Skip to main content

API HTTP kloning suara: Qwen-Omni dan LiveTranslate

Parameter HTTP, respons, dan contoh untuk membuat, mencantumkan, dan menghapus suara Qwen-Omni, serta membuat dan menghapus suara LiveTranslate yang dibuat sebelumnya.

Referensi ini mencakup Qwen-Omni, Qwen-Omni-Realtime, dan suara Qwen-LiveTranslate-Realtime yang dibuat sebelumnya.
Model targetOperasi yang disediakan
Qwen-Omni, Qwen-Omni-RealtimeMembuat, mencantumkan, dan menghapus suara
Qwen-LiveTranslate-RealtimeMembuat dan menghapus suara yang dibuat sebelumnya
Pertama, dapatkan API Key dan konfigurasikan variabel lingkungan. Contoh permintaan membaca DASHSCOPE_API_KEY. Gunakan akun yang sama saat mengelola suara yang sama melalui API berbeda.

Titik akhir layanan

Qwen-Omni、Qwen-Omni-Realtime

  • Tiongkok (Beijing)
  • Singapura
POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/tts/customization
Ganti {WorkspaceId} dengan ID ruang kerja yang sebenarnya. ID ini tersedia pada halaman Workspace Details di konsol Alibaba Cloud Model Studio. API Key untuk Beijing dan Singapura berbeda.
Alibaba Cloud Model Studio telah merilis domain khusus ruang kerja untuk wilayah China (Beijing) dan Singapore. Domain khusus baru ini memberikan performa lebih unggul dan stabilitas lebih tinggi untuk permintaan inferensi. Kami merekomendasikan migrasi ke domain baru:
  • Region Tiongkok (Beijing): Beralih dari dashscope.aliyuncs.com ke {WorkspaceId}.cn-beijing.maas.aliyuncs.com.
  • Region Singapura: Beralih dari dashscope-intl.aliyuncs.com ke {WorkspaceId}.ap-southeast-1.maas.aliyuncs.com.
Domain yang ada tetap berfungsi sepenuhnya.

Qwen-LiveTranslate-Realtime

Wilayah Tiongkok (Beijing): POST https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization

Header permintaan

ParameterTipeWajibDeskripsi
AuthorizationstringYaToken otentikasi dalam format Bearer <your_api_key>. Ganti <your_api_key> dengan Kunci API Anda yang sebenarnya.
Content-TypestringYaTetapkan ke application/json.

Persyaratan audio dan biaya

Qwen-Omni, Qwen-Omni-Realtime: Format audio input yang didukung meliputi WAV (16-bit), MP3, dan M4A. Durasi yang disarankan 10–20 detik, maksimum 60 detik, ukuran file di bawah 10 MB, laju sampling minimal 24 kHz, dan hanya mono. Audio harus memuat ucapan jelas yang berkelanjutan minimal 3 detik, dengan jeda maksimal 2 detik. Hindari musik latar, derau, atau suara orang lain di seluruh rekaman. Gunakan ucapan biasa, bukan lagu atau nyanyian. Bahasa dan dialek yang didukung tercantum pada parameter language di bawah. Rekomendasi perekaman tersedia dalam Persyaratan audio. Langkah kloning, contoh lengkap, dan biaya tersedia dalam Panduan pengguna kloning suara. Qwen-LiveTranslate-Realtime: Mendukung qwen3.8-livetranslate-flash-realtime dan qwen3.5-livetranslate-flash-realtime. Bagian ini menjelaskan pembuatan suara sebelumnya. Ekstraksi suara input secara realtime selama penerjemahan dijelaskan dalam Konfigurasi suara. Pembuatan suara sebelumnya dikenai biaya terpisah. Panggilan model tetap ditagih berdasarkan penggunaan token seperti dijelaskan dalam Informasi penagihan. Audio referensi harus menggunakan URL yang dapat diakses publik.

