全部產品
Search
文件中心

Alibaba Cloud Model Studio:音訊產生

更新時間:Sep 23, 2026

透過文字描述和參考音訊,一次生成語音、音效與環境音,建構多人對話、Podcast 等完整聲音場景。本文介紹效果範例及提示詞寫法。

適用情境

音訊生成不僅將文字轉換為語音,還可以一次生成語音、音效和環境音,建構完整的聲音場景:

  • 語音與對話:單人旁白、多人對話、Podcast、有聲書和廣播劇。
  • 綜合聲音場景:為台詞搭配雨聲、海浪聲或遊戲場景音效。

只需將固定文字轉換為人聲時,也可以使用語音合成。需要圍繞一個場景同時描述人物和其他聲音時,可以使用音訊生成。

效果範例

以下範例展示不同場景的提示詞和生成效果。同一提示詞多次生成的結果可能不同。

場景提示詞效果
Podcast
播客节目,两位主播闲聊。主播1(成年男性,嗓音低沉,略带沙哑,吐字清晰,语速略偏快,播客腔)语调平缓地说:“我是觉得,旅行这件事吧,不是说去多远的地方才算数,对吧?就是说,哪怕是在城市里走走,也是一种放松。所以就是说。”到这里稍微停顿,略微加重语气肯定道:“这一次去杭州,我主要想的就是想慢下来,就去了。”主播1语气略微提高,以稍微惊讶的腔调和叙事的口吻说道:“我跟你讲,去了之后其实我是有点,有点惊讶的。大家可以看那期vlog,我真的挺惊讶,因为我们特地挑了个小雨天。那天还下着蒙蒙细雨。”这句话中“特地”两个字被加重说了出来。主播2(年轻女性,嗓音偏御,略哑,略微低沉)简短附和道:“是。”主播1恢复平缓语气接着说:“然后我们两个人就说,欸,下雨天,应该就没什么人了。”说到这里主播2笑了一声,主播1继续:“我们就想说,哎,就这样逛。”说到这里主播1有略微吞口水的声音,继续说道:“结果去了之后人还是很多,我讲心里话,人还是很多。”主播2用肯定的语气简短地说:“是。”主播1语气略微偏高,以解释的口吻说道:“但是惠子跟我说,这个跟节假日比,人已经少太多太多了。因为我们当时连算上走路、进园、排队,可能也就花了十五二十分钟。”
播客节目,情感对谈。主播(三十岁左右女性,嗓音温柔,略哑,语速缓慢,有亲和力)语调平缓地说:“我不知道大家有没有这种感觉,就是,有些话,你对最亲近的人,反而说不出口,对吧?就是说,越是在乎,越是小心翼翼。所以就是说。”到这里稍微停顿,略微加重语气道:“这一次跟我妈通电话,我其实,犹豫了很久。”主播语气略微提高,以有点感慨、叙事的口吻说道:“我跟你讲,电话接通的那一刻,我其实是有点,有点鼻酸的。那天是我离家整整一年的那天。”这句话里“整整一年”被加重。嘉宾(二十五岁女性,嗓音清澈,偏软,语速慢)轻轻地附和:“嗯,我懂。”主播恢复平缓语气接着说:“然后我就听到她那头,欸,还在厨房忙活的声音。”说到这里嘉宾轻轻笑了一声,主播继续:“我就突然,什么都不想说了,就想听她唠叨。”说到这里主播有轻微的吸气声,继续:“结果聊了半个小时,全是些鸡毛蒜皮,可我讲心里话,那是我这周最安心的半小时。”嘉宾用温柔肯定的语气说:“是,这就是家吧。”
有聲書
小说片段多角色配音,场景为初冬的咖啡厅。背景声:窗外细雨轻敲玻璃。旁白(28-30岁女性,温柔沉静、略带文艺感与淡淡怅惘,语速舒缓,有画面感);角色A宁艺卓(22岁女性,明亮爽利、语速偏快,带点俏皮调侃,直来直去);角色B金旼炡(22岁女性,轻柔温和、偏安静,语速慢,声音带一丝克制与不易察觉的忧伤)。旁白:"初冬的雨下得不大。金旼炡坐在咖啡厅靠窗的位置,手里的咖啡已经凉了。对面的宁艺卓撑着下巴看她,看了整整十分钟,最后终于忍不住开口。"角色A宁艺卓:"你到底还要喜欢她多久?"旁白:"金旼炡动作一顿,没有回答。宁艺卓翻了个白眼。"角色A宁艺卓:"十二年。金旼炡,十二年了。"旁白:"金旼炡低头搅了搅咖啡,轻声说:"角色B金旼炡:"也没有那么久。"角色A宁艺卓(差点笑出来):"没有?从小学到现在,你跟我说没有那么久?"旁白:"金旼炡终于笑了,只是笑容很浅。她当然记得,记得第一次见到刘知珉的时候。"
小说片段多角色配音,场景为深夜的居民楼天台,两位多年好友靠着栏杆,喝着啤酒聊天。背景声:远处城市的低鸣、晚风声、易拉罐轻碰声。旁白(30岁女性,沉静、有故事感,语速舒缓);角色A阿哲(28岁男性,嗓音低沉、略带疲惫但真诚,语速偏慢);角色B大刘(28岁男性,嗓音爽朗、乐观、中气足,语速快)。旁白:"城市的灯在脚下连成一片。阿哲灌了一口酒,忽然开口。"角色A阿哲:"你说,我们是不是把日子过成了当年最讨厌的样子?"角色B大刘:"怎么突然这么丧。"角色A阿哲:"今天开会,我居然会打官腔了。"角色B大刘(笑):"那叫成熟。"角色A阿哲:"成熟……还是磨平了?"旁白:"大刘没立刻回答,碰了碰他的罐子。"角色B大刘:"管它呢。至少今晚,咱俩还是当年那两个小子。"旁白:"夜风里,两个人都笑了。"
合租屋的客厅里,两位室友搬家前夜坐在打包好的纸箱中间,聊着未来。背景声:纸箱轻碰声、深夜的安静、偶尔的轻笑。旁白(28岁女性,温柔、略带怅惘,语速舒缓);角色A阿宁(25岁女性,嗓音温柔、带点不舍,语速偏慢);角色B可可(25岁女性,嗓音爽朗、重感情,语速偏快)。旁白:"客厅堆满了纸箱,两个人坐在中间,像坐在三年的回忆里。"角色A阿宁:"明天之后,就没人半夜陪你吃泡面了。"角色B可可:"说得好像我多稀罕似的。"角色A阿宁:"上次是谁抢我最后一口汤的?"角色B可可(笑):"那是给你面子。"旁白:"笑着笑着,两个人都安静了。"角色A阿宁(轻声):"以后……也要常联系啊。"角色B可可:"废话。"旁白:"可可别过头,偷偷红了眼眶。"
廣播劇
雨中告白广播剧。男主(27岁,气喘、淋着雨、真挚):“我找了你整整三条街!这句话我今天必须说——我喜欢你,从很久很久以前就开始了!”女主(25岁,惊讶、声音发颤):“你……你先过来,雨这么大,你会生病的……”背景声:倾盆雨声、偶尔的雷鸣。
海边场景对话。角色A(26岁女性,放松、带笑):“你听,海浪的声音,是不是把所有烦心事都冲走了?”角色B(28岁男性,惬意、慵懒):“嗯……真想就这么一直坐着,什么都不干。”背景声:持续的海浪拍岸声、轻柔海风。
遊戲配音
游戏世外高人台词。说话人:80岁老者,苍老、悠远、仙风道骨、语速缓慢的嗓音。情绪:超然、点拨。台词:“年轻人,莫急。剑法之妙,不在招式,而在心境。心若止水,万物皆可为剑。你,可悟了?”
游戏NPC台词配音,场景为村口大树下,老村长拄着拐杖,给玩家交代任务。背景声:乡村的鸡鸣犬吠、风吹树叶的沙沙声、远处孩童嬉闹。NPC老村长(70岁男性,嗓音苍老、缓慢、慈祥又透着忧心,语速很慢)叮嘱道:"孩子啊,你来得正好。后山那边,昨天闹起了妖怪,闹得村里人心惶惶的。你本事大,帮我去瞧一瞧,到底是个什么东西在作怪。村里人,都指望你了。"
游戏战斗场景NPC台词配音,场景为战场边缘的临时救护点,一位军医在混乱中抢救伤员、大声呼喊。背景声:远处的喊杀声、伤兵的呻吟声、布料撕扯声。NPC军医(35岁女性,嗓音急切、坚定、透着焦急与关切,语速快)喊道:"快!把伤员抬下来!这边还有一个,撑住,别睡过去!担架——担架在哪?按住伤口,军医马上就到,都给我挺住!"

