声音复刻HTTP API参考_大模型服务平台百炼(Model Studio)-大模型服务平台百炼(Model Studio)-阿里云帮助中心

本文介绍声音复刻的HTTP API接口详情，包括创建音色、查询音色列表、查询音色详情、更新音色和删除音色等操作。

接口地址

Qwen-Audio-TTS/Qwen-Audio-Realtime/CosyVoice

华北2（北京）

POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/tts/customization

调用时请将{WorkspaceId}替换为真实的Workspace ID。

新加坡

POST https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com/api/v1/services/audio/tts/customization

调用时请将{WorkspaceId}替换为真实的Workspace ID。

重要阿里云百炼为华北2（北京）、新加坡地域推出了业务空间专属域名，能够为推理请求提供卓越的性能和更高的稳定性，建议迁移至新域名：

华北2（北京）地域：从 dashscope.aliyuncs.com 迁移至 {WorkspaceId}.cn-beijing.maas.aliyuncs.com
新加坡地域：从 dashscope-intl.aliyuncs.com 迁移至 {WorkspaceId}.ap-southeast-1.maas.aliyuncs.com

MiniMax

HTTP请求地址：POST https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

SDK调用配置的base_url：https://dashscope.aliyuncs.com/api/v1

说明第三方模型（MiniMax）目前仅支持通过dashscope.aliyuncs.com域名调用，暂不支持专属域名。

请求头

参数类型 是否必选 说明

参数	类型	是否必选	说明
Authorization	string	是	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	是	请求体的媒体类型。按模型系列设置： Qwen-Audio-TTS/Qwen-Audio-Realtime/CosyVoice：`application/json`。 MiniMax：`application/json; charset=utf-8`。

Authorization

string

是

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

是

请求体的媒体类型。按模型系列设置：

Qwen-Audio-TTS/Qwen-Audio-Realtime/CosyVoice：application/json。
MiniMax：application/json; charset=utf-8。

创建音色

Qwen-Audio-TTS/Qwen-Audio-Realtime/CosyVoice

请求体

modelstring（必选）

固定为 voice-enrollment。

inputobject（必选）

输入参数对象。

属性

action string（必选）

固定为 create_voice。

target_model string（必选）

驱动音色的目标模型。必须与后续使用该音色的模型一致，否则调用失败。

url string（必选）

用于复刻音色的音频文件URL，要求公网可访问。

prefix string（必选）

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}。

language_hints array[string]（可选）

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，长度必须为 1。

说明适用于 qwen-audio-3.1-tts-flash、qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、qwen-audio-3.1-realtime-plus、qwen-audio-3.0-realtime-plus、qwen-audio-3.0-realtime-flash、cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-plus、cosyvoice-v3-flash。

点击查看各模型支持的语言

qwen-audio-3.1-tts-flash、qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash、qwen-audio-3.1-realtime-plus、qwen-audio-3.0-realtime-plus、qwen-audio-3.0-realtime-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_length float（可选）

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_preprocess boolean（可选）

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_normalization string（可选）

是否对用于声音复刻的样本音频进行音量归一化。取值：

"true"：开启音量归一化。
"false"：关闭音量归一化。

开启后，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。

默认值："false"。

以下为华北2（北京）地域的配置，调用时请将"{WorkspaceId}"替换为真实的业务空间ID，各地域的配置不同。

声音复刻

curl -X POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.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": "qwen-audio-3.0-tts-flash",
        "prefix": "myvoice",
        "url": "https://your-audio-url.wav",
        "language_hints": ["zh"],
        "enable_volume_normalization": "false"
    }
}'

返回体

request_idstring

本次调用的唯一标识符。

outputobject

模型返回的数据。

属性

voice_idstring

音色 ID，可用于语音合成接口的 voice 参数。

usageobject

本次请求用量信息。

属性

count integer

创建的音色数量，固定为1。

声音复刻

{
    "output": {
        "voice_id": "qwen-audio-3.0-tts-flash-myvoice-xxxxxx"
    },
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}

