'commit'
This commit is contained in:
HuangHai
966
WeiXin/TTS.md
Normal file
966
WeiXin/TTS.md
Normal file
@@ -0,0 +1,966 @@
|
||||
Qwen-TTS声音复刻API参考
|
||||
更新时间：2026-01-17 00:25:11
|
||||
复制为 MD 格式
|
||||
产品详情
|
||||
我的收藏
|
||||
声音复刻依托大模型进行特征提取，无需训练即可复刻声音。仅需提供 10~20 秒的音频，即可生成高度相似且听感自然的定制音色。声音复刻与语音合成是前后关联的两个步骤。本文档聚焦于介绍声音复刻的参数和接口细节，语音合成请参见实时语音合成-通义千问。
|
||||
|
||||
用户指南：关于模型介绍和选型建议请参见实时语音合成-通义千问。
|
||||
|
||||
音频要求
|
||||
高质量的输入音频是获得优质复刻效果的基础。
|
||||
|
||||
|
||||
|
||||
项目
|
||||
|
||||
要求
|
||||
|
||||
支持格式
|
||||
|
||||
WAV (16bit)、MP3、M4A
|
||||
|
||||
音频时长
|
||||
|
||||
推荐10~20秒，最长不得超过60秒
|
||||
|
||||
文件大小
|
||||
|
||||
＜ 10 MB
|
||||
|
||||
采样率
|
||||
|
||||
≥ 24 kHz
|
||||
|
||||
声道
|
||||
|
||||
单声道
|
||||
|
||||
内容
|
||||
|
||||
音频必须包含至少3秒连续清晰朗读（无背景音），其余部分仅允许短暂停顿（≤2秒）；整段音频应避免背景音乐、噪音或其他人声，确保核心朗读内容质量；请使用正常说话音频作为输入，不要上传歌曲或唱歌音频，以确保复刻效果准确和可用
|
||||
|
||||
语言
|
||||
|
||||
中文（zh）、英文（en）、德语（de）、意大利语（it）、葡萄牙语（pt）、西班牙语（es）、日语（ja）、韩语（ko）、法语（fr）、俄语（ru）
|
||||
|
||||
快速开始：从复刻到合成
|
||||
image
|
||||
1. 工作流程
|
||||
声音复刻与语音合成是紧密关联的两个独立步骤，遵循“先创建，后使用”的流程：
|
||||
|
||||
创建音色
|
||||
|
||||
调用创建音色接口，上传一段音频。系统会分析该音频，创建一个专属的复刻音色。此步骤必须指定target_model，声明创建的音色将由哪个语音合成模型驱动。
|
||||
|
||||
若已有创建好的音色（调用查询音色列表接口查看），可跳过这一步直接进行下一步。
|
||||
|
||||
使用音色进行语音合成
|
||||
|
||||
调用语音合成接口，传入上一步获得的音色。此步骤指定的语音合成模型必须和上一步的target_model一致。
|
||||
|
||||
2. 模型配置与准备工作
|
||||
选择合适的模型并完成准备工作。
|
||||
|
||||
模型配置
|
||||
声音复刻时需要指定以下两个模型：
|
||||
|
||||
声音复刻模型：qwen-voice-enrollment
|
||||
|
||||
驱动音色的语音合成模型：
|
||||
|
||||
qwen3-tts-vc-realtime-2026-01-15
|
||||
|
||||
qwen3-tts-vc-realtime-2025-11-27
|
||||
|
||||
准备工作
|
||||
获取API Key：获取API Key，为安全起见，推荐将API Key配置到环境变量。
|
||||
|
||||
安装SDK：确保已安装最新版DashScope SDK。
|
||||
|
||||
准备待复刻音频：音频需符合音频要求。
|
||||
|
||||
3. 端到端示例
|
||||
以下示例演示了如何在语音合成中使用声音复刻生成的专属音色，实现与原音高度相似的输出效果。
|
||||
|
||||
关键原则：声音复刻时，target_model（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指定的语音合成模型一致，否则会合成失败。
|
||||
|
||||
示例使用本地音频文件 voice.mp3 进行声音复刻，运行代码时，请注意替换。
|
||||
|
||||
PythonJava
|
||||
|
||||
# coding=utf-8
|
||||
# Installation instructions for pyaudio:
|
||||
# APPLE Mac OS X
|
||||
# brew install portaudio
|
||||
# pip install pyaudio
|
||||
# Debian/Ubuntu
|
||||
# sudo apt-get install python-pyaudio python3-pyaudio
|
||||
# or
|
||||
# pip install pyaudio
|
||||
# CentOS
|
||||
# sudo yum install -y portaudio portaudio-devel && pip install pyaudio
|
||||
# Microsoft Windows
|
||||
# python -m pip install pyaudio
|
||||
|
||||
import pyaudio
|
||||
