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 ，使用时，将“”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:;base64, ：MIME类型 WAV：audio/wav MP3：audio/mpeg M4A：audio/mp4 ：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 $DASHSCOPE_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen-voice-enrollment", "input": { "action": "create", "target_model": "qwen3-tts-vc-realtime-2026-01-15", "preferred_name": "guanyu", "audio": { "data": "https://xxx.wav" } } }' 查询音色列表 分页查询已创建的音色列表。 URL 中国内地： POST https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization 国际： POST https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization 请求头 参数 类型 是否必须 说明 Authorization string 支持 鉴权令牌，格式为Bearer ，使用时，将“”替换为实际的API Key。 Content-Type string 支持 请求体中传输的数据的媒体类型。固定为application/json。 消息体 包含所有请求参数的消息体如下，对于可选字段，在实际业务中可根据需求省略。 重要 model：声音复刻模型，固定为qwen-voice-enrollment，请勿修改。 { "model": "qwen-voice-enrollment", "input": { "action": "list", "page_size": 2, "page_index": 0 } } 请求参数 参数 类型 默认值 是否必须 说明 model string - 支持 声音复刻模型，固定为qwen-voice-enrollment。 action string - 支持 操作类型，固定为list。 page_index integer 0 不支持 页码索引。取值范围：[0, 1000000]。 page_size integer 10 不支持 每页包含数据条数。取值范围：[0, 1000000]。 响应参数 点击查看响应示例 需关注的参数如下： 参数 类型 说明 voice string 音色名称，可直接用于语音合成接口的voice参数。 gmt_create string 创建音色的时间。 target_model string 驱动音色的语音合成模型，支持的模型有： qwen3-tts-vc-realtime-2026-01-15 qwen3-tts-vc-realtime-2025-11-27 必须与后续调用语音合成接口时使用的语音合成模型一致，否则合成会失败。 request_id string Request ID。 count integer 本次请求实际计入费用的“创建音色”次数，本次请求的费用为 count×0.01 元。 查询音色不计费，因此count恒为0。 示例代码 重要 model：声音复刻模型，固定为qwen-voice-enrollment，请勿修改。 cURLPythonJava 若未将API Key配置到环境变量，需将示例中的$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 $DASHSCOPE_API_KEY' \ --header 'Content-Type: application/json' \ --data '{ "model": "qwen-voice-enrollment", "input": { "action": "list", "page_size": 10, "page_index": 0 } }' 删除音色 删除指定音色，释放对应额度。 URL 中国内地： POST https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization 国际： POST https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization 请求头 参数 类型 是否必须 说明 Authorization string 支持 鉴权令牌，格式为Bearer ，使用时，将“”替换为实际的API Key。 Content-Type string 支持 请求体中传输的数据的媒体类型。固定为application/json。 消息体 包含所有请求参数的消息体如下，对于可选字段，在实际业务中可根据需求省略： 重要 model：声音复刻模型，固定为qwen-voice-enrollment，请勿修改。 { "model": "qwen-voice-enrollment", "input": { "action": "delete", "voice": "yourVoice" } } 请求参数 参数 类型 默认值 是否必须 说明 model string - 支持 声音复刻模型，固定为qwen-voice-enrollment。 action string - 支持 操作类型，固定为delete。 voice string - 支持 待删除的音色。 响应参数 点击查看响应示例 需关注的参数如下： 参数 类型 说明 request_id string Request ID。 count integer 本次请求实际计入费用的“创建音色”次数，本次请求的费用为 count×0.01 元。 删除音色不计费，因此count恒为0。 示例代码 重要 model：声音复刻模型，固定为qwen-voice-enrollment，请勿修改。 cURLPythonJava 若未将API Key配置到环境变量，需将示例中的$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。