編寫提示詞

將需要的聲音寫入一段文字描述,區分台詞和場景指令。

描述要素撰寫範例
創作任務「兩位主播的 Podcast 開場」「雨中對話的廣播劇片段」
人物及音色「角色A為低沉男聲,角色B為明亮女聲」
台詞使用引號標記台詞,並註明說話者
表達方式「輕聲說」「語氣驚訝」「略作停頓後繼續」
背景與音效「窗外有雨聲,室內傳來輕微的翻書聲」
聲音變化「腳步聲漸近後,角色開始說話」

先明確核心台詞和聲音,再新增必要的風格描述。保持人物稱呼一致,避免同一人物的音色或情緒指令相互衝突。可以透過先後順序描述聲音的變化。

使用參考音訊

需要提供聲音參考時,上傳可公開存取的音訊 URL,或使用音訊的 Base64 資料。在提示詞中透過 @voice1、@voice2、@voice3 引用按順序提供的音訊。

例如,提供兩條參考音訊後,可以使用:

@voice1 用开心的语气说:“今天天气真好。”@voice2 在旁边笑。

qwen-audio-3.1-tts-next 最多接收 3 條參考音訊,每條不超過 30 秒和 10 MB,支援 WAV、MP3、OGG Opus,不支援裸 PCM。參考音訊 URL 與 Base64 二選一;使用 URL 時,伺服器端必須能存取該位址。

支援的模型

模型語言輸入長度上限單次輸出時長上限
qwen-audio-3.1-tts-next中文、英文3000 字元Podcast:240 秒(4 分鐘);其他場景:120 秒

模型價格和限制請參閱對應模型詳情。

接入與費用