import os
|
||||
import requests
|
||||
import base64
|
||||
import pathlib
|
||||
import threading
|
||||
import time
|
||||
import dashscope # DashScope Python SDK 版本需要不低于1.23.9
|
||||
from dashscope.audio.qwen_tts_realtime import QwenTtsRealtime, QwenTtsRealtimeCallback, AudioFormat
|
||||
|
||||
# ======= 常量配置 =======
|
||||
DEFAULT_TARGET_MODEL = "qwen3-tts-vc-realtime-2026-01-15" # 声音复刻、语音合成要使用相同的模型
|
||||
DEFAULT_PREFERRED_NAME = "guanyu"
|
||||
DEFAULT_AUDIO_MIME_TYPE = "audio/mpeg"
|
||||
VOICE_FILE_PATH = "voice.mp3" # 用于声音复刻的本地音频文件的相对路径
|
||||
|
||||
TEXT_TO_SYNTHESIZE = [
|
||||
'对吧~我就特别喜欢这种超市，',
|
||||
'尤其是过年的时候',
|
||||
'去逛超市',
|
||||
'就会觉得',
|
||||
'超级超级开心！',
|
||||
'想买好多好多的东西呢！'
|
||||
]
|
||||
|
||||
def create_voice(file_path: str,
|
||||
target_model: str = DEFAULT_TARGET_MODEL,
|
||||
preferred_name: str = DEFAULT_PREFERRED_NAME,
|
||||
audio_mime_type: str = DEFAULT_AUDIO_MIME_TYPE) -> str:
|
||||
"""
|
||||
创建音色，并返回 voice 参数
|
||||
"""
|
||||
# 新加坡和北京地域的API Key不同。获取API Key：https://help.aliyun.com/zh/model-studio/get-api-key
|
||||
# 若没有配置环境变量，请用百炼API Key将下行替换为：api_key = "sk-xxx"
|
||||
api_key = os.getenv("DASHSCOPE_API_KEY")
|
||||
|
||||
file_path_obj = pathlib.Path(file_path)
|
||||
if not file_path_obj.exists():
|
||||
raise FileNotFoundError(f"音频文件不存在: {file_path}")
|
||||
|
||||
base64_str = base64.b64encode(file_path_obj.read_bytes()).decode()
|
||||
data_uri = f"data:{audio_mime_type};base64,{base64_str}"
|
||||
|
||||
# 以下为北京地域url，若使用新加坡地域的模型，需将url替换为：https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization
|
||||
url = "https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization"
|
||||
payload = {
|
||||
"model": "qwen-voice-enrollment", # 不要修改该值
|
||||
"input": {
|
||||
"action": "create",
|
||||
"target_model": target_model,
|
||||
"preferred_name": preferred_name,
|
||||
"audio": {"data": data_uri}
|
||||
}
|
||||
}
|
||||
headers = {
|
||||
"Authorization": f"Bearer {api_key}",
|
||||
"Content-Type": "application/json"
|
||||
}
|
||||
|
||||
resp = requests.post(url, json=payload, headers=headers)
|
||||
if resp.status_code != 200:
|
||||
raise RuntimeError(f"创建 voice 失败: {resp.status_code}, {resp.text}")
|
||||
|
||||
try:
|
||||
return resp.json()["output"]["voice"]
|
||||
except (KeyError, ValueError) as e:
|
||||
raise RuntimeError(f"解析 voice 响应失败: {e}")
|
||||
|
||||
def init_dashscope_api_key():
|
||||
"""
|
||||
初始化 dashscope SDK 的 API key
|
||||
"""
|
||||
