Skip to main content
聲音複刻

聲音複刻HTTP API參考

本文介紹聲音複刻的HTTP API介面詳情，包括建立音色、查詢音色列表、查詢音色詳情、更新音色和刪除音色等操作。

使用者指南：聲音複刻。

介面地址

  • 新加坡
  • 華北2（北京）
POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/customization調用時請將{WorkspaceId}替換為真實的Workspace ID。
阿里雲百鍊為華北2（北京）、新加坡地區推出了業務空間專屬網域名稱，能夠為推理請求提供卓越的效能和更高的穩定性，建議遷移至新網域名稱：
  • 華北2（北京）地區：從 dashscope.aliyuncs.com 遷移至 {WorkspaceId}.cn-beijing.maas.aliyuncs.com
  • 新加坡地區：從 dashscope-intl.aliyuncs.com 遷移至 {WorkspaceId}.ap-southeast-1.maas.aliyuncs.com
{WorkspaceId}需要替換為真實的Workspace ID。現有網域名稱仍可正常使用。

要求標頭

參數

類型

是否必選

說明

Authorization

string

是

鑒權令牌，格式為Bearer <your_api_key>，使用時，將"<your_api_key>"替換為實際的API Key。

Content-Type

string

是

請求體的媒體類型。Qwen-Audio-TTS/CosyVoice/Qwen-TTS固定為application/json，MiniMax固定為application/json; charset=utf-8。

建立音色

請求體

modelstring（必選）聲音複刻模型。取值：
  • voice-enrollment：Qwen-Audio-TTS/CosyVoice聲音複刻。
  • qwen-voice-enrollment：Qwen-TTS聲音複刻。
inputobject（必選）輸入參數對象。

屬性

action string（必選）操作類型。
  • Qwen-Audio-TTS/CosyVoice（voice-enrollment）：固定為create_voice。
  • Qwen（qwen-voice-enrollment）：固定為create。
target_model string（必選）驅動音色的語音合成模型。必須與後續調用語音合成介面時使用的模型一致，否則合成會失敗。url string（條件必選）
僅適用於Qwen-Audio-TTS/CosyVoice聲音複刻（model為voice-enrollment時）。
用於複刻音色的音頻檔案URL，要求公網可訪問。audio object（條件必選）
僅適用於Qwen-TTS聲音複刻（model為qwen-voice-enrollment時）。
音頻資料，支援兩種提交方式：
  • Data URL（Base64編碼）：格式為{"data": "data:{mime_type};base64,{base64_encoded_data}"}，支援的MIME類型：audio/wav、audio/mpeg、audio/mp4。
  • 音頻URL：格式為{"data": "https://your-audio-url.wav"}，URL必須公網可訪問且無需鑒權。
text string（可選）
僅適用於Qwen-TTS聲音複刻（model為qwen-voice-enrollment時）。
音頻對應的常值內容，用於輔助提升複刻效果。prefix string（條件必選）
僅適用於Qwen-Audio-TTS/CosyVoice（model為voice-enrollment時）。
音色名稱首碼，僅允許數字和英文字母，不超過10個字元。產生的音色名格式：{target_model}-{prefix}-{唯一標識}。preferred_name string（條件必選）
僅適用於Qwen-TTS聲音複刻（model為qwen-voice-enrollment時）。
音色名稱首碼，僅允許數字、英文字母和底線，不超過16個字元。language_hints array[string]（可選）
僅適用於Qwen-Audio-TTS/CosyVoice聲音複刻（model為voice-enrollment時），且僅qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、cosyvoice-v3.5-plus、v3.5-flash、v3-plus和v3-flash模型支援。
輔助模型識別樣本音訊語種，從而更準確地提取音色特徵，提升複刻效果。若設定的語種與實際音頻語種不符（例如為中文音頻設定 en），系統將忽略該設定並自動檢測語種。此參數為數組，但目前的版本僅處理第一個元素。取值範圍（因模型而異）：
  • qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash：
    • zh：中文
    • en：英語
    • fr：法語
    • de：德語
    • ja：日語
    • ko：韓語
    • ru：俄語
    • pt：葡萄牙語
    • th：泰語
    • id：印尼語
    • vi：越南語
    • it：意大利語
    • es：西班牙語
    • ms：馬來西亞語
    • fil：菲律賓語
    • ar：阿拉伯語
  • cosyvoice-v3-plus：
    • zh：中文
    • en：英文
    • fr：法語
    • de：德語
    • ja：日語
    • ko：韓語
    • ru：俄語
  • cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-flash：
    • zh：中文
    • en：英文
    • fr：法語
    • de：德語
    • ja：日語
    • ko：韓語
    • ru：俄語
    • pt：葡萄牙語
    • th：泰語
    • id：印尼語
    • vi：越南語
預設值：["zh"]。language string（可選）
僅適用於Qwen-TTS聲音複刻（model為qwen-voice-enrollment時）。
指定 audio.data 音頻對應的語種。若使用該參數，設定的語種須與實際用於複刻的音頻語種一致。取值範圍：
  • zh：中文
  • en：英文
  • de：德語
  • it：意大利語
  • pt：葡萄牙語
  • es：西班牙語
  • ja：日語
  • ko：韓語
  • fr：法語
  • ru：俄語
預設值：zh。max_prompt_audio_length float（可選）
僅適用於Qwen-Audio-TTS/CosyVoice聲音複刻（model為voice-enrollment時），且僅qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、cosyvoice-v3.5-plus、v3.5-flash和v3-flash模型支援。
音頻預先處理後用於聲音複刻的參考音頻最大時間長度（秒）。取值範圍：[3.0, 30.0]。預設值：10.0。enable_preprocess boolean（可選）
僅適用於Qwen-Audio-TTS/CosyVoice聲音複刻（model為voice-enrollment時），且僅qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、cosyvoice-v3.5-plus、v3.5-flash和v3-flash模型支援。
是否開啟音頻預先處理（降噪、音頻增強、音量規整）。有背景雜音時建議開啟；安靜環境建議關閉以最大程度還原音色。預設值：false。enable_volume_normalization string（可選）
僅適用於Qwen-Audio-TTS/CosyVoice聲音複刻（model為voice-enrollment時）。
是否對用於聲音複刻的樣本音頻進行音量歸一化。取值：
  • "true"：開啟音量歸一化。
  • "false"：關閉音量歸一化。
開啟後，使用所建立音色合成的音頻，其音量可能與關閉該參數時建立的音色不同。預設值："false"。
以下為新加坡地區的配置，調用時請將"{WorkspaceId}"替換為真實的業務空間ID，各地區的配置不同。
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/customization \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "voice-enrollment",
    "input": {
        "action": "create_voice",
        "target_model": "qwen-audio-3.0-tts-flash",
        "prefix": "myvoice",
        "url": "https://your-audio-url.wav",
        "language_hints": ["zh"],
        "enable_volume_normalization": "false"
    }
}'