Isi permintaan

model string — WajibAtur ke qwen-voice-enrollment.input object — Wajib

Properti

action string — WajibOperasi:
  • create: Membuat suara.
  • list: Mencantumkan suara (hanya Qwen-Omni dan Qwen-Omni-Realtime).
  • delete: Menghapus suara.
target_model string — Wajib saat membuatModel yang akan menggunakan suara. Model ini harus sama dengan model pada pemanggilan sintesis atau percakapan berikutnya; jika berbeda, pemanggilan gagal.Qwen-Omni, Qwen-Omni-Realtime: model 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: model terjemahan waktu nyata yang digunakan dalam sesi berikutnya.audio object — Wajib saat membuatObjek audio referensi.
data string — WajibQwen-Omni, Qwen-Omni-Realtime: Audio untuk kloning. Perekaman harus mengikuti Panduan perekaman dan audio harus memenuhi Persyaratan audio.Untuk Qwen-Omni dan Qwen-Omni-Realtime, data audio dapat dikirim dengan salah satu dari dua cara berikut:
  1. Data URL Format: data:<mediatype>;base64,<data>
    • <mediatype>: Jenis MIME
      • WAV:audio/wav
      • MP3:audio/mpeg
      • M4A:audio/mp4
    • <data>: String audio yang dienkode Base64 Enkode Base64 memperbesar ukuran file. Gunakan file asli yang cukup kecil agar ukuran setelah dienkode tetap di bawah 10 MB.
    • Contoh: data:audio/wav;base64,SUQzBAAAAAAAI1RTU0UAAAAPAAADTGF2ZjU4LjI5LjEwMAAAAAAAAAAAAAAA//PAxABQ/BXRbMPe4IQAhl9
  2. URL audio (sebaiknya unggah audio ke OSS)
    • Ukuran file tidak boleh melebihi 10 MB.
    • URL harus dapat diakses publik tanpa autentikasi.
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 publik audio referensi.
preferred_name string — Wajib saat membuatQwen-Omni, Qwen-Omni-Realtime: beri nama yang mudah dikenali untuk suara. Hanya angka, huruf besar dan kecil, serta garis bawah yang diizinkan, maksimal 16 karakter.
Kata kunci ini muncul dalam nama suara kloning. Misalnya, jika kata kuncinya “guanyu”, nama suara akhirnya adalah “qwen-omni-vc-guanyu-voice-20250812105009984-838b”.
Qwen-LiveTranslate-Realtime: Pengidentifikasi dalam nama suara.text string — Opsional saat membuatBerlaku untuk: Qwen-Omni, Qwen-Omni-Realtime.Teks yang sesuai dengan konten audio pada bidang data dalam objek audio.Jika diberikan, server memvalidasi kecocokan audio dengan teks. Jika perbedaannya terlalu besar, Audio.PreprocessError dikembalikan.language string — Opsional saat membuatBerlaku untuk: Qwen-Omni, Qwen-Omni-Realtime.Bahasa audio data dalam objek audio.Bahasa yang didukung meliputi zh (Mandarin), en (Inggris), de (Jerman), it (Italia), pt (Portugis), es (Spanyol), ja (Jepang), ko (Korea), fr (Prancis), ru (Rusia), th (Thai), id (Indonesia), ar (Arab), cs (Ceko), da (Denmark), nl (Belanda), fi (Finlandia), he (Ibrani), hi (Hindi), is (Islandia), ms (Melayu), no (Norwegia), fa (Persia), pl (Polandia), sv (Swedia), tl (Tagalog), tr (Turki), ur (Urdu), vi (Vietnam).Dialek Mandarin: Dongbei (Mandarin Timur Laut), Shannxi (dialek Shaanxi), Sichuan (dialek Sichuan), Henan (dialek Henan), Changsha (dialek Changsha), Tianjin (dialek Tianjin), Hangzhou (dialek Hangzhou), Liaoning (dialek Liaoning), Shenyang (dialek Shenyang), Anshan (dialek Anshan).Jika parameter ini digunakan, bahasa yang ditentukan harus sama dengan bahasa audio yang benar-benar digunakan untuk kloning.page_index integer — Opsional saat mencantumkanIndeks halaman. Nilai default: 0. Rentang nilai: [0, 1000000].page_size integer — Opsional saat mencantumkanJumlah entri per halaman. Nilai default: 10. Rentang nilai: [0, 1000000].voice string — Wajib saat menghapusID suara yang akan dihapus.Setelah suara dihapus melalui Qwen-Omni atau Qwen-Omni-Realtime, kuota suara terkait dilepaskan.
parameters object — Wajib bersyarat saat membuatBerlaku untuk: Qwen-Omni, Qwen-Omni-Realtime.Parameter konfigurasi. Untuk model seri qwen3.8-omni, objek ini wajib digunakan untuk memberikan voice_clone_mode.
voice_clone_mode string — Wajib bersyaratMode kloning suara. Wajib saat menggunakan model seri qwen3.8-omni. Jika tidak ditentukan, default-nya adalah mode talker system instruct qwen3.5-omni, yang kompatibel dengan layanan lama.Nilai valid:
  • normal: Mode normal
  • dialect: Mode dialek
  • crosslingual: Mode lintas bahasa
skip_audio_process boolean — OpsionalNilai default: false.Apakah prapemrosesan audio akan dilewati.