# 新加坡和北京地域的API Key不同。获取API Key：https://help.aliyun.com/zh/model-studio/get-api-key
|
||||
# 若没有配置环境变量，请用百炼API Key将下行替换为：dashscope.api_key = "sk-xxx"
|
||||
dashscope.api_key = os.getenv("DASHSCOPE_API_KEY")
|
||||
|
||||
# ======= 回调类 =======
|
||||
class MyCallback(QwenTtsRealtimeCallback):
|
||||
"""
|
||||
自定义 TTS 流式回调
|
||||
"""
|
||||
def __init__(self):
|
||||
self.complete_event = threading.Event()
|
||||
self._player = pyaudio.PyAudio()
|
||||
self._stream = self._player.open(
|
||||
format=pyaudio.paInt16, channels=1, rate=24000, output=True
|
||||
)
|
||||
|
||||
def on_open(self) -> None:
|
||||
print('[TTS] 连接已建立')
|
||||
|
||||
def on_close(self, close_status_code, close_msg) -> None:
|
||||
self._stream.stop_stream()
|
||||
self._stream.close()
|
||||
self._player.terminate()
|
||||
print(f'[TTS] 连接关闭 code={close_status_code}, msg={close_msg}')
|
||||
|
||||
def on_event(self, response: dict) -> None:
|
||||
try:
|
||||
event_type = response.get('type', '')
|
||||
if event_type == 'session.created':
|
||||
print(f'[TTS] 会话开始: {response["session"]["id"]}')
|
||||
elif event_type == 'response.audio.delta':
|
||||
audio_data = base64.b64decode(response['delta'])
|
||||
self._stream.write(audio_data)
|
||||
elif event_type == 'response.done':
|
||||
print(f'[TTS] 响应完成, Response ID: {qwen_tts_realtime.get_last_response_id()}')
|
||||
elif event_type == 'session.finished':
|
||||
print('[TTS] 会话结束')
|
||||
self.complete_event.set()
|
||||
except Exception as e:
|
||||
print(f'[Error] 处理回调事件异常: {e}')
|
||||
|
||||
def wait_for_finished(self):
|
||||
self.complete_event.wait()
|
||||
|
||||
# ======= 主执行逻辑 =======
|
||||
if __name__ == '__main__':
|
||||
init_dashscope_api_key()
|
||||
print('[系统] 初始化 Qwen TTS Realtime ...')
|
||||
|
||||
callback = MyCallback()
|
||||
qwen_tts_realtime = QwenTtsRealtime(
|
||||
model=DEFAULT_TARGET_MODEL,
|
||||
callback=callback,
|
||||
# 以下为北京地域url，若使用新加坡地域的模型，需将url替换为：wss://dashscope-intl.aliyuncs.com/api-ws/v1/realtime
|
||||
url='wss://dashscope.aliyuncs.com/api-ws/v1/realtime'
|
||||
)
|
||||
qwen_tts_realtime.connect()
|
||||
|
||||
qwen_tts_realtime.update_session(
|
||||
voice=create_voice(VOICE_FILE_PATH), # 将voice参数替换为复刻生成的专属音色
|
||||
response_format=AudioFormat.PCM_24000HZ_MONO_16BIT,
|
||||
mode='server_commit'
|
||||
)
|
||||
|
||||
for text_chunk in TEXT_TO_SYNTHESIZE:
|
||||
print(f'[发送文本]: {text_chunk}')
|
||||
qwen_tts_realtime.append_text(text_chunk)
|
||||
time.sleep(0.1)
|
||||
|
||||