返回體

request_idstring本次調用的唯一識別碼。outputobject模型返回的資料。

屬性

voice_id / voicestring音色ID。Qwen-Audio-TTS/CosyVoice返回voice_id，Qwen返回voice。可直接用於語音合成介面的voice參數。target_modelstring
僅Qwen返回。
驅動音色的語音合成模型。fallback_modeboolean
僅適用於Qwen-TTS聲音複刻（model為qwen-voice-enrollment時）。
是否以降級模式建立音色。當音頻品質不佳或與文本不匹配時，該值為true，表示複刻效果可能不理想。fallback_reasonstring
僅當fallback_mode為true時返回。
降級原因。可能的值包括no_merged_segments（無法合并音頻片段）、no_valid_asr_segments（音頻與文本嚴重不匹配）等。
usageobject本次請求用量資訊。

屬性

count integer建立的音色數量，固定為1。
{
    "output": {
        "voice_id": "qwen-audio-3.0-tts-flash-myvoice-xxxxxx"
    },
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}
Qwen-Audio-TTS/CosyVoice返回voice_id欄位，Qwen返回voice欄位。Qwen-TTS聲音複刻還可能返回fallback_mode和fallback_reason欄位。

查詢音色列表

請求體

modelstring（必選）聲音複刻模型。取值：
  • voice-enrollment：Qwen-Audio-TTS/CosyVoice聲音複刻。
  • qwen-voice-enrollment：Qwen-TTS聲音複刻。
inputobject（必選）輸入參數對象。

屬性

action string（必選）操作類型。Qwen-Audio-TTS/CosyVoice：list_voice。Qwen：list。prefix string（可選）
僅適用於Qwen-Audio-TTS/CosyVoice。
按首碼篩選音色。page_index integer（可選）頁碼索引。page_size integer（可選）每頁包含資料條數。
以下為新加坡地區的配置，調用時請將"{WorkspaceId}"替換為真實的業務空間ID，各地區的配置不同。
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/customization \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "voice-enrollment",
    "input": {
        "action": "list_voice",
        "prefix": "myvoice",
        "page_size": 10,
        "page_index": 0
    }
}'

返回體

request_idstring本次調用的唯一識別碼。outputobject模型返回的資料。

屬性

page_indexinteger
僅Qwen返回。
當前頁碼索引。page_sizeinteger
僅Qwen返回。
每頁資料條數。total_countinteger
僅Qwen返回。
音色總數。voice_listarray[object]查詢到的音色列表。Qwen-Audio-TTS/CosyVoice和Qwen均使用voice_list欄位名。

屬性

voice_id / voicestring音色ID。Qwen-Audio-TTS/CosyVoice為voice_id，Qwen為voice。gmt_createstring建立時間。gmt_modifiedstring修改時間。statusstring
僅Qwen-Audio-TTS/CosyVoice返回。
音色狀態，取值參見"音色狀態說明"。target_modelstring
僅Qwen返回。
驅動音色的語音合成模型。
usageobject本次請求用量資訊。

