跳转到主要内容
千问AI平台 home page
文档
声音设计

声音设计API参考

本文介绍声音设计的HTTP API接口详情，包括创建音色、查询音色列表、查询音色详情和删除音色四个操作。

用户指南：声音设计。

接口地址

POST https://maas.qianwenaiapi.com/api/v1/services/audio/tts/customization

请求头

参数类型是否必选说明
Authorizationstring是鉴权令牌，格式为Bearer $DASHSCOPE_API_KEY，使用时，将"$DASHSCOPE_API_KEY"替换为实际的API Key。
Content-Typestring是请求体的媒体类型。固定为application/json。

创建音色

请求体

curl -X POST https://maas.qianwenaiapi.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": "cosyvoice-v3.5-plus",
        "voice_prompt": "沉稳的中年男性，音色低沉浑厚",
        "preview_text": "各位听众朋友们大家好，欢迎收听本期节目",
        "prefix": "announcer",
        "language_hints": ["zh"]
    },
    "parameters": {
        "sample_rate": 24000,
        "response_format": "wav"
    }
}'
参数类型说明
modelstring（必选） 声音设计模型。取值：
  • voice-enrollment：Qwen-Audio-TTS/CosyVoice声音设计。
  • qwen-voice-design：Qwen声音设计。
inputobject（必选） 输入参数对象。
input.actionstring（必选） 操作类型。
  • Qwen-Audio-TTS/CosyVoice（voice-enrollment）：固定为create_voice。
  • Qwen（qwen-voice-design）：固定为create。
input.target_modelstring（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。
input.voice_promptstring（必选） 声音描述文本，仅支持中文和英文。
  • Qwen-Audio-TTS/CosyVoice（voice-enrollment）：最大长度500字符。
  • Qwen（qwen-voice-design）：最大长度2048字符。
input.preview_textstring（必选） 预览音频对应的文本。
  • Qwen-Audio-TTS/CosyVoice（voice-enrollment）：最小长度15字符，最大长度200字符，支持中文和英文。
  • Qwen（qwen-voice-design）：最大长度1024字符，支持中文、英文、德语、意大利语、葡萄牙语、西班牙语、日语、韩语、法语、俄语。
input.prefixstring（条件必选） 提示： 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}-vd-{prefix}-{唯一标识}
input.preferred_namestring（条件必选） 提示： 仅适用于Qwen（model为qwen-voice-design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。
input.language_hintsarray[string]（可选） 提示： 仅适用于Qwen-Audio-TTS/CosyVoice（model为voice-enrollment时）。 指定生成音色的语言倾向，影响音色的语言特征和发音倾向，建议根据实际使用场景选择对应语言代码。若使用该参数，设置的语种须与 preview_text 的语种一致。 此参数为数组，但当前版本仅处理第一个元素。 取值范围：
  • zh：中文
  • en：英文
默认值：["zh"]。
input.languagestring（可选） 提示： 仅适用于Qwen（model为qwen-voice-design时）。 指定生成音色的语言倾向，影响音色的语言特征和发音倾向，建议根据实际使用场景选择对应语言代码。若使用该参数，设置的语种须与 preview_text 的语种一致。 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。
parametersobject（可选） 声音设计的参数配置。
parameters.sample_rateint（可选） 预览音频采样率（Hz）。
  • Qwen-Audio-TTS/CosyVoice支持：16000、24000、48000。
  • Qwen支持：8000、16000、24000、48000。
默认值：24000。
parameters.response_formatstring（可选） 预览音频格式。
  • Qwen-Audio-TTS/CosyVoice支持：pcm、wav、mp3。
  • Qwen支持：pcm、wav、mp3、opus。
默认值：wav。

返回体

{
    "output": {
        "preview_audio": {
            "data": "{base64_encoded_audio}",
            "sample_rate": 24000,
            "response_format": "wav"
        },
        "target_model": "cosyvoice-v3.5-plus",
        "voice_id": "cosyvoice-v3.5-plus-vd-announcer-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。
参数类型说明
request_idstring本次调用的唯一标识符。
outputobject模型返回的数据。
output.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。
output.preview_audioobject预览音频数据。
output.preview_audio.datastring预览音频数据，Base64编码。
output.preview_audio.sample_rateint预览音频采样率（Hz）。
output.preview_audio.response_formatstring预览音频格式。
output.target_modelstring驱动音色的语音合成模型。
usageobject本次请求用量信息。
usage.countinteger创建的音色数量，固定为1。

查询音色列表

请求体

curl -X POST https://maas.qianwenaiapi.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
    }
}'
参数类型说明
modelstring（必选） 声音设计模型。取值：
  • voice-enrollment：Qwen-Audio-TTS/CosyVoice声音设计。
  • qwen-voice-design：Qwen声音设计。
inputobject（必选） 输入参数对象。
input.actionstring（必选） 操作类型。Qwen-Audio-TTS/CosyVoice：list_voice。Qwen：list。
input.prefixstring（可选） 提示： 仅适用于Qwen-Audio-TTS/CosyVoice。 按前缀筛选音色。
input.page_indexinteger（可选） 页码索引。
input.page_sizeinteger（可选） 每页包含数据条数。