qwen_tts_realtime.finish()
|
||||
callback.wait_for_finished()
|
||||
|
||||
print(f'[Metric] session_id={qwen_tts_realtime.get_session_id()}, '
|
||||
f'first_audio_delay={qwen_tts_realtime.get_first_audio_delay()}s')
|
||||
API参考
|
||||
使用不同 API 时，请确保使用同一账号进行操作。
|
||||
|
||||
创建音色
|
||||
上传用于复刻的音频，创建自定义音色。
|
||||
|
||||
URL
|
||||
|
||||
中国内地：
|
||||
|
||||
|
||||
POST https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization
|
||||
国际：
|
||||
|
||||
|
||||
POST https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization
|
||||
请求头
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
参数
|
||||
|
||||
类型
|
||||
|
||||
是否必须
|
||||
|
||||
说明
|
||||
|
||||
Authorization
|
||||
|
||||
string
|
||||
|
||||
支持
|
||||
|
||||
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
|
||||
|
||||
支持
|
||||
|
||||
请求体中传输的数据的媒体类型。固定为application/json。
|
||||
|
||||
消息体
|
||||
|
||||
包含所有请求参数的消息体如下，对于可选字段，在实际业务中可根据需求省略。
|
||||
|
||||
重要
|
||||
注意区分如下参数：
|
||||
|
||||
model：声音复刻模型，固定为qwen-voice-enrollment
|
||||
|
||||
target_model：驱动音色的语音合成模型，须和后续调用语音合成接口时使用的语音合成模型一致，否则合成会失败
|
||||
|
||||
|
||||
{
|
||||
"model": "qwen-voice-enrollment",
|
||||
"input": {
|
||||
"action": "create",
|
||||
"target_model": "qwen3-tts-vc-realtime-2026-01-15",
|
||||
"preferred_name": "guanyu",
|
||||
"audio": {
|
||||
"data": "https://xxx.wav"
|
||||
},
|
||||
"text": "可选项，填入audio.data对应的文本",
|
||||
"language": "可选项，填入audio.data对应的语种，如zh"
|
||||
}
|
||||
}
|
||||
请求参数
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
参数
|
||||
|
||||
类型
|
||||
|
||||
默认值
|
||||
|
||||
是否必须
|
||||
|
||||
说明
|
||||
|
||||
model
|
||||
|
||||
string
|
||||
|
||||
-
|
||||
|
||||
支持
|
||||
|
||||
声音复刻模型，固定为qwen-voice-enrollment。
|
||||
|
||||
action
|
||||
|
||||
string
|
||||
|
||||
-
|
||||
|
||||
支持
|
||||
|
||||
操作类型，固定为create。
|
||||
|
||||
target_model
|
||||
|
||||
string
|
||||
|
||||
-
|
||||
|
||||
支持
|
||||
|
||||
驱动音色的语音合成模型，支持的模型有：
|
||||
|
||||
qwen3-tts-vc-realtime-2026-01-15
|
||||
|
||||
qwen3-tts-vc-realtime-2025-11-27
|
||||
|
||||
必须与后续调用语音合成接口时使用的语音合成模型一致，否则合成会失败。
|
||||
|
||||
preferred_name
|
||||
|
||||
string
|
||||
|
||||
-
|
||||
|
||||
支持
|
||||
|
||||
为音色指定一个便于识别的名称（仅允许数字、大小写字母和下划线，不超过16个字符）。建议选用与角色、场景相关的标识。
|
||||
|
||||
该关键字会在复刻的音色名中出现，例如关键字为“guanyu”，最终音色名为“qwen-tts-vc-guanyu-voice-20250812105009984-838b”
|
||||
audio.data
|
||||
|
||||
string
|
||||
|
||||
-
|
||||
|
||||
支持
|
||||
|
||||
用于复刻的音频（录制时需遵循录音操作指南，音频需满足音频要求）。
|
||||
|
||||
可通过以下两种方式提交音频数据：
