非即時語音合成（Qwen-TTS）API參考

模型的使用方法請參見非即時語音合成。

請求體

非流式輸出
流式輸出

Python
Java
curl

DashScope Python SDK中的SpeechSynthesizer介面已統一為MultiModalConversation，使用方法和參數保持完全一致。

# 請安裝 DashScope SDK 的最新版本
    import os
    import dashscope

    # 以下為新加坡地區的配置。
    dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'

    text = "那我來給大家推薦一款T恤，這款呢真的是超級好看，這個顏色呢很顯氣質，而且呢也是搭配的絕佳單品，大家可以閉眼入，真的是非常好看，對身材的包容性也很好，不管啥身材的寶寶呢，穿上去都是很好看的。推薦寶寶們下單哦。"
    # SpeechSynthesizer介面使用方法：dashscope.audio.qwen_tts.SpeechSynthesizer.call(...)
    response = dashscope.MultiModalConversation.call(
        # 如需使用指令控制功能，請將model替換為qwen3-tts-instruct-flash
        model="qwen3-tts-flash",
        # 新加坡和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
        # 若沒有配置環境變數，請用阿里雲百鍊API Key將下行替換為：api_key="sk-xxx"
        api_key=os.getenv("DASHSCOPE_API_KEY"),
        text=text,
        voice="Cherry"
        # 如需使用指令控制功能，請取消下方注釋，並將model替換為qwen3-tts-instruct-flash
        # instructions='語速較快，帶有明顯的上揚語調，適合介紹時尚產品。',
        # optimize_instructions=True
    )
    print(response)

// 請安裝 DashScope SDK 的最新版本
import com.alibaba.dashscope.aigc.multimodalconversation.AudioParameters;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.utils.JsonUtils;
import com.alibaba.dashscope.utils.Constants;

public class Main {
    // 如需使用指令控制功能，請將MODEL替換為qwen3-tts-instruct-flash
    private static final String MODEL = "qwen3-tts-flash";
    public static void call() throws ApiException, NoApiKeyException, UploadFileException {
        MultiModalConversation conv = new MultiModalConversation();
        MultiModalConversationParam param = MultiModalConversationParam.builder()
                .model(MODEL)
                // 新加坡和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
                // 若沒有配置環境變數，請用阿里雲百鍊API Key將下行替換為：apiKey("sk-xxx")
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                .text("Today is a wonderful day to build something people love!")
                .voice(AudioParameters.Voice.CHERRY)
                .parameter("language_type", "English")
                // 如需使用指令控制功能，請取消下方注釋，並將model替換為qwen3-tts-instruct-flash
                // .parameter("instructions","語速較快，帶有明顯的上揚語調，適合介紹時尚產品。")
                // .parameter("optimize_instructions",true)
                .build();
        MultiModalConversationResult result = conv.call(param);
        System.out.println(JsonUtils.toJson(result));
    }
    public static void main(String[] args) {
        // 以下為新加坡地區的配置。
        Constants.baseHttpApiUrl = "https://dashscope-intl.aliyuncs.com/api/v1";
        try {
            call();
        } catch (ApiException | NoApiKeyException | UploadFileException e) {
            System.out.println(e.getMessage());
        }
        System.exit(0);
    }
}

# ======= 重要提示 =======
# 以下為新加坡地區的配置。
# 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 若沒有配置環境變數，請用阿里雲百鍊API Key將$DASHSCOPE_API_KEY替換為：sk-xxx。
# === 執行時請刪除該注釋 ===

curl -X POST 'https://dashscope-intl.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H 'Content-Type: application/json' \
-d '{
    "model": "qwen3-tts-flash",
    "input": {
        "text": "那我來給大家推薦一款T恤，這款呢真的是超級好看，這個顏色呢很顯氣質，而且呢也是搭配的絕佳單品，大家可以閉眼入，真的是非常好看，對身材的包容性也很好，不管啥身材的寶寶呢，穿上去都是很好看的。推薦寶寶們下單哦。",
        "voice": "Cherry",
        "language_type": "Chinese"
    }
}'

Python
Java
curl

DashScope Python SDK中的SpeechSynthesizer介面已統一為MultiModalConversation，使用新介面只需替換名稱即可，其他參數完全相容。

