聲音複刻依託大模型進行特徵提取，無需訓練即可複刻聲音。僅需提供 10~20 秒的音頻，即可產生高度相似且聽感自然的定製音色。聲音複刻與語音合成是前後關聯的兩個步驟。本文檔聚焦於介紹聲音複刻的參數和介面細節，語音合成請參見即時語音合成-通義千問。
使用者指南：關於模型介紹和選型建議請參見即時語音合成-通義千問。
音頻要求
高品質的輸入音頻是獲得優質複刻效果的基礎。
專案 | 要求 |
支援格式 | WAV (16bit)、MP3、M4A |
音頻時間長度 | 推薦10~20秒，最長不得超過60秒 |
檔案大小 | ＜ 10 MB |
採樣率 | ≥ 24 kHz |
聲道 | 單聲道 |
內容 | 音頻必須包含至少3秒連續清晰朗讀（無背景音），其餘部分僅允許短暫停頓（≤2秒）；整段音頻應避免背景音樂、噪音或其他人聲，確保核心朗讀內容品質；請使用正常說話音頻作為輸入，不要上傳歌曲或唱歌音頻，以確保複刻效果準確和可用 |
語言 | 中文（zh）、英文（en）、德語（de）、意大利語（it）、葡萄牙語（pt）、西班牙語（es）、日語（ja）、韓語（ko）、法語（fr）、俄語（ru） |
快速開始：從複刻到合成
1. 工作流程
聲音複刻與語音合成是緊密關聯的兩個獨立步驟，遵循“先建立，後使用”的流程：
2. 模型配置與準備工作
選擇合適的模型並完成準備工作。
模型配置
聲音複刻時需要指定以下兩個模型：
聲音複刻模型：qwen-voice-enrollment
驅動音色的語音合成模型：目前僅支援qwen3-tts-vc-realtime-2025-11-27
準備工作
擷取API Key：擷取與配置 API Key，為安全起見，推薦將API Key配置到環境變數。
安裝SDK：確保已安裝最新版DashScope SDK。
準備待覆刻音頻：音頻需符合音頻要求。
3. 端到端樣本
以下樣本示範了如何在語音合成中使用聲音複刻產生的專屬音色，實現與原音高度相似的輸出效果。
關鍵原則：聲音複刻時，
target_model（驅動音色的語音合成模型）必須與後續調用語音合成介面時指定的語音合成模型一致，否則會合成失敗。樣本使用本地音頻檔案
voice.mp3進行聲音複刻，運行代碼時，請注意替換。
Python
# DashScope SDK 版本需要不低於1.23.9，Python版本需3.10及以上
# coding=utf-8
# Installation instructions for pyaudio:
# APPLE Mac OS X
# brew install portaudio
# pip install pyaudio
# Debian/Ubuntu
# sudo apt-get install python-pyaudio python3-pyaudio
# or
# pip install pyaudio
# CentOS
# sudo yum install -y portaudio portaudio-devel && pip install pyaudio
# Microsoft Windows
# python -m pip install pyaudio
import pyaudio
import os
import requests
import base64
import pathlib
import threading
import time
import dashscope # DashScope Python SDK 版本需要不低於1.23.9
from dashscope.audio.qwen_tts_realtime import QwenTtsRealtime, QwenTtsRealtimeCallback, AudioFormat
# ======= 常量配置 =======
DEFAULT_TARGET_MODEL = "qwen3-tts-vc-realtime-2025-11-27" # 聲音複刻、語音合成要使用相同的模型
DEFAULT_PREFERRED_NAME = "guanyu"
DEFAULT_AUDIO_MIME_TYPE = "audio/mpeg"
VOICE_FILE_PATH = "voice.mp3" # 用於聲音複刻的本地音頻檔案的相對路徑
TEXT_TO_SYNTHESIZE = [
'對吧~我就特別喜歡這種超市，',
'尤其是過年的時候',
'去逛超市',
'就會覺得',
'超級超級開心！',
'想買好多好多的東西呢！'
]
def create_voice(file_path: str,
target_model: str = DEFAULT_TARGET_MODEL,
preferred_name: str = DEFAULT_PREFERRED_NAME,
audio_mime_type: str = DEFAULT_AUDIO_MIME_TYPE) -> str:
"""
建立音色，並返回 voice 參數
"""
# 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key = "sk-xxx"
api_key = os.getenv("DASHSCOPE_API_KEY")
file_path_obj = pathlib.Path(file_path)
if not file_path_obj.exists():
raise FileNotFoundError(f"音頻檔案不存在: {file_path}")
base64_str = base64.b64encode(file_path_obj.read_bytes()).decode()
data_uri = f"data:{audio_mime_type};base64,{base64_str}"
# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization
url = "https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization"
payload = {
"model": "qwen-voice-enrollment", # 不要修改該值
"input": {
"action": "create",
"target_model": target_model,
"preferred_name": preferred_name,
"audio": {"data": data_uri}
}
}
headers = {
"Authorization": f"Bearer {api_key}",
"Content-Type": "application/json"
}
resp = requests.post(url, json=payload, headers=headers)
if resp.status_code != 200:
raise RuntimeError(f"建立 voice 失敗: {resp.status_code}, {resp.text}")
try:
return resp.json()["output"]["voice"]
except (KeyError, ValueError) as e:
raise RuntimeError(f"解析 voice 響應失敗: {e}")
def init_dashscope_api_key():
"""
初始化 dashscope SDK 的 API key