|
||||
|
||||
Data URL
|
||||
|
||||
格式：data:<mediatype>;base64,<data>
|
||||
|
||||
<mediatype>：MIME类型
|
||||
|
||||
WAV：audio/wav
|
||||
|
||||
MP3：audio/mpeg
|
||||
|
||||
M4A：audio/mp4
|
||||
|
||||
<data>：音频转成的Base64编码的字符串
|
||||
|
||||
Base64编码会增大体积，请控制原文件大小，确保编码后仍小于10MB
|
||||
|
||||
示例：data:audio/wav;base64,SUQzBAAAAAAAI1RTU0UAAAAPAAADTGF2ZjU4LjI5LjEwMAAAAAAAAAAAAAAA//PAxABQ/BXRbMPe4IQAhl9
|
||||
|
||||
点击查看示例代码
|
||||
|
||||
音频URL（推荐将音频上传至OSS）
|
||||
|
||||
文件大小不超过10MB
|
||||
|
||||
URL必须公网可访问且无需鉴权
|
||||
|
||||
text
|
||||
|
||||
string
|
||||
|
||||
-
|
||||
|
||||
不支持
|
||||
|
||||
与audio.data音频内容相匹配的文本。
|
||||
|
||||
传入该参数后，服务端会对比音频与该文本的差异，若差异过大，将返回Audio.PreprocessError。
|
||||
|
||||
language
|
||||
|
||||
string
|
||||
|
||||
-
|
||||
|
||||
不支持
|
||||
|
||||
audio.data音频对应的语种。
|
||||
|
||||
支持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）。
|
||||
|
||||
若使用该参数，设置的语种要和实际用于复刻的音频的语种一致。
|
||||
|
||||
响应参数
|
||||
|
||||
点击查看响应示例
|
||||
|
||||
需关注的参数如下：
|
||||
|
||||
|
||||
|
||||
|
||||
参数
|
||||
|
||||
类型
|
||||
|
||||
说明
|
||||
|
||||
voice
|
||||
|
||||
string
|
||||
|
||||
音色名称，可直接用于语音合成接口的voice参数。
|
||||
|
||||
target_model
|
||||
|
||||
string
|
||||
|
||||
驱动音色的语音合成模型，支持的模型有：
|
||||
|
||||
qwen3-tts-vc-realtime-2026-01-15
|
||||
|
||||
qwen3-tts-vc-realtime-2025-11-27
|
||||
|
||||
必须与后续调用语音合成接口时使用的语音合成模型一致，否则合成会失败。
|
||||
|
||||
request_id
|
||||
|
||||
string
|
||||
|
||||
Request ID。
|
||||
|
||||
count
|
||||
|
||||
integer
|
||||
|
||||
本次请求实际计入费用的“创建音色”次数，本次请求的费用为
|
||||
count×0.01
|
||||
元。
|
||||
|
||||
创建音色时，count恒为1。
|
||||
|
||||
示例代码
|
||||
|
||||
重要
|
||||
注意区分如下参数：
|
||||
|
||||
model：声音复刻模型，固定为qwen-voice-enrollment
|
||||
|
||||
target_model：驱动音色的语音合成模型，须和后续调用语音合成接口时使用的语音合成模型一致，否则合成会失败
|
||||
|
||||
cURLPythonJava
|
||||
若未将API Key配置到环境变量，需将示例中的$DASHSCOPE_API_KEY替换为实际的API Key。
|
||||
|
||||
|
||||
# ======= 重要提示 =======
|
||||
# 以下为北京地域url，若使用新加坡地域的模型，需将url替换为：https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization
|
||||
# 新加坡地域和北京地域的API Key不同。获取API Key：https://help.aliyun.com/zh/model-studio/get-api-key
|
||||
# === 执行时请删除该注释 ===
|
||||
|
||||
curl -X POST https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization \
|
||||
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
|
||||
-H "Content-Type: application/json" \
|
||||
-d '{
|
||||
"model": "qwen-voice-enrollment",
|
||||
"input": {
|
||||
"action": "create",
|
||||
"target_model": "qwen3-tts-vc-realtime-2026-01-15",
|
