Skip to main content
声音复刻

声音复刻HTTP API参考

本文介绍声音复刻的HTTP API接口详情，包括创建音色、查询音色列表、查询音色详情、更新音色和删除音色等操作。

用户指南：声音复刻。

接口地址

  • 新加坡
  • 华北2（北京）
POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/customization调用时请将{WorkspaceId}替换为真实的Workspace ID。
阿里云百炼为华北2（北京）、新加坡地域推出了业务空间专属域名，能够为推理请求提供卓越的性能和更高的稳定性，建议迁移至新域名：
  • 华北2（北京）地域：从 dashscope.aliyuncs.com 迁移至 {WorkspaceId}.cn-beijing.maas.aliyuncs.com
  • 新加坡地域：从 dashscope-intl.aliyuncs.com 迁移至 {WorkspaceId}.ap-southeast-1.maas.aliyuncs.com
{WorkspaceId}需要替换为真实的Workspace ID。现有域名仍可正常使用。

请求头

参数

类型

是否必选

说明

Authorization

string

是

鉴权令牌，格式为Bearer <your_api_key>，使用时，将"<your_api_key>"替换为实际的API Key。

Content-Type

string

是

请求体的媒体类型。Qwen-Audio-TTS/CosyVoice/Qwen-TTS固定为application/json，MiniMax固定为application/json; charset=utf-8。

创建音色

请求体

modelstring（必选）声音复刻模型。取值：
  • voice-enrollment：Qwen-Audio-TTS/CosyVoice声音复刻。
  • qwen-voice-enrollment：Qwen-TTS声音复刻。
inputobject（必选）输入参数对象。

属性

action string（必选）操作类型。
  • Qwen-Audio-TTS/CosyVoice（voice-enrollment）：固定为create_voice。
  • Qwen（qwen-voice-enrollment）：固定为create。
target_model string（必选）驱动音色的语音合成模型。必须与后续调用语音合成接口时使用的模型一致，否则合成会失败。url string（条件必选）
仅适用于Qwen-Audio-TTS/CosyVoice声音复刻（model为voice-enrollment时）。
用于复刻音色的音频文件URL，要求公网可访问。audio object（条件必选）
仅适用于Qwen-TTS声音复刻（model为qwen-voice-enrollment时）。
音频数据，支持两种提交方式：
  • Data URL（Base64编码）：格式为{"data": "data:{mime_type};base64,{base64_encoded_data}"}，支持的MIME类型：audio/wav、audio/mpeg、audio/mp4。
  • 音频URL：格式为{"data": "https://your-audio-url.wav"}，URL必须公网可访问且无需鉴权。
text string（可选）
仅适用于Qwen-TTS声音复刻（model为qwen-voice-enrollment时）。
音频对应的文本内容，用于辅助提升复刻效果。prefix string（条件必选）
仅适用于Qwen-Audio-TTS/CosyVoice（model为voice-enrollment时）。
音色名称前缀，仅允许数字和英文字母，不超过10个字符。生成的音色名格式：{target_model}-{prefix}-{唯一标识}。preferred_name string（条件必选）
仅适用于Qwen-TTS声音复刻（model为qwen-voice-enrollment时）。
音色名称前缀，仅允许数字、英文字母和下划线，不超过16个字符。language_hints array[string]（可选）
仅适用于Qwen-Audio-TTS/CosyVoice声音复刻（model为voice-enrollment时），且仅qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、cosyvoice-v3.5-plus、v3.5-flash、v3-plus和v3-flash模型支持。
辅助模型识别样本音频的语种，从而更准确地提取音色特征，提升复刻效果。若设置的语种与实际音频语种不符（例如为中文音频设置 en），系统将忽略该设置并自动检测语种。此参数为数组，但当前版本仅处理第一个元素。取值范围（因模型而异）：
  • qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash：
    • zh：中文
    • en：英语
    • fr：法语
    • de：德语
    • ja：日语
    • ko：韩语
    • ru：俄语
    • pt：葡萄牙语
    • th：泰语
    • id：印尼语
    • vi：越南语
    • it：意大利语
    • es：西班牙语
    • ms：马来西亚语
    • fil：菲律宾语
    • ar：阿拉伯语
  • cosyvoice-v3-plus：
    • zh：中文
    • en：英文
    • fr：法语
    • de：德语
    • ja：日语
    • ko：韩语
    • ru：俄语
  • cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-flash：
    • zh：中文
    • en：英文
    • fr：法语
    • de：德语
    • ja：日语
    • ko：韩语
    • ru：俄语
    • pt：葡萄牙语
    • th：泰语
    • id：印尼语
    • vi：越南语
默认值：["zh"]。language string（可选）
仅适用于Qwen-TTS声音复刻（model为qwen-voice-enrollment时）。
指定 audio.data 音频对应的语种。若使用该参数，设置的语种须与实际用于复刻的音频语种一致。取值范围：
  • zh：中文
  • en：英文
  • de：德语
  • it：意大利语
  • pt：葡萄牙语
  • es：西班牙语
  • ja：日语
  • ko：韩语
  • fr：法语
  • ru：俄语
默认值：zh。max_prompt_audio_length float（可选）
仅适用于Qwen-Audio-TTS/CosyVoice声音复刻（model为voice-enrollment时），且仅qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、cosyvoice-v3.5-plus、v3.5-flash和v3-flash模型支持。
音频预处理后用于声音复刻的参考音频最大时长（秒）。取值范围：[3.0, 30.0]。默认值：10.0。enable_preprocess boolean（可选）
仅适用于Qwen-Audio-TTS/CosyVoice声音复刻（model为voice-enrollment时），且仅qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、cosyvoice-v3.5-plus、v3.5-flash和v3-flash模型支持。
是否开启音频预处理（降噪、音频增强、音量规整）。有背景噪音时建议开启；安静环境建议关闭以最大程度还原音色。默认值：false。enable_volume_normalization string（可选）
仅适用于Qwen-Audio-TTS/CosyVoice声音复刻（model为voice-enrollment时）。
是否对用于声音复刻的样本音频进行音量归一化。取值：
  • "true"：开启音量归一化。
  • "false"：关闭音量归一化。
开启后，使用所创建音色合成的音频，其音量可能与关闭该参数时创建的音色不同。默认值："false"。
以下为新加坡地域的配置，调用时请将"{WorkspaceId}"替换为真实的业务空间ID，各地域的配置不同。
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"
    }
}'

