Parâmetros HTTP, respostas e exemplos para criar, listar e excluir vozes do Qwen-Omni, além de criar e excluir vozes pré-criadas do LiveTranslate.
Esta referência abrange Qwen-Omni, Qwen-Omni-Realtime e as vozes pré-criadas do Qwen-LiveTranslate-Realtime.
Primeiro, obtenha uma chave de API e configure as variáveis de ambiente. Os exemplos de solicitação leem
Substitua
Região China (Pequim):
Qwen-Omni, Qwen-Omni-Realtime: Os formatos de áudio de entrada compatíveis são WAV (16 bits), MP3 e M4A. Recomenda-se duração de 10 a 20 segundos, com máximo de 60 segundos, arquivo menor que 10 MB, taxa de amostragem de pelo menos 24 kHz e apenas um canal (mono). O áudio deve conter pelo menos 3 segundos de fala contínua e clara, com pausas de no máximo 2 segundos. Evite música de fundo, ruídos e outras vozes durante toda a gravação. Use fala normal; não envie músicas nem áudio cantado. Os idiomas e dialetos compatíveis estão nos parâmetros
Se encontrar erros, consulte Error codes para solução de problemas.
| Modelo de destino | Operações disponíveis aqui |
|---|---|
| Qwen-Omni, Qwen-Omni-Realtime | Criar, listar e excluir vozes |
| Qwen-LiveTranslate-Realtime | Criar e excluir vozes pré-criadas |
DASHSCOPE_API_KEY. Ao gerenciar a mesma voz em diferentes APIs, use a mesma conta.
Endpoint do serviço
Qwen-Omni、Qwen-Omni-Realtime
- China (Pequim)
- Singapura
POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/tts/customization{WorkspaceId} pelo ID do workspace real, disponível na página Workspace Details do console do Alibaba Cloud Model Studio. As chaves de API de Pequim e Singapura são diferentes.
Qwen-LiveTranslate-Realtime
Região China (Pequim):
POST https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization
Cabeçalhos da solicitação
| Parâmetro | Tipo | Obrigatório | Descrição |
|---|---|---|---|
| Authorization | string | Sim | Token de autenticação no formato Bearer <your_api_key>. Substitua <your_api_key> pela sua chave de API real. |
| Content-Type | string | Sim | Defina como application/json. |
Requisitos de áudio e custos
Qwen-Omni, Qwen-Omni-Realtime: Os formatos de áudio de entrada compatíveis são WAV (16 bits), MP3 e M4A. Recomenda-se duração de 10 a 20 segundos, com máximo de 60 segundos, arquivo menor que 10 MB, taxa de amostragem de pelo menos 24 kHz e apenas um canal (mono). O áudio deve conter pelo menos 3 segundos de fala contínua e clara, com pausas de no máximo 2 segundos. Evite música de fundo, ruídos e outras vozes durante toda a gravação. Use fala normal; não envie músicas nem áudio cantado. Os idiomas e dialetos compatíveis estão nos parâmetros language abaixo. As recomendações de gravação estão em Requisitos de áudio.
As etapas de clonagem, os exemplos completos e os custos estão no Guia de clonagem de voz.
Qwen-LiveTranslate-Realtime: Oferece suporte a qwen3.8-livetranslate-flash-realtime e qwen3.5-livetranslate-flash-realtime. Esta seção descreve a criação prévia de uma voz. A extração da voz de entrada em tempo real durante a tradução está em Configuração de voz. A criação prévia de uma voz tem cobrança separada; as chamadas ao modelo continuam sendo cobradas pelo uso de tokens, conforme Informações de cobrança. O áudio de referência deve usar uma URL de acesso público.
Corpo da solicitação
model string — ObrigatórioDefina como qwen-voice-enrollment.input object — Obrigatório
Propriedades action string — ObrigatórioOperação:
string — Obrigatório na criaçãoModelo que usará a voz. Ele deve corresponder ao modelo das chamadas posteriores de síntese ou conversa; caso contrário, a chamada falha.Qwen-Omni, Qwen-Omni-Realtime: modelo omni:
object — Obrigatório na criaçãoObjeto de áudio de referência.
