API HTTP sintesis ucapan non-real-time Qwen-Audio-TTS, mencakup panggilan non-streaming dan SSE, parameter permintaan, serta bidang respons.
Endpoint
Ganti YOUR_WORKSPACE_ID dengan ID ruang kerja wilayah tersebut dan gunakan kunci API dari wilayah yang sama.
- Singapura
- Tiongkok (Beijing)
POST https://YOUR_WORKSPACE_ID.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/SpeechSynthesizerHeader permintaan
| Parameter | Jenis | Wajib | Deskripsi |
|---|---|---|---|
Authorization | string | Wajib | Token autentikasi dalam format Bearer <your_api_key>. |
Content-Type | string | Wajib | Tetapkan ke application/json. |
X-DashScope-SSE | string | Opsional | Tetapkan ke enable untuk keluaran streaming. Jika tidak disertakan, hasil lengkap dikembalikan. |
Contoh panggilan
- Non-streaming
- Streaming
Satu peristiwa SSE dapat memuat beberapa baris
data:. Gabungkan seluruh baris data: per peristiwa sebelum mengurai JSON. Dekode Base64 dan gabungkan potongan audio sesuai urutan peristiwa. Bingkai akhir memiliki output.finish_reason=stop dan mengembalikan URL audio lengkap.Isi permintaan
| Parameter | Jenis | Wajib | Default | Deskripsi |
|---|---|---|---|---|
model | string | Wajib | — | ID model sintesis ucapan. Lihat model dan wilayah pada Sintesis ucapan non-real-time. |
input | object | Wajib | — | Objek parameter masukan. |
input.text | string | Wajib | — | Teks yang akan disintesis. Untuk SSML, tetapkan enable_ssml=true. LaTeX tidak memerlukan pengaturan tambahan. Lihat SSML dan LaTeX untuk cakupan, tag, dan sintaks. |
input.voice | string | Wajib | — | ID suara. Lihat daftar suara untuk suara sistem. Buat suara kustom melalui kloning suara atau desain suara, lalu gunakan model tujuan yang terikat. |
input.format | string | Opsional | mp3 | Pengodean audio. Nilai: mp3, pcm, wav, opus. |
input.sample_rate | integer | Opsional | 22050 | Laju sampel audio dalam Hz. Nilai: 8000, 12000, 16000, 22050, 24000, 44100, 48000. Jika format=opus, hanya 8000, 12000, 16000, 24000, 48000 yang didukung. |
input.volume | integer | Opsional | 50 | Volume. Rentang: [0, 100]. |
input.rate | float | Opsional | 1.0 | Kecepatan berbicara. Rentang: [0.5, 2.0]. |
input.bit_rate | integer | Opsional | 32 | Bitrate audio dalam kbps. Rentang: [6, 510]. Hanya berlaku jika format=opus. |
input.pitch | float | Opsional | 1.0 | Nada. Rentang: [0.5, 2.0]. |
input.enable_ssml | boolean | Opsional | — | Apakah SSML diaktifkan. Lihat batas penggunaan untuk batas model, suara, dan antarmuka. |
input.word_timestamp_enabled | boolean | Opsional | false | Apakah stempel waktu per kata dikembalikan. Hanya untuk streaming. Suara hasil kloning didukung. Lihat daftar suara untuk suara sistem yang didukung. |
input.seed | integer | Opsional | 0 | Seed acak. Rentang: [0, 65535]. Dengan versi model, teks, suara, serta parameter lain yang sama, seed yang sama mereproduksi hasil sintesis yang sama. |
input.language_hints | array[string] | Opsional | — | Untuk suara multibahasa dan dialek pada qwen-audio-3.1-tts-flash, parameter ini menentukan bahasa atau dialek. Lihat pengaturan suara multibahasa dan dialek untuk detailnya. |
input.instruction | string | Opsional | — | Instruksi pengendali dialek, emosi, atau peran. Lihat Kontrol instruksi untuk model, suara, dan penggunaannya. |
input.enable_aigc_tag | boolean | Opsional | false | Apakah pengenal AIGC tak terlihat disisipkan ke audio WAV, MP3, atau Opus. |
input.aigc_propagator | string | Opsional | UID Alibaba Cloud | Bidang ContentPropagator yang mengidentifikasi distributor. Hanya berlaku dengan enable_aigc_tag=true. |
