声音复刻

Qwen-Audio-TTS / CosyVoice

Qwen-Audio-TTS 和 CosyVoice 使用相同的音色创建和基础合成流程。以下以 qwen-audio-3.1-tts-flash 为例。

1. 创建音色：用 url 指定参考音频，通过 target_model 指定目标模型，prefix 为音色名称前缀。
2. 合成语音：将返回的音色 ID 传入 voice，使用同一个目标模型合成语音并保存音频。

import os

import dashscope
from dashscope.audio.tts_v2 import AudioFormat, SpeechSynthesizer, VoiceEnrollmentService

dashscope.api_key = os.environ["DASHSCOPE_API_KEY"]
workspace_id = "YOUR_WORKSPACE_ID"
target_model = "qwen-audio-3.1-tts-flash"
dashscope.base_http_api_url = (
    f"https://{workspace_id}.cn-beijing.maas.aliyuncs.com/api/v1"
)
dashscope.base_websocket_api_url = (
    f"wss://{workspace_id}.cn-beijing.maas.aliyuncs.com/api-ws/v1/inference"
)

# 创建音色。
service = VoiceEnrollmentService()
voice_id = service.create_voice(
    target_model=target_model,
    prefix="myvoice",
    url="https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/cosyvoice/cosyvoice-zeroshot-sample.wav",
)
print(f"voice_id: {voice_id}")

# 使用绑定模型和返回的音色 ID 合成语音。
synthesizer = SpeechSynthesizer(
    model=target_model,
    voice=voice_id,
    format=AudioFormat.WAV_24000HZ_MONO_16BIT,
)
audio = synthesizer.call("今天天气晴朗，适合外出散步。祝你度过愉快的一天。")
with open("output.wav", "wb") as f:
    f.write(audio)

运行后，合成音频保存为 output.wav。保存打印的音色 ID，后续可继续使用。

Qwen-Audio-Realtime

Qwen-Audio-Realtime 的复刻音色用于自定义实时语音对话的回复声音。以下以 qwen-audio-3.1-realtime-plus 为例创建音色。

import os

import dashscope
from dashscope.audio.tts_v2 import VoiceEnrollmentService

dashscope.api_key = os.environ["DASHSCOPE_API_KEY"]
workspace_id = "YOUR_WORKSPACE_ID"
target_model = "qwen-audio-3.1-realtime-plus"
dashscope.base_http_api_url = (
    f"https://{workspace_id}.cn-beijing.maas.aliyuncs.com/api/v1"
)

# 创建音色。
service = VoiceEnrollmentService()
voice_id = service.create_voice(
    target_model=target_model,
    prefix="myvoice",
    url="https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/cosyvoice/cosyvoice-zeroshot-sample.wav",
)
print(f"voice_id: {voice_id}")

建立实时语音对话连接后，在首次 session.update 事件中，将 session.voice 设置为返回的音色 ID（替换下方的 VOICE_ID）。会话模型必须与创建音色时的 target_model 一致。

{
    "type": "session.update",
    "session": {
        "voice": "VOICE_ID"
    }
}

MiniMax

MiniMax 通过 HTTP API 创建音色，并支持非实时语音合成。

创建音色：用 voice_id 指定新音色的 ID，audio_url 指定可访问的音频 URL，text 指定试听文本。请求返回试听音频，费用见计费说明。

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": "my-custom-voice",
      "audio_url": "https://your-audio-url.wav",
      "text": "你说是什么就是什么"
    },
    "model": "MiniMax/speech-2.8-turbo"
  }'

合成语音：将创建时指定的 voice_id 传入 voice_setting.voice_id。

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" \
-d '{
  "model": "MiniMax/speech-2.8-turbo",
  "input": {
    "text": "今天天气怎么样？",
    "voice_setting": {
      "voice_id": "my-custom-voice",
      "speed": 1,
      "vol": 1,
      "pitch": 0
    },
    "audio_setting": {
      "sample_rate": 32000,
      "bitrate": 128000,
      "format": "mp3",
      "channel": 1
    }
  }
}'

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

MiniMax

华北2（北京）

使用该地域的 API Key 调用以下模型：

• Qwen-Audio-TTS：qwen-audio-3.1-tts-flash、qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash

• Qwen-Audio-Realtime：qwen-audio-3.1-realtime-plus、qwen-audio-3.0-realtime-plus、qwen-audio-3.0-realtime-flash

• CosyVoice：cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-plus、cosyvoice-v3-flash、cosyvoice-v2

• MiniMax：MiniMax/speech-2.8-hd、MiniMax/speech-02-hd、MiniMax/speech-2.8-turbo、MiniMax/speech-02-turbo

新加坡

使用该地域的 API Key 调用以下模型：

• Qwen-Audio-TTS：qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash

• CosyVoice：cosyvoice-v3-plus、cosyvoice-v3-flash