本文介绍非实时语音合成Qwen-Audio-TTS的HTTP调用方法，支持非流式和流式两种调用模式。
接口地址
POST https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/tts/SpeechSynthesizer
调用时请将{WorkspaceId}替换为真实的Workspace ID。
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。 |
| X-DashScope-SSE | string | 否 | 用于控制是否以流式方式返回输出结果。仅在流式合成时使用该参数，参数值固定为enable。 |
请求体modelstring（必选）语音合成模型。input object（必选）输入参数对象。
属性 text string（必选）待合成文本。支持 SSML 和 LaTeX 格式输入。将待合成文本替换为对应格式即可。
string（必选）音色。取值范围：
string（可选）音频编码格式。默认值：mp3。取值范围：
integer（可选）音频采样率（Hz）。取值范围：8000、12000、16000、22050（默认）、24000、44100、48000。当 format 为 opus 时，sample_rate 仅支持 8000、12000、16000、24000、48000。integer（可选）音量。默认值：50。取值范围：[0, 100]。rate float（可选）语速。默认值：1.0。取值范围：[0.5, 2.0]。bit_rate integer（可选）音频码率（单位：kbps）。默认值：32。取值范围：[6, 510]。pitch float（可选）音调。默认值：1.0。取值范围：[0.5, 2.0]。enable_ssml boolean（可选）是否开启SSML功能。SSML 的使用限制（支持的模型、音色和接口），请参见使用限制。word_timestamp_enabled boolean（可选）是否开启字级别时间戳。默认值：false。仅在流式输出模式下可用。支持复刻音色；支持的系统音色请参见Qwen-Audio-TTS音色列表。seed integer（可选）生成时使用的随机数种子，使合成的效果产生变化。在模型版本、文本、音色及其他参数均相同的前提下，使用相同的seed可复现相同的合成结果。默认值0。取值范围：[0, 65535]。language_hints array[string]（可选）指定语音合成的目标语言，提升合成效果。当数字、缩写、符号等朗读方式或者小语种合成效果不符合预期时使用，例如：
取值范围
string（可选）设置指令，用于控制方言、情感或角色等合成效果。具体用法请参见非实时语音合成。enable_aigc_tag boolean（可选）是否在生成的音频中添加AIGC隐性标识。设置为true时，会将隐性标识嵌入到支持格式（wav/mp3/opus）的音频中。默认值：false。aigc_propagator string（可选）设置AIGC隐性标识中的 ContentPropagator 字段，用于标识内容的传播者。仅在 enable_aigc_tag 为 true 时生效。默认值：阿里云UID。aigc_propagate_id string（可选）设置AIGC隐性标识中的 PropagateID 字段，用于唯一标识一次具体的传播行为。仅在 enable_aigc_tag 为 true 时生效。默认值：本次语音合成请求Request ID。hot_fix object（可选）文本热修复配置，用于自定义指定词语的发音或对待合成文本进行替换。参数介绍：
|
返回体request_idstring本次调用的唯一标识符。output object模型返回的数据。
属性 finish_reason string任务停止原因，自然停止时为stop。取值范围：
string子事件类型。仅流式合成时返回该值。取值范围：
string对用户输入文本进行分句后的句内容。最后一个句子可能没有此字段。sentence object句子信息。
属性 index integer句子的编号，从0开始。words array每句话对应的字的信息。
属性 text string字。begin_index integer字在句子中的开始位置索引，从 0 开始。end_index integer字在句子中的结束位置索引，从 1 开始。begin_time integer字对应音频的开始时间戳，单位为毫秒。end_time integer字对应音频的结束时间戳，单位为毫秒。object合成的音频数据。
属性 data string流式合成时输出Base64格式音频数据。非流式合成时为空。url string模型输出的完整音频文件的URL，有效期24小时。id string模型输出的音频信息对应的ID。expires_at integerurl 过期时间戳。object计费用量。
属性 input_tokens integer本次请求的输入 Token 数。适用于 qwen-audio-3.1-tts-flash。integer本次请求的输出 Token 数。适用于 qwen-audio-3.1-tts-flash。integer输入和输出 Token 数之和。适用于 qwen-audio-3.1-tts-flash。integer累计计费字符数。适用于 qwen-audio-3.0-tts-plus、qwen-audio-3.0-tts-flash。 |
|