Clone e gerencie vozes do Qwen-Audio e CosyVoice com o SDK Java do DashScope.
Endpoint do service
O SDK usa o endpoint da região China (Beijing) por padrão. Para mudar para outra região, modifique Constants.baseHttpApiUrl antes da inicialização.
- As API keys variam por região. Use a API key da região de destino.
- A configuração de região é global e afeta todas as chamadas de API do SDK DashScope.
- Singapore
- China (Beijing)
https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1Substitua {WorkspaceId} pelo seu workspace ID real.Classe VoiceEnrollmentService
Pacote: com.alibaba.dashscope.audio.ttsv2.enrollment.VoiceEnrollmentService
Finalidade: Gerencia o ciclo de vida das vozes clonadas Qwen-Audio-TTS, Qwen-Audio-Realtime e CosyVoice (criar, consultar, atualizar e excluir).
Construtor
| Parameter | Type | Description |
|---|---|---|
| apiKey | String | Chave de API |
createVoice() - Criar uma voz
Assinatura do método:
| Parameter | Type | Required | Description |
|---|---|---|---|
| targetModel | String | Yes | Modelo de destino que usa a voz. Deve corresponder ao modelo usado nas solicitações posteriores com essa voz; caso contrário, as solicitações falham. |
| prefix | String | Yes | Prefixo para o nome da voz. Permite apenas caracteres alfanuméricos, com comprimento máximo de 10 caracteres. O nome final da voz segue este formato: {target_model}-{prefix}-{unique_id}. |
| url | String | Yes | Áudio de referência para clonagem de voz. Aceita uma URL acessível publicamente ou um Data URI codificado em Base64, como data:audio/wav;base64,.... |
| customParam | VoiceEnrollmentParam | No | Parâmetros personalizados como languageHints e maxPromptAudioLength. |
Voice. Chame getVoiceId() para obter o ID da voz.
listVoice() - Listar vozes
Assinatura do método:
| Parameter | Type | Required | Description |
|---|---|---|---|
| prefix | String | No | Filtra vozes pelo prefixo do nome. |
| pageIndex | int | No | Índice da página, começando em 0. |
| pageSize | int | No | Quantidade de registros por página. |
Voice[]. Se getTargetModel() retornar null para um item da lista, leia o ID do modelo de destino em voice.getData().get("target_model").
queryVoice() - Recuperar detalhes da voz
Assinatura do método:
| Parameter | Type | Required | Description |
|---|---|---|---|
| voiceId | String | Yes | ID da voz a recuperar. |
Voice com os detalhes da voz. Use getTargetModel() para obter o ID do modelo de destino.
updateVoice() - Atualizar uma voz
Assinaturas dos métodos:
| Parameter | Type | Required | Description |
|---|---|---|---|
| voiceId | String | Yes | ID da voz a atualizar. |
| url | String | Yes | Novo áudio de referência. Aceita uma URL acessível publicamente ou um Data URI codificado em Base64, como data:audio/wav;base64,.... |
| customParam | VoiceEnrollmentParam | No | Parâmetros personalizados. |
deleteVoice() - Excluir uma voz
Assinatura do método:
| Parameter | Type | Required | Description |
|---|---|---|---|
| voiceId | String | Yes | ID da voz a excluir. |
Classe VoiceEnrollmentParam
Pacote: com.alibaba.dashscope.audio.ttsv2.enrollment.VoiceEnrollmentParam
Crie objetos de parâmetro usando o padrão builder.
| Method | Type | Description |
|---|---|---|
| model(String) | String | Modelo de clonagem de voz. O valor deve ser "voice-enrollment". |
languageHints(List<String>) | List<String> | Ajuda o modelo a identificar o idioma do áudio de amostra para extrair características vocais com mais precisão e melhorar a qualidade da clonagem. Se o idioma especificado não corresponder ao idioma real do áudio (por exemplo, definir en quando o áudio está em chinês), o sistema ignora esse valor e detecta o idioma automaticamente.Este parâmetro é um array e deve conter exatamente um elemento.Aplica-se a 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-3.0-realtime-plus, qwen-audio-3.0-realtime-flash, cosyvoice-v3.5-plus, cosyvoice-v3.5-flash, cosyvoice-v3-plus, cosyvoice-v3-flash.
Clique para ver os idiomas compatíveis por modelo
|
| maxPromptAudioLength(Float) | Float | Duração máxima (em segundos) do áudio de referência após o pré-processamento. Valores válidos: [3,0, 30,0].Padrão: 10,0. Aplica-se a 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-3.0-realtime-plus, qwen-audio-3.0-realtime-flash, cosyvoice-v3.5-plus, cosyvoice-v3.5-flash, cosyvoice-v3-flash. |
| parameter(String, Object) | Object | Define parâmetros personalizados, como parameter("language_hints", Arrays.asList("en")), parameter("max_prompt_audio_length", 10.0f), parameter("enable_preprocess", false) e parameter("enable_volume_normalization", "false"). |
Parâmetros adicionais
| Parameter | Type | Required | Description |
|---|---|---|---|
| enable_preprocess | boolean | No | Indica se o pré-processamento de áudio deve ser ativado (redução de ruído, aprimoramento de áudio e normalização de volume). Ative esta opção para gravações com ruído de fundo. Desative-a para gravações em ambientes silenciosos e preservar as características originais da voz.Padrão: false. Aplica-se a 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-3.0-realtime-plus, qwen-audio-3.0-realtime-flash, cosyvoice-v3.5-plus, cosyvoice-v3.5-flash, cosyvoice-v3-flash. |
| enable_volume_normalization | String | No | Define se o volume do áudio de amostra usado na clonagem de voz será normalizado. Os valores válidos são "true" e "false". Quando ativado, o áudio sintetizado com a voz criada pode ter volume diferente daquele sintetizado com uma voz criada com este parâmetro desativado. Padrão: "false". |
Código de exemplo
Criar uma voz
try acima, antes de chamar createVoice. Para atualizar uma voz, passe também o Data URI pelo parâmetro url de updateVoice. Substitua sample.wav pelo caminho do seu arquivo de áudio local.
Listar vozes
Este exemplo requer a biblioteca de terceiros com.google.gson.Gson.
Recuperar uma voz específica
Este exemplo requer a biblioteca de terceiros com.google.gson.Gson.