AI 助理
文档备案控制台
官方文档
首页 大模型服务平台百炼 API参考（模型） 音频 语音合成 声音设计

声音设计API参考

更新时间：
复制 MD 格式
产品详情
我的收藏

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

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。

重要阿里云百炼为华北2（北京）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

{WorkspaceId}需要替换为真实的Workspace ID。现有域名仍可正常使用。

请求头

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。固定为application/json。

创建音色

请求体

modelstring（必选）

声音设计模型。取值：

  • voice-enrollment：Qwen-Audio-TTS/CosyVoice声音设计。

inputobject（必选）

输入参数对象。

属性

action string（必选）

操作类型。

  • Qwen-Audio-TTS/CosyVoice（voice-enrollment）：固定为create_voice。

target_model string（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。

voice_prompt string（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。

preview_text string（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。

prefix string（必选）

重要仅适用于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}

language_hints array[string]（可选）

重要仅适用于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"]。

parametersobject（可选）

声音设计的参数配置。

属性

sample_rate int（可选）

预览音频采样率（Hz）。

  • Qwen-Audio-TTS/CosyVoice支持：16000、24000、48000。

默认值：24000。

response_format string（可选）

预览音频格式。

  • Qwen-Audio-TTS/CosyVoice支持：pcm、wav、mp3。

默认值：wav。

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": "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"
    }
}'

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。

preview_audioobject

预览音频数据。

属性

data string

预览音频数据，Base64编码。

sample_rate int

预览音频采样率（Hz）。

response_format string

预览音频格式。

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

创建的音色数量，固定为1。

{
    "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"
}

查询音色列表

请求体

modelstring（必选）

声音设计模型。取值：

  • voice-enrollment：Qwen-Audio-TTS/CosyVoice声音设计。

inputobject（必选）

输入参数对象。

属性

action string（必选）

固定为 list_voice。

prefix string（可选）

重要仅适用于Qwen-Audio-TTS/CosyVoice。

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。

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

重要仅Qwen-Audio-TTS/CosyVoice返回。

音色状态，取值参见"音色状态说明"。

voice_promptstring

声音描述文本。

preview_textstring

预览音频文本。

usageobject

本次请求用量信息。

属性

count integer

固定为 1。

{
    "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"
}

查询音色详情

请求体

modelstring（必选）

声音设计模型。取值：

  • voice-enrollment：Qwen-Audio-TTS/CosyVoice声音设计。

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）

重要仅适用于Qwen-Audio-TTS/CosyVoice。

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。

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

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

重要仅Qwen-Audio-TTS/CosyVoice返回。

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。

voice_promptstring

重要仅Qwen-Audio-TTS/CosyVoice声音设计返回。

声音描述文本。

preview_textstring

重要仅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。

属性

count integer

固定为1。

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

删除音色

请求体

modelstring（必选）

声音设计模型。取值：

  • voice-enrollment：Qwen-Audio-TTS/CosyVoice声音设计。

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）

重要仅适用于Qwen-Audio-TTS/CosyVoice。

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。

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。

{
    "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/CosyVoice（model 为 voice-enrollment）。

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。

上一篇：Python SDK参考下一篇：音频生成