MiniMax

说明音色复刻请求会生成一段试听音频，试听音频按所选模型的同步语音合成单价额外计费。

请求体

modelstring（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

inputobject（必选）

属性

actionstring（必选）

需要进行的操作，支持设置为：voice_clone（声音克隆）

audio_urlstring（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

clone_promptobject（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。

属性

prompt_audiostring（可选）

示例音频文件 URL，音频需符合以下规范：

音频格式需为：mp3、m4a、wav 格式
音频时长小于 8 秒
音频文件大小需不超过 20 MB

prompt_textstring（可选）

示例音频的对应文本，需确保和音频内容一致，句末需有标点符号做结尾。

textstring（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）

voice_id string（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。

language_boostenum<string>（可选）默认值：null

是否增强对指定的小语种和方言的识别能力。可设置为 auto 让模型自主判断。

可用选项

Chinese, Chinese,Yue, English, Arabic, Russian, Spanish, French, Portuguese, German, Turkish, Dutch, Ukrainian, Vietnamese, Indonesian, Japanese, Italian, Korean, Thai, Polish, Romanian, Greek, Czech, Finnish, Hindi, Bulgarian, Danish, Hebrew, Malay, Persian, Slovak, Swedish, Croatian, Filipino, Hungarian, Norwegian, Slovenian, Catalan, Nynorsk, Tamil, Afrikaans,auto

need_noise_reductionboolean （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。

need_volume_normalizationboolean （可选）默认值：false

是否开启音量归一化。

aigc_watermarkboolean （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。

说明第三方模型（MiniMax）目前仅支持通过dashscope.aliyuncs.com域名调用，暂不支持专属域名

curl -X POST 'https://dashscope.aliyuncs.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"
  }'

返回体

request_idstring

本次调用的唯一标识符。

outputobject

属性

input_sensitiveboolean

输入音频是否命中风控。

input_sensitive_typeinteger

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

demo_audiostring

链接形式的试听音频。

base_respobject

属性

status_codeinteger

状态码

0: 请求结果正常
1000：未知错误
1001：超时
1002：触发限流
1004：鉴权失败
1013：服务内部错误
2013：输入格式信息不正常
2038：无复刻权限，请检查账号认证状态

status_msgstring

状态详情

usageobject

本次请求的字符用量。

属性

characters integer

输入文本的字符数。

{
    "output": {
        "base_resp": {
            "status_code": 0,
            "status_msg": "success"
        },
        "demo_audio": "https://minimax-algeng-chat-tts.oss-cn-wulanchabu.aliyuncs.com/audio%2Feffect%2F05fdf023562aea84632d2a8c01c2366f_1773059375796_1311.mp3?Expires=1773232175&OSSAccessKeyId=YOUR_ACCESS_KEY_ID&Signature=YOUR_SIGNATURE",
        "input_sensitive": false,
        "input_sensitive_type": 0
    },
    "usage": {
        "characters": 18
    },
    "request_id": "b1160386-ebf1-913f-9275-ef176c5e1c91"
}

查询音色列表

适用于 Qwen-Audio-TTS、Qwen-Audio-Realtime 和 CosyVoice。

说明MiniMax 不支持通过本接口查询音色列表。MiniMax 的可用音色 ID（包括系统音色和复刻音色）请参见声音管理。

请求体

modelstring（必选）

固定为 voice-enrollment。

inputobject（必选）

输入参数对象。

属性

action string（必选）

固定为 list_voice。

prefix string（可选）

按前缀筛选音色。

page_index integer（可选）

页码索引。

page_size integer（可选）

每页包含数据条数。

以下为华北2（北京）地域的配置，调用时请将"{WorkspaceId}"替换为真实的业务空间ID，各地域的配置不同。

查询音色列表

curl -X POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.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
    }
}'

返回体

request_idstring

本次调用的唯一标识符。

outputobject

模型返回的数据。

属性

voice_listarray[object]

