Référence de l'API HTTP de clonage vocal - Alibaba Cloud Model Studio

Utilisez l'API HTTP pour créer, lister, interroger, mettre à jour et supprimer des voix clonées.

Guide d'utilisation : Clonage vocal.

Endpoint du service

Singapore

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

Remplacez {WorkspaceId} par votre véritable ID d'espace de travail.

China (Beijing)

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

Remplacez {WorkspaceId} par votre véritable ID d'espace de travail.

ImportantAlibaba Cloud Model Studio a publié des domaines spécifiques aux espaces de travail pour les régions China (Beijing) et Singapore. Ces nouveaux domaines dédiés offrent des performances supérieures et une stabilité accrue pour les requêtes d'inférence. Nous vous recommandons de migrer vers ces nouveaux domaines :

China (Beijing) : de dashscope.aliyuncs.com vers {WorkspaceId}.cn-beijing.maas.aliyuncs.com
Singapore : de dashscope-intl.aliyuncs.com vers {WorkspaceId}.ap-southeast-1.maas.aliyuncs.com

Remplacez {WorkspaceId} par votre véritable ID d'espace de travail. Les domaines existants restent pleinement fonctionnels.

En-têtes de requête

Paramètre	Type	Obligatoire	Description
Authorization	string	Oui	Jeton d'authentification au format `Bearer <your_api_key>`. Remplacez `<your_api_key>` par votre clé API réelle.
Content-Type	string	Oui	Type MIME du corps de la requête. Définissez-le sur `application/json` pour Qwen-Audio-TTS/CosyVoice, ou sur `application/json; charset=utf-8` pour MiniMax.

Créer une voix

Corps de la requête

Cet exemple utilise l'endpoint de la région Singapore. Pour la région Beijing, utilisez : https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/tts/customization.

Remplacez {WorkspaceId} par votre véritable ID d'espace de travail.

Clonage vocal Qwen-Audio-TTS/CosyVoice

curl -X POST https://{WorkspaceId}.ap-southeast-1.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": ["en"],
        "enable_volume_normalization": "false"
    }
}'

modelstring(obligatoire)

Modèle de clonage vocal. Valeurs valides :

voice-enrollment : clonage vocal Qwen-Audio-TTS/CosyVoice.

inputobject(obligatoire)

Paramètres d'entrée.

Propriétés

action string(obligatoire)

Type d'action.

Qwen-Audio-TTS/CosyVoice (voice-enrollment) : définissez cette valeur sur create_voice.

target_model string(obligatoire)

Modèle de synthèse vocale (TTS) qui pilote la voix clonée. Il doit correspondre au modèle spécifié lors de l'appel à l'API TTS, faute de quoi la synthèse échoue.

url string(obligatoire)

ImportantS'applique uniquement au clonage vocal Qwen-Audio-TTS/CosyVoice (lorsque model est défini sur voice-enrollment).

URL du fichier audio servant au clonage vocal. Cette URL doit être accessible publiquement.

prefix string(obligatoire)

ImportantS'applique uniquement à Qwen-Audio-TTS/CosyVoice (lorsque model est défini sur voice-enrollment).

Préfixe du nom de la voix. Seuls les caractères alphanumériques sont autorisés, avec une longueur maximale de 10 caractères. Le nom de voix résultant suit ce format : {target_model}-{prefix}-{unique_id}.

language_hints array[string](facultatif)

ImportantS'applique uniquement au clonage vocal Qwen-Audio-TTS/CosyVoice (lorsque model est défini sur voice-enrollment). Pris en charge uniquement par qwen-audio-3.0-tts-plus, qwen-audio-3.0-tts-flash, cosyvoice-v3.5-plus, v3.5-flash, v3-plus et v3-flash.

Aide le modèle à identifier la langue de l'échantillon audio afin d'extraire les caractéristiques vocales plus précisément et d'améliorer la qualité du clonage. Si la langue spécifiée ne correspond pas à la langue réelle de l'audio (par exemple, si vous définissez en alors que l'audio est en chinois), le système ignore cette valeur et détecte automatiquement la langue.

Bien que ce paramètre soit un tableau, la version actuelle ne traite que le premier élément.

