上傳錄音建立音色,再用於 Qwen-Omni 或 Qwen-Omni-Realtime 對話。本文介紹支援的語言、音訊要求、複刻步驟、費用和音色管理規則。
音訊要求
錄音質量影響複刻效果。
系統音色與聲音複刻支援的方言範圍不同。複刻支援的語言和方言見下表,系統音色見音色列表。
項目 | 要求 |
|---|---|
支援格式 | WAV (16bit)、MP3、M4A |
音訊時長 | 推薦10~20秒,最長不得超過60秒 |
文件大小 | < 10 MB |
採樣率 | ≥ 24 kHz |
聲道 | 單聲道 |
內容 | 音訊必須包含至少3秒連續清晰朗讀(無背景音),其餘部分僅允許短暫停頓(≤2秒);整段音訊應避免背景音樂、噪音或其他人聲,確保核心朗讀內容質量;請使用正常說話音訊作為輸入,不要上傳歌曲或唱歌音訊,以確保複刻效果準確和可用 |
語言 | 中文(zh)、英文(en)、德語(de)、意大利語(it)、葡萄牙語(pt)、西班牙語(es)、日語(ja)、韓語(ko)、法語(fr)、俄語(ru)、泰語(th)、印尼語(id)、阿拉伯語(ar)、捷克語(cs)、丹麥語(da)、荷蘭語(nl)、芬蘭語(fi)、希伯來語(he)、印地語(hi)、冰島語(is)、馬來語(ms)、挪威語(no)、波斯語(fa)、波蘭語(pl)、瑞典語(sv)、他加祿語(tl)、土耳其語(tr)、烏爾都語(ur)、越南語(vi) 中文方言:東北話(Dongbei)、陝西話(Shannxi)、四川話(Sichuan)、河南話(Henan)、長沙話(Changsha)、天津話(Tianjin)、杭州話(Hangzhou)、遼寧話(Liaoning)、瀋陽話(Shenyang)、鞍山話(Anshan) |
快速開始:複刻與使用音色
1. 工作流程
先建立音色,再呼叫模型使用音色:
-
建立音色
呼叫建立音色介面,上傳一段音訊。系統會分析該音訊,建立一個專屬的複刻音色。此步驟必須指定
target_model,聲明建立的音色將由哪個全模態模型驅動。 若已有建立好的音色(呼叫查詢音色列表介面查看),可跳過這一步直接進行下一步。 -
使用音色進行對話
呼叫 Omni 介面(即時或非即時),傳入建立的音色。呼叫的全模態模型必須與
target_model一致。
2. 模型配置與準備工作
先選擇模型,再完成準備工作。
模型配置
聲音複刻需指定兩個模型:
- 聲音複刻模型:qwen-voice-enrollment
-
驅動音色的全模態模型:
- qwen3.8-omni-flash-realtime
- qwen3.5-omni-plus-realtime
- qwen3.5-omni-flash-realtime
- qwen3.5-omni-plus
- qwen3.5-omni-flash
準備工作
- 獲取API Key:獲取與配置 API Key。建議將 API Key 配置到環境變量,避免寫入代碼。
- 安裝SDK:安裝最新版DashScope SDK。
- 準備待複刻音訊:音訊需符合音訊要求。
3. 端到端示例
以下示例建立音色,再用該音色進行對話。
- 關鍵原則:聲音複刻時,
target_model(驅動音色的全模態模型)必須與後續呼叫 Omni 介面時指定的模型一致,否則會合成失敗。 - 運行前,將示例文件
voice.mp3替換為自己的錄音。
- 即時
- 非即時
音色配額與自動清理規則
-
總數限制:1000個音色/賬號
當前介面不提供音色數量查詢功能,可透過呼叫查詢音色列表介面自行統計音色數目
- 自動清理:音色一年內未用於任何模型呼叫請求,系統會自動刪除
計費說明
聲音複刻和模型呼叫分開計費:
-
聲音複刻:建立音色按$0.01/個計費,建立失敗不計費
免費額度說明(僅中國站北京地域和國際站新加坡地域有免費額度):
- 阿里雲百鍊開通後90天內,可享1000次免費音色建立機會。
- 建立失敗不佔用免費次數。
- 刪除音色不會恢復免費次數。
- 免費額度用完或超出 90 天有效期後,创建音色将按$0.01/個的價格計費。
- 使用複刻音色對話:按模型呼叫的 token 用量計費,詳見模型呼叫計費
版權與合法性
您需對提供聲音的所有權及合法使用權負責,請閱讀服務協議。
錄音操作指南
錄音設備
建議使用降噪麥克風,或在安靜環境中用手機近距離錄音。
錄音環境
場地
- 建議在 10 平方米以內的小型封閉空間錄音。
- 優先選擇配有吸音材料(如吸音棉、地毯、窗帘)的房間。
- 避免空曠大廳、會議室、教室等高混響場所。
噪音控制
- 室外噪音:關閉門窗,避免交通、施工等幹擾。
- 室內噪音:關閉空調、風扇、日光燈鎮流器等裝置;可通過手機錄製環境音並放大播放,識別潛在噪音源。
混響控制
- 混響會導致聲音模糊、清晰度下降。
- 減少光滑表面反射:拉上窗帘、開啟衣櫃門、鋪放衣物或床單覆蓋案頭/櫃面。
- 利用書架、軟包傢具等不規則物體分散聲波反射。
錄音文案
- 文案可自由選擇,建議貼合應用場景。例如,客服場景可使用客服對話。文案不得包含敏感或非法詞彙(如政治、色情、暴力相關內容),否則複刻會失敗。
- 避免短句(如“你好”、“是的”),應使用完整句子。
- 保持語義連貫,朗讀時避免頻繁停頓(建議至少連續 3 秒無中斷)。
- 可帶入親切、嚴肅等目標情緒。保持語調自然,避免過度誇張的戲劇化朗讀。
操作建議
以普通臥室為例:
- 關閉門窗,隔絕外部噪音。
- 關閉空調、電扇等電器。
- 拉上窗簾,減少玻璃反射。
- 在桌面鋪放衣物或毛毯,降低桌面反射。
- 提前熟悉文案,設定角色語氣,自然演繹。
- 與錄音裝置保持約 10 厘米距離,避免噴麥或訊號過弱。