查询到的音色列表。

属性

voice_idstring

音色 ID，可用于语音合成接口的 voice 参数。

gmt_createstring

创建时间。

gmt_modifiedstring

修改时间。

statusstring

音色状态，取值参见"音色状态说明"。

usageobject

本次请求用量信息。

属性

count integer

固定为 1。

查询音色列表

{
    "output": {
        "voice_list": [
            {
                "voice_id": "qwen-audio-3.0-tts-flash-myvoice-xxxxxx",
                "gmt_create": "2024-12-11 13:38:02",
                "gmt_modified": "2024-12-11 13:38:02",
                "status": "OK"
            }
        ]
    },
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}

查询音色详情

适用于 Qwen-Audio-TTS、Qwen-Audio-Realtime 和 CosyVoice。

说明MiniMax 不支持通过本接口查询音色详情。

请求体

modelstring（必选）

固定为 voice-enrollment。

inputobject（必选）

输入参数对象。

属性

action string（必选）

固定为query_voice。

voice_id string（必选）

要查询的音色ID。

以下为华北2（北京）地域的配置，调用时请将"{WorkspaceId}"替换为真实的业务空间ID，各地域的配置不同。

查询音色详情

curl -X POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.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"
    }
}'

返回体

request_idstring

本次调用的唯一标识符。

outputobject

模型返回的数据。

属性

resource_linkstring

音频文件的URL地址。

gmt_createstring

创建时间。

gmt_modifiedstring

修改时间。

statusstring

音色状态，取值参见"音色状态说明"。

target_modelstring

驱动音色的语音合成模型。

usageobject

本次请求用量信息。

属性

count integer

固定为1。

{
    "output": {
        "gmt_create": "2024-12-11 13:38:02",
        "resource_link": "https://yourAudioFileUrl",
        "target_model": "qwen-audio-3.0-tts-flash",
        "gmt_modified": "2024-12-11 13:38:02",
        "status": "OK"
    },
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}

更新音色

适用于 Qwen-Audio-TTS、Qwen-Audio-Realtime 和 CosyVoice。

说明MiniMax 不支持通过本接口更新音色。

请求体

modelstring（必选）

固定为 voice-enrollment。

inputobject（必选）

输入参数对象。

属性

action string（必选）

固定为update_voice。

voice_id string（必选）

要更新的音色ID。

url string（必选）

新的音频文件URL，要求公网可访问。

以下为华北2（北京）地域的配置，调用时请将"{WorkspaceId}"替换为真实的业务空间ID，各地域的配置不同。

curl -X POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/tts/customization \
-H "Authorization: Bearer $DASHSCOPE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
    "model": "voice-enrollment",
    "input": {
        "action": "update_voice",
        "voice_id": "yourVoiceId",
        "url": "https://new-audio-url.wav"
    }
}'

返回体

request_idstring

本次调用的唯一标识符。

outputobject

模型返回的数据，更新操作返回空对象。

usageobject

本次请求用量信息。

属性

count integer

固定为1。

{
    "output": {},
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}

删除音色

适用于 Qwen-Audio-TTS、Qwen-Audio-Realtime 和 CosyVoice。

说明MiniMax 不支持通过本接口删除音色。MiniMax 音色的删除请参见声音管理。

请求体

modelstring（必选）

固定为 voice-enrollment。

inputobject（必选）

输入参数对象。

属性

action string（必选）

固定为 delete_voice。

voice_id string（必选）

要删除的音色ID。

以下为华北2（北京）地域的配置，调用时请将"{WorkspaceId}"替换为真实的业务空间ID，各地域的配置不同。

删除音色

curl -X POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.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"
    }
}'

返回体

request_idstring

本次调用的唯一标识符。

outputobject

模型返回的数据，为空对象。

usageobject

本次请求用量信息。

属性

count integer

固定为1。

删除音色

{
    "output": {},
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}

音色状态说明

音色创建后会经过审核流程。以下状态适用于 Qwen-Audio-TTS、Qwen-Audio-Realtime 和 CosyVoice。

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。