返回体

request_idstring本次调用的唯一标识符。outputobject模型返回的数据。

属性

voice_id / voicestring音色ID。Qwen-Audio-TTS/CosyVoice返回voice_id，Qwen返回voice。可直接用于语音合成接口的voice参数。target_modelstring
仅Qwen返回。
驱动音色的语音合成模型。fallback_modeboolean
仅适用于Qwen-TTS声音复刻（model为qwen-voice-enrollment时）。
是否以降级模式创建音色。当音频质量不佳或与文本不匹配时，该值为true，表示复刻效果可能不理想。fallback_reasonstring
仅当fallback_mode为true时返回。
降级原因。可能的值包括no_merged_segments（无法合并音频片段）、no_valid_asr_segments（音频与文本严重不匹配）等。
usageobject本次请求用量信息。

属性

count integer创建的音色数量，固定为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字段，Qwen返回voice字段。Qwen-TTS声音复刻还可能返回fallback_mode和fallback_reason字段。

查询音色列表

请求体

modelstring（必选）声音复刻模型。取值：
  • voice-enrollment：Qwen-Audio-TTS/CosyVoice声音复刻。
  • qwen-voice-enrollment：Qwen-TTS声音复刻。
inputobject（必选）输入参数对象。

属性

action string（必选）操作类型。Qwen-Audio-TTS/CosyVoice：list_voice。Qwen：list。prefix string（可选）
仅适用于Qwen-Audio-TTS/CosyVoice。
按前缀筛选音色。page_index integer（可选）页码索引。page_size integer（可选）每页包含数据条数。
以下为新加坡地域的配置，调用时请将"{WorkspaceId}"替换为真实的业务空间ID，各地域的配置不同。
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
    }
}'

返回体

request_idstring本次调用的唯一标识符。outputobject模型返回的数据。

属性

page_indexinteger
仅Qwen返回。
当前页码索引。page_sizeinteger
仅Qwen返回。
每页数据条数。total_countinteger
仅Qwen返回。
音色总数。voice_listarray[object]查询到的音色列表。Qwen-Audio-TTS/CosyVoice和Qwen均使用voice_list字段名。