"""
# 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
# 若沒有配置環境變數，請用百鍊API Key將下行替換為：dashscope.api_key = "sk-xxx"
dashscope.api_key = os.getenv("DASHSCOPE_API_KEY")
# ======= 回調類 =======
class MyCallback(QwenTtsRealtimeCallback):
"""
自訂 TTS 流式回調
"""
def __init__(self):
self.complete_event = threading.Event()
self._player = pyaudio.PyAudio()
self._stream = self._player.open(
format=pyaudio.paInt16, channels=1, rate=24000, output=True
)
def on_open(self) -> None:
print('[TTS] 串連已建立')
def on_close(self, close_status_code, close_msg) -> None:
self._stream.stop_stream()
self._stream.close()
self._player.terminate()
print(f'[TTS] 串連關閉 code={close_status_code}, msg={close_msg}')
def on_event(self, response: dict) -> None:
try:
event_type = response.get('type', '')
if event_type == 'session.created':
print(f'[TTS] 會話開始: {response["session"]["id"]}')
elif event_type == 'response.audio.delta':
audio_data = base64.b64decode(response['delta'])
self._stream.write(audio_data)
elif event_type == 'response.done':
print(f'[TTS] 響應完成, Response ID: {qwen_tts_realtime.get_last_response_id()}')
elif event_type == 'session.finished':
print('[TTS] 會話結束')
self.complete_event.set()
except Exception as e:
print(f'[Error] 處理回調事件異常: {e}')
def wait_for_finished(self):
self.complete_event.wait()
# ======= 主執行邏輯 =======
if __name__ == '__main__':
init_dashscope_api_key()
print('[系統] 初始化 Qwen TTS Realtime ...')
callback = MyCallback()
qwen_tts_realtime = QwenTtsRealtime(
model=DEFAULT_TARGET_MODEL,
callback=callback,
# 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：wss://dashscope.aliyuncs.com/api-ws/v1/realtime
url='wss://dashscope-intl.aliyuncs.com/api-ws/v1/realtime'
)
qwen_tts_realtime.connect()
qwen_tts_realtime.update_session(
voice=create_voice(VOICE_FILE_PATH), # 將voice參數替換為複刻產生的專屬音色
response_format=AudioFormat.PCM_24000HZ_MONO_16BIT,
mode='server_commit'
)
for text_chunk in TEXT_TO_SYNTHESIZE:
print(f'[發送文本]: {text_chunk}')
qwen_tts_realtime.append_text(text_chunk)
time.sleep(0.1)
qwen_tts_realtime.finish()
callback.wait_for_finished()
print(f'[Metric] session_id={qwen_tts_realtime.get_session_id()}, '
f'first_audio_delay={qwen_tts_realtime.get_first_audio_delay()}s')
Java
需要匯入Gson依賴，若是使用Maven或者Gradle，添加依賴方式如下：
Maven
在pom.xml中添加如下內容：
<!-- https://mvnrepository.com/artifact/com.google.code.gson/gson -->
<dependency>
<groupId>com.google.code.gson</groupId>
<artifactId>gson</artifactId>
<version>2.13.1</version>
</dependency>Gradle
在build.gradle中添加如下內容：
// https://mvnrepository.com/artifact/com.google.code.gson/gson
implementation("com.google.code.gson:gson:2.13.1")// Java SDK 版本需要不低於2.20.9
import com.alibaba.dashscope.audio.qwen_tts_realtime.*;
import com.alibaba.dashscope.exception.NoApiKeyException;
import com.google.gson.Gson;
import com.google.gson.JsonObject;
import javax.sound.sampled.*;
import java.io.*;
import java.net.HttpURLConnection;
import java.net.URL;
import java.nio.file.*;
import java.nio.charset.StandardCharsets;
import java.util.Base64;
import java.util.Queue;
import java.util.concurrent.CountDownLatch;
import java.util.concurrent.atomic.AtomicReference;
import java.util.concurrent.ConcurrentLinkedQueue;
import java.util.concurrent.atomic.AtomicBoolean;