||||
"preferred_name": "guanyu",
|
||||
"audio": {
|
||||
"data": "https://xxx.wav"
|
||||
}
|
||||
}
|
||||
}'
|
||||
查询音色列表
|
||||
分页查询已创建的音色列表。
|
||||
|
||||
URL
|
||||
|
||||
中国内地：
|
||||
|
||||
|
||||
POST https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization
|
||||
国际：
|
||||
|
||||
|
||||
POST https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization
|
||||
请求头
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
参数
|
||||
|
||||
类型
|
||||
|
||||
是否必须
|
||||
|
||||
说明
|
||||
|
||||
Authorization
|
||||
|
||||
string
|
||||
|
||||
支持
|
||||
|
||||
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
|
||||
|
||||
支持
|
||||
|
||||
请求体中传输的数据的媒体类型。固定为application/json。
|
||||
|
||||
消息体
|
||||
|
||||
包含所有请求参数的消息体如下，对于可选字段，在实际业务中可根据需求省略。
|
||||
|
||||
重要
|
||||
model：声音复刻模型，固定为qwen-voice-enrollment，请勿修改。
|
||||
|
||||
|
||||
{
|
||||
"model": "qwen-voice-enrollment",
|
||||
"input": {
|
||||
"action": "list",
|
||||
"page_size": 2,
|
||||
"page_index": 0
|
||||
}
|
||||
}
|
||||
请求参数
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
参数
|
||||
|
||||
类型
|
||||
|
||||
默认值
|
||||
|
||||
是否必须
|
||||
|
||||
说明
|
||||
|
||||
model
|
||||
|
||||
string
|
||||
|
||||
-
|
||||
|
||||
支持
|
||||
|
||||
声音复刻模型，固定为qwen-voice-enrollment。
|
||||
|
||||
action
|
||||
|
||||
string
|
||||
|
||||
-
|
||||
|
||||
支持
|
||||
|
||||
操作类型，固定为list。
|
||||
|
||||
page_index
|
||||
|
||||
integer
|
||||
|
||||
0
|
||||
|
||||
不支持
|
||||
|
||||
页码索引。取值范围：[0, 1000000]。
|
||||
|
||||
page_size
|
||||
|
||||
integer
|
||||
|
||||
10
|
||||
|
||||
不支持
|
||||
|
||||
每页包含数据条数。取值范围：[0, 1000000]。
|
||||
|
||||
响应参数
|
||||
|
||||
点击查看响应示例
|
||||
|
||||
需关注的参数如下：
|
||||
|
||||
|
||||
|
||||
|
||||
参数
|
||||
|
||||
类型
|
||||
|
||||
说明
|
||||
|
||||
voice
|
||||
|
||||
string
|
||||
|
||||
音色名称，可直接用于语音合成接口的voice参数。
|
||||
|
||||
gmt_create
|
||||
|
||||
string
|
||||
|
||||
创建音色的时间。
|
||||
|
||||
target_model
|
||||
|
||||
string
|
||||
|
||||
驱动音色的语音合成模型，支持的模型有：
|
||||
|
||||
qwen3-tts-vc-realtime-2026-01-15
|
||||
|
||||
qwen3-tts-vc-realtime-2025-11-27
|
||||
|
||||
必须与后续调用语音合成接口时使用的语音合成模型一致，否则合成会失败。
|
||||
|
||||
request_id
|
||||
|
||||
string
|
||||
|
||||
Request ID。
|
||||
|
||||
count
|
||||
|
||||
integer
|
||||
|
||||
本次请求实际计入费用的“创建音色”次数，本次请求的费用为
|
||||
count×0.01
|
||||
元。
|
||||
|
||||
查询音色不计费，因此count恒为0。
|
||||
|
||||
示例代码
|
||||
|
||||
重要
|
||||
model：声音复刻模型，固定为qwen-voice-enrollment，请勿修改。
|
||||
|
||||
cURLPythonJava
|
||||
