curl -X POST 'https://maas.qianwenaiapi.com/api/v1/services/aigc/multimodal-generation/generation' \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H 'Content-Type: application/json; charset=utf-8' \
-d '{
"input": {
"action": "voice_clone",
"voice_id": "bailian-test-voice-22",
"audio_url": "https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/cosyvoice/cosyvoice-zeroshot-sample.wav",
"text": "今天天气怎么样?"
},
"model": "MiniMax/speech-2.8-turbo"
}'{
"output": {
"voice_id": "qwen-audio-3.0-tts-flash-myvoice-xxxxxx"
},
"usage": {
"count": 1
},
"request_id": "xxxx-xxxx-xxxx"
}鉴权
请求体
application/json(必选)
显示子属性
显示子属性
(必选)
需要进行的操作,支持设置为:voice_clone(声音克隆)
(必选) 需要进行的操作,支持设置为:voice_clone(声音克隆)
(必选)
克隆音色的 voice_id,正确示例:"MiniMax001"。用户进行自定义 voice_id 时需注意:
- 自定义的 voice_id 长度范围[8,256]
- 首字符必须为英文字母
- 允许数字、字母、-、_
- 末位字符不可为 -、_
- voice_id 不可与已有 id 重复,否则会报错
该参数全局唯一,建议使用时间戳等个性化信息命名。
(必选) 克隆音色的 voice_id,正确示例:"MiniMax001"。用户进行自定义 voice_id 时需注意:
- 自定义的 voice_id 长度范围[8,256]
- 首字符必须为英文字母
- 允许数字、字母、-、_
- 末位字符不可为 -、_
- voice_id 不可与已有 id 重复,否则会报错 说明: 该参数全局唯一,建议使用时间戳等个性化信息命名。
(必选)
需要复刻的音频文件 URL,音频需符合以下规范:
- 音频格式需为:mp3、m4a、wav 格式
- 音频的时长最少应不低于 10 秒,最长应不超过 5 分钟
- 音频文件大小需不超过 20 MB
(必选) 需要复刻的音频文件 URL,音频需符合以下规范:
- 音频格式需为:mp3、m4a、wav 格式
- 音频的时长最少应不低于 10 秒,最长应不超过 5 分钟
- 音频文件大小需不超过 20 MB
(必选)
复刻声音期望试听的内容。限制 1000 字符以内。
试听将根据字符数正常收取语音合成费用,收费标准参见MiniMax模型价格。
- 语气词标签:仅当模型选择
speech-2.8-hd或speech-2.8-turbo时,支持在文本中插入语气词标签。支持的语气词:(laughs)(笑声)、(chuckle)(轻笑)、(coughs)(咳嗽)、(clear-throat)(清嗓子)、(groans)(呻吟)、(breath)(正常换气)、(pant)(喘气)、(inhale)(吸气)、(exhale)(呼气)、(gasps)(倒吸气)、(sniffs)(吸鼻子)、(sighs)(叹气)、(snorts)(喷鼻息)、(burps)(打嗝)、(lip-smacking)(咂嘴)、(humming)(哼唱)、(hissing)(嘶嘶声)、(emm)(嗯)、(whistles)(口哨)、(sneezes)(喷嚏)、(crying)(抽泣)、(applause)(鼓掌)
(必选) 复刻声音期望试听的内容。限制 1000 字符以内。 说明: 试听将根据字符数正常收取语音合成费用,收费标准参见MiniMax模型价格。
- 语气词标签:仅当模型选择
speech-2.8-hd或speech-2.8-turbo时,支持在文本中插入语气词标签。支持的语气词:(laughs)(笑声)、(chuckle)(轻笑)、(coughs)(咳嗽)、(clear-throat)(清嗓子)、(groans)(呻吟)、(breath)(正常换气)、(pant)(喘气)、(inhale)(吸气)、(exhale)(呼气)、(gasps)(倒吸气)、(sniffs)(吸鼻子)、(sighs)(叹气)、(snorts)(喷鼻息)、(burps)(打嗝)、(lip-smacking)(咂嘴)、(humming)(哼唱)、(hissing)(嘶嘶声)、(emm)(嗯)、(whistles)(口哨)、(sneezes)(喷嚏)、(crying)(抽泣)、(applause)(鼓掌)
(可选)
音色复刻示例音频,提供本参数将有助于增强语音合成的音色相似度和稳定性。若使用本参数,需准备一小段示例音频。
(可选) 音色复刻示例音频,提供本参数将有助于增强语音合成的音色相似度和稳定性。若使用本参数,需准备一小段示例音频。
**(可选)**默认值:false
音频复刻参数,表示是否开启降噪,默认值为 false。
**(可选)**默认值:false 音频复刻参数,表示是否开启降噪,默认值为 false。
**(可选)**默认值:false
是否开启音量归一化。
**(可选)**默认值:false 是否开启音量归一化。
**(可选)**默认值:false
是否在合成试听音频的末尾添加音频节奏标识。
**(可选)**默认值:false 是否在合成试听音频的末尾添加音频节奏标识。
(必选)
指定合成试听音频使用的语音模型。
支持的模型:
- MiniMax/speech-2.8-hd
- MiniMax/speech-02-hd
- MiniMax/speech-2.8-turbo
- MiniMax/speech-02-turbo
(必选) 指定合成试听音频使用的语音模型。 支持的模型:
- MiniMax/speech-2.8-hd
- MiniMax/speech-02-hd
- MiniMax/speech-2.8-turbo
- MiniMax/speech-02-turbo
响应
模型返回的数据。
模型返回的数据,更新操作返回空对象。
模型返回的数据,为空对象。
显示子属性
显示子属性
音色 ID,可用于语音合成接口的 voice 参数。
链接形式的试听音频。
输入音频是否命中风控。
输入音频命中风控的类型,取值为以下其一:
- 0:正常
- 1:严重违规
- 2:色情
- 3:广告
- 4:违禁
- 5:谩骂
- 6:暴恐
- 7:其他
输入音频命中风控的类型,取值为以下其一:
- 0:正常
- 1:严重违规
- 2:色情
- 3:广告
- 4:违禁
- 5:谩骂
- 6:暴恐
- 7:其他
创建时间。
音频文件的URL地址。
驱动音色的语音合成模型。
修改时间。
音色状态,取值参见"音色状态说明"。
本次调用的唯一标识符。