屬性

count integerQwen-Audio-TTS/CosyVoice固定為1。Qwen固定為0。
{
    "output": {
        "voice_list": [
            {
                "voice_id": "qwen-audio-3.0-tts-flash-myvoice-xxxxxx",
                "gmt_create": "2024-12-11 13:38:02",
                "gmt_modified": "2024-12-11 13:38:02",
                "status": "OK"
            }
        ]
    },
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}
Qwen-Audio-TTS/CosyVoice返回voice_list數組，每項包含voice_id欄位；Qwen同樣返回voice_list數組，每項包含voice欄位。Qwen的output中還包含page_index、page_size和total_count分頁資訊欄位。

查詢音色詳情

僅適用於Qwen-Audio-TTS/CosyVoice（model為voice-enrollment時）。Qwen模型不支援查詢音色詳情操作。

請求體

modelstring（必選）固定為voice-enrollment（Qwen-Audio-TTS/CosyVoice）。inputobject（必選）輸入參數對象。

屬性

action string（必選）固定為query_voice。voice_id string（必選）要查詢的音色ID。
以下為新加坡地區的配置，調用時請將"{WorkspaceId}"替換為真實的業務空間ID，各地區的配置不同。
  • Qwen-Audio-TTS/CosyVoice
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/customization \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "voice-enrollment",
    "input": {
        "action": "query_voice",
        "voice_id": "yourVoiceId"
    }
}'

返回體

request_idstring本次調用的唯一識別碼。outputobject模型返回的資料。

屬性

resource_linkstring音頻檔案的URL地址。gmt_createstring建立時間。gmt_modifiedstring修改時間。statusstring音色狀態，取值參見"音色狀態說明"。target_modelstring驅動音色的語音合成模型。
usageobject本次請求用量資訊。

屬性

count integer固定為1。
{
    "output": {
        "gmt_create": "2024-12-11 13:38:02",
        "resource_link": "https://yourAudioFileUrl",
        "target_model": "qwen-audio-3.0-tts-flash",
        "gmt_modified": "2024-12-11 13:38:02",
        "status": "OK"
    },
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}

更新音色

僅適用於Qwen-Audio-TTS/CosyVoice聲音複刻（model為voice-enrollment時）。Qwen模型不支援更新操作。

請求體

modelstring（必選）固定為voice-enrollment。inputobject（必選）輸入參數對象。

屬性

action string（必選）固定為update_voice。voice_id string（必選）要更新的音色ID。url string（必選）新的音頻檔案URL，要求公網可訪問。
以下為新加坡地區的配置，調用時請將"{WorkspaceId}"替換為真實的業務空間ID，各地區的配置不同。
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/customization \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "voice-enrollment",
    "input": {
        "action": "update_voice",
        "voice_id": "yourVoiceId",
        "url": "https://new-audio-url.wav"
    }
}'

返回體

request_idstring本次調用的唯一識別碼。outputobject模型返回的資料，更新操作返回Null 物件。usageobject本次請求用量資訊。

屬性

count integer固定為1。
{
    "output": {},
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}

刪除音色

請求體

modelstring（必選）聲音複刻模型。取值：
  • voice-enrollment：Qwen-Audio-TTS/CosyVoice聲音複刻。
  • qwen-voice-enrollment：Qwen-TTS聲音複刻。
inputobject（必選）輸入參數對象。

屬性

action string（必選）操作類型。Qwen-Audio-TTS/CosyVoice：delete_voice。Qwen：delete。voice_id string（條件必選）
僅適用於Qwen-Audio-TTS/CosyVoice。
要刪除的音色ID。voice string（條件必選）
僅適用於Qwen。
要刪除的音色名稱。
以下為新加坡地區的配置，調用時請將"{WorkspaceId}"替換為真實的業務空間ID，各地區的配置不同。
curl -X POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/customization \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "voice-enrollment",
    "input": {
        "action": "delete_voice",
        "voice_id": "yourVoiceId"
    }
}'

返回體

request_idstring本次調用的唯一識別碼。outputobject模型返回的資料。Qwen-Audio-TTS/CosyVoice返回Null 物件，Qwen返回已刪除的音色名稱。

屬性

voicestring
僅Qwen返回。
已刪除的音色名稱。
usageobject本次請求用量資訊。

屬性

count integer固定為1。
{
    "output": {},
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}
Qwen-Audio-TTS/CosyVoice的output為空白對象，Qwen返回voice欄位。

音色狀態說明

音色建立後會經過審核流程，以下是各狀態的含義。此狀態體系僅適用於Qwen-Audio-TTS/CosyVoice（model為voice-enrollment時），Qwen的查詢和列表返回中不包含status欄位。

狀態

說明

DEPLOYING

審核中/處理中。

OK

審核通過，可正常使用。

UNDEPLOYED

審核未通過，不可使用。

使用 API
文本產生
映像產生
視頻產生
音頻
即時多模態
Realtime API
  • 概述
向量與排序
更多模型
工具包/架構
模型生產
檔案管理
更多