Les valeurs valides varient selon le modèle :

qwen-audio-3.0-tts-plus, qwen-audio-3.0-tts-flash :
- zh : chinois
- en : anglais
- fr : français
- de : allemand
- ja : japonais
- ko : coréen
- ru : russe
- pt : portugais
- th : thaï
- id : indonésien
- vi : vietnamien
- it : italien
- es : espagnol
- ms : malais
- fil : filipino
- ar : arabe
cosyvoice-v3-plus :
- zh : chinois
- en : anglais
- fr : français
- de : allemand
- ja : japonais
- ko : coréen
- ru : russe
cosyvoice-v3.5-plus, cosyvoice-v3.5-flash, cosyvoice-v3-flash :
- zh : chinois
- en : anglais
- fr : français
- de : allemand
- ja : japonais
- ko : coréen
- ru : russe
- pt : portugais
- th : thaï
- id : indonésien
- vi : vietnamien

Valeur par défaut : ["zh"].

max_prompt_audio_length float(facultatif)

Durée maximale (en secondes) de l'audio de référence après prétraitement. Valeurs valides : [3,0, 30,0].

Valeur par défaut : 10,0.

enable_preprocess boolean(facultatif)

Indique s'il faut activer le prétraitement audio (réduction du bruit, amélioration audio et normalisation du volume). Activez cette option pour les enregistrements comportant du bruit de fond. Désactivez-la pour les enregistrements réalisés dans des environnements calmes afin de préserver les caractéristiques vocales d'origine.

Valeur par défaut : false.

enable_volume_normalization string(facultatif)

ImportantS'applique uniquement au clonage vocal Qwen-Audio-TTS/CosyVoice lorsque model est défini sur voice-enrollment.

Indique s'il faut normaliser le volume de l'échantillon audio utilisé pour le clonage vocal. Valeurs valides :

"true" : active la normalisation du volume.
"false" : désactive la normalisation du volume.

Lorsque cette option est activée, l'audio synthétisé avec la voix créée peut présenter un volume différent de celui synthétisé avec une voix créée sans cette option.

Valeur par défaut : "false".

Corps de la réponse

Clonage vocal Qwen-Audio-TTS/CosyVoice

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

request_idstring

Identifiant unique de cette requête.

outputobject

Données retournées par le modèle.

Propriétés

voice_idstring

Identifiant de la voix. Utilisez-le dans le paramètre voice de l'API TTS.

usageobject

Informations d'utilisation pour cette requête.

Propriétés

count integer

Nombre de voix créées. Toujours égal à 1.

Interroger la liste des voix

Corps de la requête

Cet exemple utilise l'endpoint de la région de Singapour. Pour la région de Pékin, utilisez : https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/tts/customization.

Remplacez {WorkspaceId} par votre véritable ID d'espace de travail.

Qwen-Audio-TTS/CosyVoice

curl -X POST https://{WorkspaceId}.ap-southeast-1.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
    }
}'

modelstring(obligatoire)

Modèle de clonage vocal. Valeurs valides :

voice-enrollment : clonage vocal Qwen-Audio-TTS/CosyVoice.

inputobject(obligatoire)

Paramètres d'entrée.

Propriétés

action string(obligatoire)

Définissez cette valeur sur list_voice.

prefix string(facultatif)

ImportantS'applique uniquement à Qwen-Audio-TTS/CosyVoice.

Filtre les voix selon leur préfixe de nom.

page_index integer(facultatif)

Index de la page.

page_size integer(facultatif)

Nombre d'entrées par page.

Corps de la réponse

Qwen-Audio-TTS/CosyVoice

{
    "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"
}

request_idstring

Identifiant unique de cette requête.

outputobject

Données retournées par le modèle.

Propriétés

voice_listarray[object]

Liste des voix interrogées.

Propriétés

voice_idstring

Identifiant de la voix. Utilisez-le dans le paramètre voice de l'API TTS.

gmt_createstring

Date de création.

gmt_modifiedstring

Date de dernière modification.

statusstring

ImportantRetourné uniquement par Qwen-Audio-TTS/CosyVoice.

État de la voix. Pour les valeurs valides, consultez « Descriptions des états de voix ».

usageobject

Informations de consommation pour cette requête.