input.aigc_propagate_id | string | Opsional | Request ID permintaan ini | Bidang PropagateID yang mengidentifikasi operasi distribusi ini. Hanya berlaku dengan enable_aigc_tag=true. |
input.hot_fix | object | Opsional | — | Konfigurasi perbaikan teks. pronunciation menyesuaikan pelafalan kata tertentu. replace mengganti teks tertentu sebelum sintesis. |
Kode bahasa
-
zh: Mandarin -
en: Inggris -
fr: Prancis -
de: Jerman -
ja: Jepang -
ko: Korea -
ru: Rusia -
pt: Portugis -
th: Thai -
id: Indonesia -
vi: Vietnam -
es: Spanyol -
it: Italia -
ms: Melayu -
fil: Filipina -
ar: Arab -
other: Bahasa lain (didukung oleh
qwen-audio-3.1-tts-flash) Bulgaria, Belanda, Hungaria, Rumania, Denmark, Kroasia, Yunani, Ceko, Norwegia, Swedia, Hindi, Slovak, Finlandia, Urdu, Serbia, Spanyol (Meksiko), Lituania, Latvia, Turki, Persia, Ibrani, Mongolia, Slovenia, Azerbaijan, Polandia, Katalan, Khmer, Portugis (Brasil), Lao, Georgia, Afrikaans, Nepali, Belarusia, Malayalam, Luksemburg, Albania, Tamil, Sinhala, Telugu, Estonia, Cebuano, Bosnia, Burma, Armenia, Latin, Islandia, Malta, Swahili, Kazakh, Seselwa Kreol Prancis, Ukraina.
Isi respons
| Parameter | Jenis | Deskripsi |
|---|---|---|
request_id | string | Pengenal unik permintaan. |
output | object | Keluaran model. |
output.finish_reason | string | Alasan berhenti. null berarti sintesis berlangsung; stop berarti sintesis selesai. |
output.type | string | Hanya dikembalikan pada streaming. sentence-begin menandai awal kalimat; sentence-synthesis menandai potongan audio, dengan beberapa potongan per kalimat; sentence-end menandai akhir beserta penggunaan. Potongan audio dan bingkai data berkorespondensi satu per satu. Tambahkan potongan ke berkas yang sama secara berurutan. |
output.original_text | string | Kalimat hasil segmentasi teks masukan. Bidang ini dapat tidak ada pada kalimat terakhir. |
output.sentence | object | Informasi kalimat. |
output.sentence.index | integer | Indeks kalimat, dimulai dari 0. |
output.sentence.words | array | Kata dalam kalimat dan informasi stempel waktunya. |
output.sentence.words[].text | string | Sebuah kata atau karakter. |
output.sentence.words[].begin_index | integer | Posisi awal dalam kalimat, dimulai dari 0. |
output.sentence.words[].end_index | integer | Posisi akhir dalam kalimat, dimulai dari 1. |
output.sentence.words[].begin_time | integer | Stempel waktu awal audio kata, dalam milidetik. |
output.sentence.words[].end_time | integer | Stempel waktu akhir audio kata, dalam milidetik. |
output.audio | object | Audio hasil sintesis. |
output.audio.data | string | Potongan audio Base64 untuk streaming. Kosong untuk non-streaming. |
output.audio.url | string | URL berkas audio lengkap, berlaku 24 jam. |
output.audio.id | string | Pengenal audio hasil sintesis. |
output.audio.expires_at | integer | Stempel waktu kedaluwarsa url. |
usage | object | Informasi penggunaan.qwen-audio-3.1-tts-flash ditagih berdasarkan Token input dan output. qwen-audio-3.1-tts-plus, qwen-audio-3.0-tts-plus, dan qwen-audio-3.0-tts-flash ditagih berdasarkan karakter. |
usage.input_tokens | integer | Token masukan. Hanya berlaku untuk qwen-audio-3.1-tts-plus, qwen-audio-3.1-tts-flash. |
usage.output_tokens | integer | Token keluaran. Hanya berlaku untuk qwen-audio-3.1-tts-plus, qwen-audio-3.1-tts-flash. |
usage.total_tokens | integer | Jumlah token masukan dan keluaran. Hanya berlaku untuk qwen-audio-3.1-tts-plus, qwen-audio-3.1-tts-flash. |
usage.characters | integer | Jumlah kumulatif karakter yang ditagih. |
- Non-streaming
- Streaming