属性

voice_id / voicestring音色ID。Qwen-Audio-TTS/CosyVoice为voice_id，Qwen为voice。gmt_createstring创建时间。gmt_modifiedstring修改时间。statusstring
仅Qwen-Audio-TTS/CosyVoice返回。
音色状态，取值参见"音色状态说明"。target_modelstring
仅Qwen返回。
驱动音色的语音合成模型。
usageobject本次请求用量信息。

属性

count integerQwen-Audio-TTS/CosyVoice固定为1。Qwen固定为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数组，每项包含voice_id字段；Qwen同样返回voice_list数组，每项包含voice字段。Qwen的output中还包含page_index、page_size和total_count分页信息字段。

查询音色详情

仅适用于Qwen-Audio-TTS/CosyVoice（model为voice-enrollment时）。Qwen模型不支持查询音色详情操作。

请求体

modelstring（必选）固定为voice-enrollment（Qwen-Audio-TTS/CosyVoice）。inputobject（必选）输入参数对象。

属性

action string（必选）固定为query_voice。voice_id string（必选）要查询的音色ID。
以下为新加坡地域的配置，调用时请将"{WorkspaceId}"替换为真实的业务空间ID，各地域的配置不同。
  • 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"
    }
}'

返回体

request_idstring本次调用的唯一标识符。outputobject模型返回的数据。

属性

resource_linkstring音频文件的URL地址。gmt_createstring创建时间。gmt_modifiedstring修改时间。statusstring音色状态，取值参见"音色状态说明"。target_modelstring驱动音色的语音合成模型。
usageobject本次请求用量信息。

属性

count integer固定为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

仅适用于Qwen-Audio-TTS/CosyVoice声音复刻（model为voice-enrollment时）。Qwen模型不支持更新操作。

请求体

modelstring（必选）固定为voice-enrollment。inputobject（必选）输入参数对象。

属性

action string（必选）固定为update_voice。voice_id string（必选）要更新的音色ID。url string（必选）新的音频文件URL，要求公网可访问。
以下为新加坡地域的配置，调用时请将"{WorkspaceId}"替换为真实的业务空间ID，各地域的配置不同。
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"
    }
}'

返回体

request_idstring本次调用的唯一标识符。outputobject模型返回的数据，更新操作返回空对象。usageobject本次请求用量信息。

属性

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

删除音色

请求体

modelstring（必选）声音复刻模型。取值：
  • voice-enrollment：Qwen-Audio-TTS/CosyVoice声音复刻。
  • qwen-voice-enrollment：Qwen-TTS声音复刻。
inputobject（必选）输入参数对象。

属性

action string（必选）操作类型。Qwen-Audio-TTS/CosyVoice：delete_voice。Qwen：delete。voice_id string（条件必选）
仅适用于Qwen-Audio-TTS/CosyVoice。
要删除的音色ID。voice string（条件必选）
仅适用于Qwen。
要删除的音色名称。
以下为新加坡地域的配置，调用时请将"{WorkspaceId}"替换为真实的业务空间ID，各地域的配置不同。
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"
    }
}'

返回体

request_idstring本次调用的唯一标识符。outputobject模型返回的数据。Qwen-Audio-TTS/CosyVoice返回空对象，Qwen返回已删除的音色名称。

属性

voicestring
仅Qwen返回。
已删除的音色名称。
usageobject本次请求用量信息。

属性

count integer固定为1。
{
    "output": {},
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}
Qwen-Audio-TTS/CosyVoice的output为空对象，Qwen返回voice字段。

音色状态说明

音色创建后会经过审核流程，以下是各状态的含义。此状态体系仅适用于Qwen-Audio-TTS/CosyVoice（model为voice-enrollment时），Qwen的查询和列表返回中不包含status字段。

状态

说明

DEPLOYING

审核中/处理中。

OK

审核通过，可正常使用。

UNDEPLOYED

审核未通过，不可使用。

使用 API
文本生成
图像生成
视频生成
音频
实时多模态
Realtime API
  • 概述
向量与排序
更多模型
工具包/框架
模型生产
文件管理
账单
更多