Propriétés

count integer

Toujours égal à 1.

Consulter les détails d'une voix

ImportantCette fonctionnalité s'applique uniquement à Qwen-Audio-TTS/CosyVoice (lorsque le modèle est voice-enrollment)

Request body

Cet exemple utilise l'endpoint de la région de Singapour. Pour la région de Pékin, utilisez : https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/tts/customization.

Remplacez {WorkspaceId} par votre véritable ID d'espace de travail.

Qwen-Audio-TTS/CosyVoice

curl -X POST https://{WorkspaceId}.ap-southeast-1.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"
    }
}'

modelstring(required)

Définissez cette valeur sur voice-enrollment (Qwen-Audio-TTS/CosyVoice).

inputobject(required)

Paramètres d'entrée.

Properties

action string(required)

Définissez cette valeur sur query_voice.

voice_id string(required)

Identifiant de la voix à consulter.

Response body

{
    "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"
}

request_idstring

Identifiant unique de cette requête.

outputobject

Données renvoyées par le modèle.

Properties

resource_linkstring

URL du fichier audio.

gmt_createstring

Date de création.

gmt_modifiedstring

Date de dernière modification.

statusstring

État de la voix. Pour les valeurs valides, reportez-vous à la section « Description des états de voix ».

target_modelstring

Modèle TTS qui pilote la voix clonée.

usageobject

Informations d'utilisation pour cette requête.

Properties

count integer

Toujours égal à 1.

Mettre à jour une voix

ImportantCette fonctionnalité s'applique uniquement au clonage de voix Qwen-Audio-TTS/CosyVoice (lorsque le modèle est voice-enrollment)

Request body

Cet exemple utilise l'endpoint de la région de Singapour. Pour la région de Pékin, utilisez : https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/tts/customization.

curl -X POST https://{WorkspaceId}.ap-southeast-1.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"
    }
}'

modelstring(required)

Définissez cette valeur sur voice-enrollment.

inputobject(required)

Paramètres d'entrée.

Properties

action string(required)

Définissez cette valeur sur update_voice.

voice_id string(required)

Identifiant de la voix à mettre à jour.

url string(required)

URL du nouveau fichier audio. Cette URL doit être accessible publiquement.

Response body

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

request_idstring

Identifiant unique de cette requête.

outputobject

Données renvoyées par le modèle. L'opération de mise à jour ne retourne aucune donnée métier. La réponse peut contenir un champ preview_audio, correspondant à un objet vide que vous pouvez ignorer.

usageobject

Informations d'utilisation pour cette requête.

Properties

count integer

Toujours égal à 1.

Supprimer une voix

Request body

Cet exemple utilise l'endpoint de la région de Singapour. Pour la région de Pékin, utilisez : https://{WorkspaceId}.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/tts/customization.

Remplacez {WorkspaceId} par votre véritable ID d'espace de travail.

Qwen-Audio-TTS/CosyVoice

curl -X POST https://{WorkspaceId}.ap-southeast-1.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"
    }
}'

modelstring(required)

Modèle de clonage de voix. Valeurs valides :

voice-enrollment : clonage de voix Qwen-Audio-TTS/CosyVoice.

inputobject(required)

Paramètres d'entrée.

Properties

action string(required)

Définissez cette valeur sur delete_voice.

voice_id string(obligatoire)

ImportantS'applique uniquement à Qwen-Audio-TTS/CosyVoice.

Identifiant de la voix à supprimer.

Response body

Qwen-Audio-TTS/CosyVoice

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

request_idstring

Identifiant unique de cette requête.

outputobject

Données retournées par le modèle. Il s’agit d’un objet vide.

usageobject

Informations d'utilisation pour cette requête.

Properties

count integer

Toujours égal à 1.

Description des états de voix

Les voix créées passent par un processus de validation. Les états suivants s’appliquent à Qwen-Audio-TTS/CosyVoice lorsque model est défini sur voice-enrollment.

Status	Description
DEPLOYING	En cours de validation ou de traitement.
OK	Validation réussie. La voix est prête à l'emploi.
UNDEPLOYED	Validation refusée. La voix ne peut pas être utilisée.