Skip to main content
阿里云百炼 home page阿里云百炼
语音合成

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

  • 华北2（北京）
  • 新加坡
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。
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
{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。
  • qwen-voice-design：Qwen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。
  • Qwen（qwen-voice-design）：固定为create。
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。
  • Qwen（qwen-voice-design）：最大长度2048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。
  • 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。
prefix string（条件必选）
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}preferred_name string（条件必选）
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。language_hints array[string]（可选）
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"]。language string（可选）
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。

属性

sample_rate int（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。response_format string（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。
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_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。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"
}
Qwen-Audio-TTS/CosyVoice返回voice_id字段，Qwen返回voice字段。

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。
  • qwen-voice-design：Qwen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：list_voice。Qwen：list。prefix string（可选）
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

page_indexinteger
仅Qwen返回。
当前页码索引。page_sizeinteger
仅Qwen返回。
每页数据条数。total_countinteger
仅Qwen返回。
音色总数。voice_listarray[object]查询到的音色列表。

属性

voice_id / voicestring音色ID。Qwen-Audio-TTS/CosyVoice为voice_id，Qwen为voice。gmt_createstring创建时间。gmt_modifiedstring修改时间。statusstring
仅Qwen-Audio-TTS/CosyVoice返回。
音色状态，取值参见"音色状态说明"。target_modelstring
仅Qwen返回。
驱动音色的语音合成模型。languagestring音色语言。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 integerQwen-Audio-TTS/CosyVoice固定为1。Qwen固定为0。
{
    "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。

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。
  • qwen-voice-design：Qwen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：query_voice。Qwen声音设计：query。voice_id string（条件必选）
仅适用于Qwen-Audio-TTS/CosyVoice。
要查询的音色ID。voice string（条件必选）
仅适用于Qwen声音设计（model为qwen-voice-design时）。
要查询的音色名称。
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_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。gmt_createstring创建时间。gmt_modifiedstring修改时间。statusstring
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。languagestring
仅Qwen声音设计返回。
音色语言。voice_promptstring
仅Qwen-Audio-TTS/CosyVoice声音设计返回。
声音描述文本。preview_textstring
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": {},
    "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。

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。
  • qwen-voice-design：Qwen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：delete_voice。Qwen：delete。voice_id string（条件必选）
仅适用于Qwen-Audio-TTS/CosyVoice。
要删除的音色ID。voice string（条件必选）
仅适用于Qwen。
要删除的音色名称。
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。Qwen-Audio-TTS/CosyVoice返回空对象，Qwen返回已删除的音色名称。

属性

voicestring
仅Qwen返回。
已删除的音色名称。
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"
}
Qwen-Audio-TTS/CosyVoice的output为空对象，Qwen返回voice字段。

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。

阿里云百炼 home page阿里云百炼
使用 API
文本生成
图像生成
视频生成
3D模型生成
音频
    • 非实时语音合成（Qwen-TTS）
    • 声音设计
实时多模态
Realtime API
  • 概述
向量与排序
更多模型
工具包/框架
模型生产
文件管理
更多