若未将API Key配置到环境变量，需将示例中的$DASHSCOPE_API_KEY替换为实际的API Key。
|
||||
|
||||
|
||||
# ======= 重要提示 =======
|
||||
# 以下为北京地域url，若使用新加坡地域的模型，需将url替换为：https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization
|
||||
# 新加坡地域和北京地域的API Key不同。获取API Key：https://help.aliyun.com/zh/model-studio/get-api-key
|
||||
# === 执行时请删除该注释 ===
|
||||
|
||||
curl --location --request POST 'https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization' \
|
||||
--header 'Authorization: Bearer $DASHSCOPE_API_KEY' \
|
||||
--header 'Content-Type: application/json' \
|
||||
--data '{
|
||||
"model": "qwen-voice-enrollment",
|
||||
"input": {
|
||||
"action": "list",
|
||||
"page_size": 10,
|
||||
"page_index": 0
|
||||
}
|
||||
}'
|
||||
删除音色
|
||||
删除指定音色，释放对应额度。
|
||||
|
||||
URL
|
||||
|
||||
中国内地：
|
||||
|
||||
|
||||
POST https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization
|
||||
国际：
|
||||
|
||||
|
||||
POST https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization
|
||||
请求头
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
参数
|
||||
|
||||
类型
|
||||
|
||||
是否必须
|
||||
|
||||
说明
|
||||
|
||||
Authorization
|
||||
|
||||
string
|
||||
|
||||
支持
|
||||
|
||||
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
|
||||
|
||||
支持
|
||||
|
||||
请求体中传输的数据的媒体类型。固定为application/json。
|
||||
|
||||
消息体
|
||||
|
||||
包含所有请求参数的消息体如下，对于可选字段，在实际业务中可根据需求省略：
|
||||
|
||||
重要
|
||||
model：声音复刻模型，固定为qwen-voice-enrollment，请勿修改。
|
||||
|
||||
|
||||
{
|
||||
"model": "qwen-voice-enrollment",
|
||||
"input": {
|
||||
"action": "delete",
|
||||
"voice": "yourVoice"
|
||||
}
|
||||
}
|
||||
请求参数
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
参数
|
||||
|
||||
类型
|
||||
|
||||
默认值
|
||||
|
||||
是否必须
|
||||
|
||||
说明
|
||||
|
||||
model
|
||||
|
||||
string
|
||||
|
||||
-
|
||||
|
||||
支持
|
||||
|
||||
声音复刻模型，固定为qwen-voice-enrollment。
|
||||
|
||||
action
|
||||
|
||||
string
|
||||
|
||||
-
|
||||
|
||||
支持
|
||||
|
||||
操作类型，固定为delete。
|
||||
|
||||
voice
|
||||
|
||||
string
|
||||
|
||||
-
|
||||
|
||||
支持
|
||||
|
||||
待删除的音色。
|
||||
|
||||
响应参数
|
||||
|
||||
点击查看响应示例
|
||||
|
||||
需关注的参数如下：
|
||||
|
||||
|
||||
|
||||
|
||||
参数
|
||||
|
||||
类型
|
||||
|
||||
说明
|
||||
|
||||
request_id
|
||||
|
||||
string
|
||||
|
||||
Request ID。
|
||||
|
||||
count
|
||||
|
||||
integer
|
||||
|
||||
本次请求实际计入费用的“创建音色”次数，本次请求的费用为
|
||||
count×0.01
|
||||
元。
|
||||
|
||||
删除音色不计费，因此count恒为0。
|
||||
|
||||
示例代码
|
||||
|
||||
重要
|
||||
model：声音复刻模型，固定为qwen-voice-enrollment，请勿修改。