返回体

{
    "output": {
        "voice_list": [
            {
                "voice_id": "cosyvoice-v3.5-plus-vd-announcer-xxxxxx",
                "gmt_create": "2025-12-10 14:54:09",
                "gmt_modified": "2025-12-10 17:47:48",
                "status": "OK",
                "voice_prompt": "沉稳的中年男性播音员",
                "preview_text": "各位听众朋友们，大家好"
            }
        ]
    },
    "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。
参数类型说明
request_idstring本次调用的唯一标识符。
outputobject模型返回的数据。
output.page_indexinteger提示： 仅Qwen返回。 当前页码索引。
output.page_sizeinteger提示： 仅Qwen返回。 每页数据条数。
output.total_countinteger提示： 仅Qwen返回。 音色总数。
output.voice_listarray[object]查询到的音色列表。
output.voice_list.voice_id / voicestring音色ID。Qwen-Audio-TTS/CosyVoice为voice_id，Qwen为voice。
output.voice_list.gmt_createstring创建时间。
output.voice_list.gmt_modifiedstring修改时间。
output.voice_list.statusstring提示： 仅Qwen-Audio-TTS/CosyVoice返回。 音色状态，取值参见"音色状态说明"。
output.voice_list.target_modelstring提示： 仅Qwen返回。 驱动音色的语音合成模型。
output.voice_list.languagestring音色语言。
output.voice_list.voice_promptstring声音描述文本。
output.voice_list.preview_textstring预览音频文本。
usageobject本次请求用量信息。
usage.countintegerQwen-Audio-TTS/CosyVoice固定为1。Qwen固定为0。

查询音色详情

请求体

curl -X POST https://maas.qianwenaiapi.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"
    }
}'
参数类型说明
modelstring（必选） 声音设计模型。取值：
  • voice-enrollment：Qwen-Audio-TTS/CosyVoice声音设计。
  • qwen-voice-design：Qwen声音设计。
inputobject（必选） 输入参数对象。
input.actionstring（必选） 操作类型。Qwen-Audio-TTS/CosyVoice：query_voice。Qwen声音设计：query。
input.voice_idstring（条件必选） 提示： 仅适用于Qwen-Audio-TTS/CosyVoice。 要查询的音色ID。
input.voicestring（条件必选） 提示： 仅适用于Qwen声音设计（model为qwen-voice-design时）。 要查询的音色名称。

返回体

{
    "output": {
        "voice_id": "cosyvoice-v3.5-plus-vd-announcer-xxxxxx",
        "gmt_create": "2025-12-10 14:54:09",
        "gmt_modified": "2025-12-10 17:47:48",
        "preview_text": "各位听众朋友们，大家好",
        "target_model": "cosyvoice-v3.5-plus",
        "status": "OK",
        "voice_prompt": "沉稳的中年男性播音员，音色低沉浑厚"
    },
    "usage": {},
    "request_id": "xxxx-xxxx-xxxx"
}
Qwen-Audio-TTS/CosyVoice声音设计返回voice_id、voice_prompt等字段。Qwen声音设计返回voice和language字段。
参数类型说明
request_idstring本次调用的唯一标识符。
outputobject模型返回的数据。
output.voice_id / voicestring音色ID。Qwen-Audio-TTS/CosyVoice声音设计返回voice_id，Qwen声音设计返回voice。
output.gmt_createstring创建时间。
output.gmt_modifiedstring修改时间。
output.statusstring提示： 仅Qwen-Audio-TTS/CosyVoice返回。 音色状态，取值参见"音色状态说明"。
output.target_modelstring驱动音色的语音合成模型。
output.languagestring提示： 仅Qwen声音设计返回。 音色语言。
output.voice_promptstring提示： 仅Qwen-Audio-TTS/CosyVoice声音设计返回。 声音描述文本。
output.preview_textstring提示： 仅Qwen-Audio-TTS/CosyVoice声音设计返回。 预览音频文本。
usageobject本次请求用量信息。
usage.countinteger固定为1。

删除音色

请求体

curl -X POST https://maas.qianwenaiapi.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"
    }
}'
参数类型说明
modelstring（必选） 声音设计模型。取值：
  • voice-enrollment：Qwen-Audio-TTS/CosyVoice声音设计。
  • qwen-voice-design：Qwen声音设计。
inputobject（必选） 输入参数对象。
input.actionstring（必选） 操作类型。Qwen-Audio-TTS/CosyVoice：delete_voice。Qwen：delete。
input.voice_idstring（条件必选） 提示： 仅适用于Qwen-Audio-TTS/CosyVoice。 要删除的音色ID。
input.voicestring（条件必选） 提示： 仅适用于Qwen。 要删除的音色名称。

返回体

{
    "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。
参数类型说明
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。
output.voicestring提示： 仅Qwen返回。 已删除的音色名称。
usageobject本次请求用量信息。
usage.countinteger固定为1。

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。