAide le modèle à identifier la langue de l’échantillon audio pour extraire plus précisément les caractéristiques vocales et améliorer le clonage. Si la langue indiquée ne correspond pas à celle de l’audio, par exemple en pour un audio chinois, le système ignore ce réglage et détecte automatiquement la langue.Ce paramètre est un tableau dont la longueur doit être de 1.
Applicable à qwen-audio-3.1-tts-plus, qwen-audio-3.1-tts-flash, qwen-audio-3.0-tts-plus, qwen-audio-3.0-tts-flash, qwen-audio-3.1-realtime-plus, qwen-audio-3.1-realtime-flash, qwen-audio-3.0-realtime-plus, qwen-audio-3.0-realtime-flash, cosyvoice-v3.5-plus, cosyvoice-v3.5-flash, cosyvoice-v3-plus, cosyvoice-v3-flash.
  • qwen-audio-3.1-tts-plus, qwen-audio-3.1-tts-flash, qwen-audio-3.0-tts-plus, qwen-audio-3.0-tts-flash, qwen-audio-3.1-realtime-plus, qwen-audio-3.1-realtime-flash, qwen-audio-3.0-realtime-plus, qwen-audio-3.0-realtime-flash:
    • zh : Chinois
    • en : Anglais
    • fr : Français
    • de : Allemand
    • ja : Japonais
    • ko : Coréen
    • ru : Russe
    • pt : Portugais
    • th : Thaï
    • id : Indonésien
    • vi : Vietnamien
    • it : Italien
    • es : Espagnol
    • ms : malais
    • fil : Filipino
    • ar : Arabe
  • cosyvoice-v3-plus:
    • zh : Chinois
    • en : Anglais
    • fr : Français
    • de : Allemand
    • ja : Japonais
    • ko : Coréen
    • ru : Russe
  • cosyvoice-v3.5-plus, cosyvoice-v3.5-flash, cosyvoice-v3-flash:
    • zh : Chinois
    • en : Anglais
    • fr : Français
    • de : Allemand
    • ja : Japonais
    • ko : Coréen
    • ru : Russe
    • pt : Portugais
    • th : Thaï
    • id : Indonésien
    • vi : Vietnamien
Valeur par défaut : ["zh"].max_prompt_audio_length float — Facultatif pour la créationDurée maximale, en secondes, de l’audio de référence utilisé pour le clonage après prétraitement. Plage de valeurs : [3.0, 30.0].Valeur par défaut : 10.0.
S’applique à qwen-audio-3.1-tts-plus, qwen-audio-3.1-tts-flash, qwen-audio-3.0-tts-plus, qwen-audio-3.0-tts-flash, qwen-audio-3.1-realtime-plus, qwen-audio-3.1-realtime-flash, qwen-audio-3.0-realtime-plus, qwen-audio-3.0-realtime-flash, cosyvoice-v3.5-plus, cosyvoice-v3.5-flash, cosyvoice-v3-flash.
enable_preprocess boolean — Facultatif pour la créationIndique s'il faut activer le prétraitement audio (réduction du bruit, amélioration audio et normalisation du volume). Activez cette option pour les enregistrements comportant du bruit de fond. Désactivez-la pour les enregistrements réalisés dans des environnements calmes afin de préserver les caractéristiques vocales d'origine.Valeur par défaut : false.
S’applique à qwen-audio-3.1-tts-plus, qwen-audio-3.1-tts-flash, qwen-audio-3.0-tts-plus, qwen-audio-3.0-tts-flash, qwen-audio-3.1-realtime-plus, qwen-audio-3.1-realtime-flash, qwen-audio-3.0-realtime-plus, qwen-audio-3.0-realtime-flash, cosyvoice-v3.5-plus, cosyvoice-v3.5-flash, cosyvoice-v3-flash.
enable_volume_normalization string — Facultatif pour la créationIndique s’il faut normaliser le volume de l’échantillon audio utilisé pour le clonage. Valeurs :
  • "true" : active la normalisation du volume.
  • "false" : désactiver la normalisation du volume.
Lorsque ce paramètre est activé, l’audio synthétisé avec la voix créée peut avoir un volume différent de celui obtenu lorsque le paramètre est désactivé.Valeur par défaut : "false".page_index integer — Facultatif pour la listeIndice de page.page_size integer — Facultatif pour la listeNombre d’entrées par page.voice_id string — Obligatoire pour consulter, mettre à jour ou supprimerIdentifiant de la voix à consulter, mettre à jour ou supprimer.

Exemples de requêtes

  • Créer
  • Lister
  • Consulter les détails
  • Mettre à jour
  • Supprimer
L’exemple utilise qwen-audio-3.1-tts-plus. Remplacez target_model dans input par l’identifiant réel du modèle cible.La configuration suivante concerne la région Singapour. Remplacez "{WorkspaceId}" par l’ID réel de votre espace de travail. La configuration varie selon la région.
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/customization \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "voice-enrollment",
    "input": {
        "action": "create_voice",
        "target_model": "qwen-audio-3.1-tts-plus",
        "prefix": "myvoice",
        "audio": "https://your-audio-url.wav",
        "language_hints": ["en"],
        "enable_volume_normalization": "false"
    }
}'
Avec un fichier WAV local, vous pouvez générer une URI de données Base64 avec le code suivant et définir la valeur de audio dans le champ audio de l’objet input de la requête de création ou de mise à jour. Remplacez sample.wav par le chemin de votre fichier audio local.
import base64
from pathlib import Path

audio = "data:audio/wav;base64," + base64.b64encode(
    Path("sample.wav").read_bytes()
).decode("ascii")

Corps de la réponse

request_id stringIdentifiant unique de cette requête.output objectContient les champs de création, de liste ou de consultation des détails. La mise à jour ne renvoie aucune donnée métier. La réponse peut inclure preview_audio, un objet vide que vous pouvez ignorer. La suppression renvoie un objet vide.
voice_id string — Renvoyé pour la créationIdentifiant de voix.voice_list array[object] — Renvoyé pour la listeListe des voix trouvées.
voice_id stringIdentifiant de voix.target_model stringModèle cible qui utilise la voix, pour la synthèse vocale ou la conversation vocale en temps réel.gmt_create stringDate de création de la voix.gmt_modified stringDate de dernière modification.status stringÉtat de la voix ; consultez « Description des états des voix » pour les valeurs valides.
resource_link string — Renvoyé pour les détails de la voixURL du fichier audio.gmt_create string — Renvoyé pour les détails de la voixDate de création de la voix.gmt_modified string — Renvoyé pour les détails de la voixDate de dernière modification.status string — Renvoyé pour les détails de la voixÉtat de la voix ; consultez « Description des états des voix » pour les valeurs valides.target_model string — Renvoyé pour les détails de la voixModèle cible qui utilise la voix, pour la synthèse vocale ou la conversation vocale en temps réel.
usage objectInformations de consommation pour cette requête.
count integerToujours 1. Pour la création, indique le nombre de voix créées.

Exemples de réponses

  • Créer
  • Lister
  • Consulter les détails
  • Mettre à jour
  • Supprimer
{
    "output": {
        "voice_id": "qwen-audio-3.1-tts-plus-myvoice-xxxxxx"
    },
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}

Description des états des voix

Les voix créées passent par un processus de vérification.
ÉtatDescription
DEPLOYINGEn cours de vérification ou de traitement.
OKVérification réussie. La voix est prête à être utilisée.
UNDEPLOYEDVérification refusée. La voix ne peut pas être utilisée.

Messages d’erreur

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