Propriedades data string — ObrigatórioQwen-Omni, Qwen-Omni-Realtime: Áudio usado na clonagem. A gravação deve seguir as Orientações de gravação e atender aos Requisitos de áudio.Para Qwen-Omni e Qwen-Omni-Realtime, os dados de áudio podem ser enviados de duas formas:
Exemplo de codificação de URL de dados python string — Obrigatório na criaçãoQwen-Omni, Qwen-Omni-Realtime: atribua um nome identificável à voz. São permitidos apenas dígitos, letras maiúsculas e minúsculas e sublinhados, com no máximo 16 caracteres.Esta palavra-chave aparecerá no nome da voz clonada. Por exemplo, se a palavra-chave for “guanyu”, o nome final será “qwen-omni-vc-guanyu-voice-20250812105009984-838b”.Qwen-LiveTranslate-Realtime: Identificador no nome da voz.text string — Opcional na criaçãoAplica-se a: Qwen-Omni, Qwen-Omni-Realtime.Texto correspondente ao conteúdo do áudio no campo data do objeto audio.Quando fornecido, o servidor compara o áudio com o texto. Se a diferença for muito grande, retorna Audio.PreprocessError.language string — Opcional na criaçãoAplica-se a: Qwen-Omni, Qwen-Omni-Realtime.Idioma do áudio data no objeto audio.Valores suportados: zh (Chinês), en (Inglês), de (Alemão), it (Italiano), pt (Português), es (Espanhol), ja (Japonês), ko (Coreano), fr (Francês), ru (Russo), th (Tailandês), id (Indonésio), ar (Árabe), cs (Tcheco), da (Dinamarquês), nl (Holandês), fi (Finlandês), he (Hebraico), hi (Hindi), is (Islandês), ms (Malaio), no (Norueguês), fa (Persa), pl (Polonês), sv (Sueco), tl (Tagalo), tr (Turco), ur (Urdu), vi (Vietnamita).Dialetos chineses: Dongbei, Shannxi, Sichuan, Henan, Changsha, Tianjin, Hangzhou, Liaoning, Shenyang, Anshan.Se este parâmetro for usado, o idioma especificado deve corresponder ao idioma do áudio efetivamente usado na clonagem.page_index integer — Opcional na listagemÍndice da página. Padrão: 0. Intervalo: [0, 1000000].page_size integer — Opcional na listagemNúmero de entradas por página. Padrão: 10. Intervalo: [0, 1000000].voice string — Obrigatório na exclusãoID da voz a excluir.Após excluir uma voz pelo Qwen-Omni ou Qwen-Omni-Realtime, a cota correspondente será liberada.object — Obrigatório na criação, conforme as condiçõesAplica-se a: Qwen-Omni, Qwen-Omni-Realtime.Parâmetros de configuração. Para modelos da série qwen3.8-omni, este objeto é obrigatório para fornecer voice_clone_mode.
Propriedades voice_clone_mode string — Obrigatório conforme as condiçõesModo de clonagem de voz. Obrigatório para modelos da série qwen3.8-omni. Quando omitido, usa o modo instruct do sistema talker do qwen3.5-omni, com compatibilidade retroativa com os serviços legados.Valores válidos:
boolean — OpcionalValor padrão: false.Indica se o pré-processamento de áudio deve ser ignorado. | Exemplos de solicitação
O exemplo cURL usa uma URL de áudio. Substitua https://xxx.wav pelo endereço real. Os exemplos Python e Java leem um arquivo de áudio local. Substitua input.mp3 pelo caminho real do arquivo.cURL |
Corpo da resposta
request_id stringIdentificador exclusivo desta solicitação.output objectRetornado na criação e na listagem. Este campo não está presente na exclusão.
Propriedades voice string — Retornado na criaçãoQwen-Omni, Qwen-Omni-Realtime: Nome da voz, que pode ser usado como o parâmetro voice nas chamadas seguintes à API Omni.Qwen-LiveTranslate-Realtime: O ID da voz criada é usado no parâmetro voice das sessões de tradução seguintes.target_model string — Retornado na criaçãoQwen-Omni, Qwen-Omni-Realtime: O modelo omni que usa a voz:
array[object] — Retornado na listagemLista de vozes encontradas.
Propriedades voice stringNome da voz, que pode ser usado como o parâmetro voice nas chamadas seguintes à API Omni.target_model stringO modelo omni que usa a voz:
stringData e hora de criação da voz.objectAplica-se a: Qwen-Omni, Qwen-Omni-Realtime.Informações de uso desta solicitação.
Propriedades count integerNúmero de operações de criação de voz efetivamente cobradas nesta solicitação. O custo da solicitação é $count × 0.01.Sempre 1 na criação de uma voz. Listar ou excluir vozes é gratuito, portanto o valor é sempre 0. | Exemplos de resposta
|