Contoh permintaan

  • Buat
  • Daftar
  • Hapus
  • qwen3.8-omni-flash-realtime
  • qwen3.8-livetranslate-flash-realtime
Contoh cURL menggunakan URL audio. Ganti https://xxx.wav dengan alamat sebenarnya. Contoh Python dan Java membaca file audio lokal. Ganti input.mp3 dengan jalur file sebenarnya.
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"}
    }
}'

Isi respons

request_id stringPengidentifikasi unik permintaan ini.output objectDikembalikan saat membuat dan mencantumkan suara. Bidang ini tidak ada saat penghapusan.
voice string — Dikembalikan saat membuatQwen-Omni, Qwen-Omni-Realtime: Nama suara yang dapat digunakan sebagai parameter voice dalam panggilan API Omni berikutnya.Qwen-LiveTranslate-Realtime: ID suara yang dibuat digunakan pada parameter voice sesi penerjemahan berikutnya.target_model string — Dikembalikan saat membuatQwen-Omni, Qwen-Omni-Realtime: Model omni yang menggunakan suara:
  • qwen3.8-omni-flash-realtime
  • qwen3.5-omni-plus-realtime
  • qwen3.5-omni-flash-realtime
  • qwen3.5-omni-plus
  • qwen3.5-omni-flash
Harus sama dengan model yang digunakan dalam panggilan API omni berikutnya. Jika tidak, sintesis akan gagal.Qwen-LiveTranslate-Realtime: Model tujuan yang ditentukan saat pembuatan suara.voice_list array[object] — Dikembalikan saat mencantumkanDaftar suara yang ditemukan.
voice stringNama suara yang dapat digunakan sebagai parameter voice dalam panggilan API Omni berikutnya.target_model stringModel omni yang menggunakan suara:
  • qwen3.8-omni-flash-realtime
  • qwen3.5-omni-plus-realtime
  • qwen3.5-omni-flash-realtime
  • qwen3.5-omni-plus
  • qwen3.5-omni-flash
Harus sama dengan model yang digunakan dalam panggilan API omni berikutnya. Jika tidak, sintesis akan gagal.gmt_create stringWaktu pembuatan suara.
usage objectBerlaku untuk: Qwen-Omni, Qwen-Omni-Realtime.Informasi penggunaan untuk permintaan ini.
count integerJumlah operasi “pembuatan suara” yang benar-benar ditagih untuk permintaan ini. Biaya permintaan ini adalah $count × 0.01.Selalu 1 untuk pembuatan suara. Mencantumkan atau menghapus suara gratis, sehingga nilainya selalu 0.

Contoh respons

  • Buat
  • Daftar
  • Hapus
  • qwen3.8-omni-flash-realtime
  • qwen3.8-livetranslate-flash-realtime
  • Struktur respons
{
    "output": {
        "voice": "yourVoice",
        "target_model": "qwen3.8-omni-flash-realtime"
    },
    "usage": {
        "count": 1
    },
    "request_id": "yourRequestId"
}

Pesan kesalahan

Jika terjadi error, lihat Kode error untuk pemecahan masalah.

Menggunakan suara dalam pemanggilan model