|
||||
|
||||
cURLPythonJava
|
||||
若未将API Key配置到环境变量，需将示例中的$DASHSCOPE_API_KEY替换为实际的API Key。
|
||||
|
||||
|
||||
# ======= 重要提示 =======
|
||||
# 以下为北京地域url，若使用新加坡地域的模型，需将url替换为：https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization
|
||||
# 新加坡地域和北京地域的API Key不同。获取API Key：https://help.aliyun.com/zh/model-studio/get-api-key
|
||||
# === 执行时请删除该注释 ===
|
||||
|
||||
curl --location --request POST 'https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization' \
|
||||
--header 'Authorization: Bearer $DASHSCOPE_API_KEY' \
|
||||
--header 'Content-Type: application/json' \
|
||||
--data '{
|
||||
"model": "qwen-voice-enrollment",
|
||||
"input": {
|
||||
"action": "delete",
|
||||
"voice": "yourVoice"
|
||||
}
|
||||
}'
|
||||
语音合成
|
||||
如何使用声音复刻生成的专属音色合成个性化的声音，请参见快速开始：从复刻到合成。
|
||||
|
||||
用于声音复刻的语音合成模型（如 qwen3-tts-vc-realtime-2026-01-15）为专用模型，仅支持使用复刻生成的音色，不支持Chelsie、Serena、Ethan、Cherry等公共预设音色。
|
||||
|
||||
音色配额与自动清理规则
|
||||
总数限制：1000个音色/账号
|
||||
|
||||
当前接口不提供音色数量查询功能，可通过调用查询音色列表接口自行统计音色数目
|
||||
自动清理：若单个音色在过去一年内未被用于任何语音合成请求，系统将自动将其删除
|
||||
|
||||
计费说明
|
||||
声音复刻和语音合成分开计费：
|
||||
|
||||
声音复刻：创建音色按0.01 元/个计费，创建失败不计费
|
||||
|
||||
说明
|
||||
免费额度说明（仅中国站北京地域和国际站新加坡地域有免费额度）：
|
||||
|
||||
阿里云百炼开通后90天内，可享1000次免费音色创建机会。
|
||||
|
||||
创建失败不占用免费次数。
|
||||
|
||||
删除音色不会恢复免费次数。
|
||||
|
||||
免费额度用完或超出 90 天有效期后，创建音色将按0.01 元/个的价格计费。
|
||||
|
||||
使用复刻生成的专属音色进行语音合成：按量（文本字符数）计费，详情请参见实时语音合成-通义千问
|
||||
|
||||
版权与合法性
|
||||
您需对所提供声音的所有权及合法使用权负责，请注意阅读服务协议。
|
||||
|
||||
录音操作指南
|
||||
录音设备
|
||||
推荐使用具备降噪功能的麦克风，或在安静环境下使用手机近距离录音，以保证音源纯净。
|
||||
|
||||
录音环境
|
||||
场地
|
||||
建议在 10 平方米以内的小型封闭空间录音。
|
||||
|
||||
优先选择配有吸音材料（如吸音棉、地毯、窗帘）的房间。
|
||||
|
||||
避免空旷大厅、会议室、教室等高混响场所。
|
||||
|
||||
噪音控制
|
||||
室外噪音：关闭门窗，避免交通、施工等干扰。
|
||||
|
||||
室内噪音：关闭空调、风扇、日光灯镇流器等设备；可通过手机录制环境音并放大播放，识别潜在噪音源。
|
||||
|
||||
混响控制
|
||||
混响会导致声音模糊、清晰度下降。
|
||||
|
||||
减少光滑表面反射：拉上窗帘、打开衣柜门、铺放衣物或床单覆盖桌面/柜面。
|
||||
|
||||
利用不规则物体（如书架、软包家具）实现声波漫反射。
|
||||
|
||||
录音文案
|
||||
文案内容灵活，建议与目标应用场景一致（例如，若用于客服场景，文案应为客服对话风格），但必须确保不包含任何敏感或非法词汇（如政治、色情、暴力相关内容），否则会导致复刻失败。
|
||||
|
||||
避免短句（如“你好”、“是的”），应使用完整句子。
|
||||
|
||||
保持语义连贯，朗读时避免频繁停顿（建议至少连续 3 秒无中断）。
|
||||
|
||||
可带入目标情绪（如亲切、严肃），但需避免过度夸张的戏剧化朗读，保持语调自然。
|
||||
|
||||
操作建议
|
||||
以普通卧室为例：
|
||||
|
||||
关闭门窗，隔绝外部噪音。
|
||||
|
||||
关闭空调、电扇等电器。
|
||||
|
||||
拉上窗帘，减少玻璃反射。
|
||||
|
||||
在桌面铺放衣物或毛毯，降低桌面反射。
|
||||
|
||||
提前熟悉文案，设定角色语气，自然演绎。
|
||||
|
||||
与录音设备保持约 10 厘米距离，避免喷麦或信号过弱。
|
||||
Reference in New Issue
Block a user