# DashScope SDK 版本不低於 1.24.5
    import os
    import dashscope

    # 以下為新加坡地區的配置。
    dashscope.base_http_api_url = 'https://dashscope-intl.aliyuncs.com/api/v1'
    text = "那我來給大家推薦一款T恤，這款呢真的是超級好看，這個顏色呢很顯氣質，而且呢也是搭配的絕佳單品，大家可以閉眼入，真的是非常好看，對身材的包容性也很好，不管啥身材的寶寶呢，穿上去都是很好看的。推薦寶寶們下單哦。"
    # SpeechSynthesizer介面使用方法：dashscope.audio.qwen_tts.SpeechSynthesizer.call(...)
    response = dashscope.MultiModalConversation.call(
        # 如需使用指令控制功能，請將model替換為qwen3-tts-instruct-flash
        model="qwen3-tts-flash",
        # 新加坡和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
        # 若沒有配置環境變數，請用阿里雲百鍊API Key將下行替換為：api_key="sk-xxx"
        api_key=os.getenv("DASHSCOPE_API_KEY"),
        text=text,
        voice="Cherry",
        # 如需使用指令控制功能，請取消下方注釋，並將model替換為qwen3-tts-instruct-flash
        # instructions='語速較快，帶有明顯的上揚語調，適合介紹時尚產品。',
        # optimize_instructions=True,
        stream=True
    )
    for chunk in response:
        print(chunk)

// DashScope SDK 版本需要不低於 2.19.0
import com.alibaba.dashscope.aigc.multimodalconversation.AudioParameters;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversation;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationParam;
import com.alibaba.dashscope.aigc.multimodalconversation.MultiModalConversationResult;
import com.alibaba.dashscope.exception.ApiException;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.alibaba.dashscope.exception.UploadFileException;
import com.alibaba.dashscope.utils.JsonUtils;
import io.reactivex.Flowable;
import com.alibaba.dashscope.utils.Constants;

public class Main {
    // 如需使用指令控制功能，請將MODEL替換為qwen3-tts-instruct-flash
    private static final String MODEL = "qwen3-tts-flash";
    public static void streamCall() throws ApiException, NoApiKeyException, UploadFileException {
        MultiModalConversation conv = new MultiModalConversation();
        MultiModalConversationParam param = MultiModalConversationParam.builder()
                .model(MODEL)
                // 新加坡和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
                // 若沒有配置環境變數，請用阿里雲百鍊API Key將下行替換為：.apiKey("sk-xxx")
                .apiKey(System.getenv("DASHSCOPE_API_KEY"))
                .text("Today is a wonderful day to build something people love!")
                .voice(AudioParameters.Voice.CHERRY)
                .parameter("language_type", "English")
                // 如需使用指令控制功能，請取消下方注釋，並將model替換為qwen3-tts-instruct-flash
                // .parameter("instructions","語速較快，帶有明顯的上揚語調，適合介紹時尚產品。")
                // .parameter("optimize_instructions",true)
                .build();
        Flowable<MultiModalConversationResult> result = conv.streamCall(param);
        result.blockingForEach(r -> {System.out.println(JsonUtils.toJson(r));
        });
    }
    public static void main(String[] args) {
        // 以下為新加坡地區的配置。
        Constants.baseHttpApiUrl = "https://dashscope-intl.aliyuncs.com/api/v1";
        try {
            streamCall();
        } catch (ApiException | NoApiKeyException | UploadFileException e) {
            System.out.println(e.getMessage());
        }
        System.exit(0);
    }
}

# ======= 重要提示 =======
# 以下為新加坡地區的配置。
# 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 若沒有配置環境變數，請用阿里雲百鍊API Key將$DASHSCOPE_API_KEY替換為：sk-xxx。
# === 執行時請刪除該注釋 ===

curl -X POST 'https://dashscope-intl.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H 'Content-Type: application/json' \
-H 'X-DashScope-SSE: enable' \
-d '{
    "model": "qwen3-tts-flash",
    "input": {
        "text": "那我來給大家推薦一款T恤，這款呢真的是超級好看，這個顏色呢很顯氣質，而且呢也是搭配的絕佳單品，大家可以閉眼入，真的是非常好看，對身材的包容性也很好，不管啥身材的寶寶呢，穿上去都是很好看的。推薦寶寶們下單哦。",
        "voice": "Cherry",
        "language_type": "Chinese"
    }
}'

即時播放Base64 音訊方法請參見：非即時語音合成。

modelstring（必選）模型名稱，詳情請參見支援的模型。

inputobject（必選）輸入參數。

屬性

text string （必選）要合成的文本，支援多語種混合輸入。最大輸入長度：千問-TTS模型為 512 Token，其他模型為 600 字元。voice string （必選）使用的音色，參見支援的系統音色。language_type string （可選）合成音訊語種。預設為 Auto。

