跳转到主要内容
千问AI平台 home page
文档
声音复刻

声音复刻Python SDK参考

本文介绍声音复刻的Python SDK使用方法。

用户指南：声音复刻。

接口地址

SDK 的接口地址需在初始化前设置为下方地址。 https://maas.qianwenaiapi.com/api/v1

VoiceEnrollmentService 类

包路径：dashscope.audio.tts_v2.VoiceEnrollmentService 功能：管理Qwen-Audio-TTS/CosyVoice复刻音色的生命周期（创建、查询、更新、删除）。

构造方法

VoiceEnrollmentService()

create_voice() - 创建音色

方法签名： 
def create_voice(self, target_model: str, prefix: str, url: str,
                 language_hints: List[str] = None,
                 max_prompt_audio_length: float = None,
                 **kwargs) -> str
参数说明：
参数类型必填说明
target_modelstr是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。
prefixstr是音色名称前缀，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}。
urlstr是用于复刻音色的音频文件URL，要求公网可访问。
language_hintsList[str]否仅适用于Qwen-Audio-TTS/CosyVoice声音复刻（model为voice-enrollment时），且仅qwen-audio-3.0-tts-plus、qwen-audio-3.1-tts-flash、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-3.1-tts-flash、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"]。
max_prompt_audio_lengthfloat否仅适用于Qwen-Audio-TTS/CosyVoice声音复刻（model为voice-enrollment时），且仅qwen-audio-3.0-tts-plus、qwen-audio-3.1-tts-flash、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_preprocessbool否仅适用于Qwen-Audio-TTS/CosyVoice声音复刻（model为voice-enrollment时），且仅qwen-audio-3.0-tts-plus、qwen-audio-3.1-tts-flash、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_normalizationbool否是否对用于声音复刻的样本音频进行音量归一化。通过关键字参数直接传入。默认值为False。设置为True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。
返回值：str，音色ID（voice_id）。

list_voices() - 查询音色列表

方法签名： 
def list_voices(self, prefix: str = None, page_index: int = 0, page_size: int = 10) -> list
参数说明：
参数类型必填说明
prefixstr否按音色名称前缀筛选。
page_indexint否页码索引，默认0。
page_sizeint否每页条数，默认10。
返回值：list，音色列表。

query_voice() - 查询音色详情

方法签名： 
def query_voice(self, voice_id: str) -> dict
参数说明：
参数类型必填说明
voice_idstr是要查询的音色ID。
返回值：dict，音色详情。

update_voice() - 更新音色

方法签名： 
def update_voice(self, voice_id: str, url: str, language_hints: List[str] = None,
                 max_prompt_audio_length: float = None, enable_preprocess: bool = None) -> None
参数说明：
参数类型必填说明
voice_idstr是要更新的音色ID。
urlstr是新的音频文件URL。
language_hintsList[str]否样本音频语种提示。
max_prompt_audio_lengthfloat否参考音频最大时长。
enable_preprocessbool否是否开启音频预处理。

delete_voice() - 删除音色

方法签名： 
def delete_voice(self, voice_id: str) -> None
参数说明：
参数类型必填说明
voice_idstr是要删除的音色ID。

示例代码

创建音色

import dashscope
from dashscope.audio.tts_v2 import VoiceEnrollmentService
dashscope.base_http_api_url = "https://maas.qianwenaiapi.com/api/v1"

TARGET_MODEL = 'qwen-audio-3.0-tts-flash'
voice_prefix = 'myvoice'
url = 'https://your-audio-file-url'
service = VoiceEnrollmentService()

# 避免频繁调用。每次调用都会创建新音色，达到配额上限后将无法创建。
voice_id = service.create_voice(
    target_model=TARGET_MODEL,
    prefix=voice_prefix,
    url=url,
    max_prompt_audio_length=10,
    # enable_preprocess=False,
    # enable_volume_normalization=True
)

print(f"Request ID: {service.get_last_request_id()}")
print(f"Voice ID: {voice_id}")

查询音色列表

import dashscope
from dashscope.audio.tts_v2 import VoiceEnrollmentService
dashscope.base_http_api_url = "https://maas.qianwenaiapi.com/api/v1"

service = VoiceEnrollmentService()

# 按前缀筛选，或设为None查询所有
voices = service.list_voices(prefix='myvoice', page_index=0, page_size=10)

print(f"Request ID: {service.get_last_request_id()}")
print(f"Found voices: {voices}")

查询特定音色

import dashscope
from dashscope.audio.tts_v2 import VoiceEnrollmentService
dashscope.base_http_api_url = "https://maas.qianwenaiapi.com/api/v1"

service = VoiceEnrollmentService()
voice_id = 'qwen-audio-3.0-tts-flash-myvoice-xxxxxxxx'

voice_details = service.query_voice(voice_id=voice_id)

print(f"Request ID: {service.get_last_request_id()}")
print(f"Voice Details: {voice_details}")

更新音色

import dashscope
from dashscope.audio.tts_v2 import VoiceEnrollmentService
dashscope.base_http_api_url = "https://maas.qianwenaiapi.com/api/v1"

service = VoiceEnrollmentService()
service.update_voice(
    voice_id='qwen-audio-3.0-tts-flash-myvoice-xxxxxxxx',
    url='https://your-new-audio-file-url'
)
print(f"Update submitted. Request ID: {service.get_last_request_id()}")

删除音色

import dashscope
from dashscope.audio.tts_v2 import VoiceEnrollmentService
dashscope.base_http_api_url = "https://maas.qianwenaiapi.com/api/v1"

service = VoiceEnrollmentService()
service.delete_voice(voice_id='qwen-audio-3.0-tts-flash-myvoice-xxxxxxxx')
print(f"Deletion submitted. Request ID: {service.get_last_request_id()}")