Auto：適用於文本包含多種語言或語種不確定的情境。模型自動為不同語言片段匹配發音，但無法保證完全精準。
指定語種：適用於單一語種文本。指定具體語種能顯著提升合成品質，效果通常優於 Auto。可選值：
- Chinese
- English
- German
- Italian
- Portuguese
- Spanish
- Japanese
- Korean
- French
- Russian

instructionsstring（可選）設定指令，參見指令控制。預設值：無，不設定時不生效。最大長度：1600 Token。支援語言：僅支援中文和英文。適用範圍：該功能僅適用於千問3-TTS-Instruct-Flash系列模型。optimize_instructionsboolean（可選）對 instructions 進行語義最佳化，以提升語音合成的自然度和表現力。預設值：false。行為說明：當設定為 true 時，系統將對 instructions 的內容進行語義增強與重寫，產生更適合語音合成的內部指令。推薦在追求高品質、精細化語音表達時開啟。依賴 instructions 參數。若 instructions 為空白，此參數不生效。適用範圍：該功能僅適用於千問3-TTS-Instruct-Flash系列模型。

返回對象（流式與非流式輸出格式一致）	{ "status_code": 200, "request_id": "5c63c65c-cad8-4bf4-959d-xxxxxxxxxxxx", "code": "", "message": "", "output": { "text": null, "finish_reason": "stop", "choices": null, "audio": { "data": "", "url": "http://dashscope-result-bj.oss-cn-beijing.aliyuncs.com/1d/ab/20251218/d2033070/39b6d8f2-c0db-4daa-9073-5d27bfb66b78.wav?Expires=1766113409&OSSAccessKeyId=YOUR_ACCESS_KEY_ID&Signature=YOUR_SIGNATURE", "id": "audio_5c63c65c-cad8-4bf4-959d-xxxxxxxxxxxx", "expires_at": 1766113409 } }, "usage": { "input_tokens": 0, "output_tokens": 0, "characters": 195 } }
status_code `integer`HTTP狀態代碼。遵循 RFC 9110標準定義。例如： • `200`：請求成功，正常返回結果 • `400`：用戶端請求參數錯誤 • `401`：未授權訪問 • `404`：資源未找到 • `500`：伺服器內部錯誤。
request_id `string`本次請求的唯一標識，可用於問題排查。
code `string`請求失敗時展示錯誤碼（參見錯誤碼）。
message `string`請求失敗時展示錯誤資訊（參見錯誤碼）。
output`object`模型的輸出。屬性 text`string`始終為null，無需關注該參數。choices`string`始終為null，無需關注該參數。finish_reason`string`產生狀態標識：正在產生時為"null"；模型輸出自然結束或觸發了停止條件時為 "stop"。 audio `object`模型輸出的音頻資訊。屬性 url `string`完整音頻檔案的 URL，有效期間 24 小時。流式輸出說明：流式模式下，API 返回多個 chunk。中間 chunk 的 audio.data 包含 Base 64 編碼的音頻片段，audio.url 為空白；最後一個 chunk 的 audio.data 為空白字串，audio.url 包含完整音頻檔案的 OSS 地址。開發人員可在最後一個 chunk 中通過 url 欄位下載完整音頻。非流式模式下，該欄位直接返回完整音頻檔案 URL。 data `string`Base 64 編碼的音頻資料。非流式輸出和流式輸出的中間 chunk 中返回 Base 64 編碼的音頻片段；流式輸出的最後一個 chunk 中該欄位為空白字串，音頻通過同級的 url 欄位擷取。id `string`音訊唯一標識。expires_at `integer`URL 到期時間的 UNIX 時間戳記。
usage `object`本次請求的 Token 或字元消耗資訊。千問-TTS模型返回Token消耗資訊，千問3-TTS-Flash模型返回字元消耗資訊屬性 input_tokens_details `object`輸入文本的 Token消耗資訊。僅千問-TTS模型返回該欄位。屬性 text_tokens `integer`輸入文本的 Token 消耗量。 total_tokens `integer`本次請求總共消耗的 Token 量。僅千問-TTS模型返回該欄位。output_tokens `integer`輸出音訊 Token 消耗量。對於千問3-TTS-Flash模型，該欄位固定為0。input_tokens `integer`輸入文本的 Token 消耗量。對於千問3-TTS-Flash模型，該欄位固定為0。output_tokens_details `object`輸出的 Token 消耗資訊。僅千問-TTS模型返回該欄位。屬性 audio_tokens `integer`輸出音訊 Token 消耗量。text_tokens `integer`輸出文本的 Token 消耗量，當前固定為0。 characters `integer`輸入文本的字元數。僅千問3-TTS-Flash模型返回該欄位。
request_id `string`本次請求的 ID。

請求體

返回對象（流式與非流式輸出格式一致）