public class Main {
// ===== 常量定義 =====
// 聲音複刻、語音合成要使用相同的模型
private static final String TARGET_MODEL = "qwen3-tts-vc-realtime-2025-11-27";
private static final String PREFERRED_NAME = "guanyu";
// 用於聲音複刻的本地音頻檔案的相對路徑
private static final String AUDIO_FILE = "voice.mp3";
private static final String AUDIO_MIME_TYPE = "audio/mpeg";
private static String[] textToSynthesize = {
"對吧~我就特別喜歡這種超市",
"尤其是過年的時候",
"去逛超市",
"就會覺得",
"超級超級開心！",
"想買好多好多的東西呢！"
};
// 產生 data URI
public static String toDataUrl(String filePath) throws IOException {
byte[] bytes = Files.readAllBytes(Paths.get(filePath));
String encoded = Base64.getEncoder().encodeToString(bytes);
return "data:" + AUDIO_MIME_TYPE + ";base64," + encoded;
}
// 調用 API 建立 voice
public static String createVoice() throws Exception {
// 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
// 若沒有配置環境變數，請用百鍊API Key將下行替換為：String apiKey = "sk-xxx"
String apiKey = System.getenv("DASHSCOPE_API_KEY");
String jsonPayload =
"{"
+ "\"model\": \"qwen-voice-enrollment\"," // 不要修改該值
+ "\"input\": {"
+ "\"action\": \"create\","
+ "\"target_model\": \"" + TARGET_MODEL + "\","
+ "\"preferred_name\": \"" + PREFERRED_NAME + "\","
+ "\"audio\": {"
+ "\"data\": \"" + toDataUrl(AUDIO_FILE) + "\""
+ "}"
+ "}"
+ "}";
HttpURLConnection con = (HttpURLConnection) new URL("https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization").openConnection();
con.setRequestMethod("POST");
con.setRequestProperty("Authorization", "Bearer " + apiKey);
con.setRequestProperty("Content-Type", "application/json");
con.setDoOutput(true);
try (OutputStream os = con.getOutputStream()) {
os.write(jsonPayload.getBytes(StandardCharsets.UTF_8));
}
int status = con.getResponseCode();
System.out.println("HTTP 狀態代碼: " + status);
try (BufferedReader br = new BufferedReader(
new InputStreamReader(status >= 200 && status < 300 ? con.getInputStream() : con.getErrorStream(),
StandardCharsets.UTF_8))) {
StringBuilder response = new StringBuilder();
String line;
while ((line = br.readLine()) != null) {
response.append(line);
}
System.out.println("返回內容: " + response);
if (status == 200) {
JsonObject jsonObj = new Gson().fromJson(response.toString(), JsonObject.class);
return jsonObj.getAsJsonObject("output").get("voice").getAsString();
}
throw new IOException("建立語音失敗: " + status + " - " + response);
}
}
// 即時PCM音頻播放器類
public static class RealtimePcmPlayer {
private int sampleRate;
private SourceDataLine line;
private AudioFormat audioFormat;
private Thread decoderThread;
private Thread playerThread;
private AtomicBoolean stopped = new AtomicBoolean(false);
private Queue<String> b64AudioBuffer = new ConcurrentLinkedQueue<>();
private Queue<byte[]> RawAudioBuffer = new ConcurrentLinkedQueue<>();
// 建構函式初始化音頻格式和音頻線路
public RealtimePcmPlayer(int sampleRate) throws LineUnavailableException {
this.sampleRate = sampleRate;
this.audioFormat = new AudioFormat(this.sampleRate, 16, 1, true, false);
DataLine.Info info = new DataLine.Info(SourceDataLine.class, audioFormat);
line = (SourceDataLine) AudioSystem.getLine(info);
line.open(audioFormat);
line.start();
decoderThread = new Thread(new Runnable() {
@Override
public void run() {
while (!stopped.get()) {
String b64Audio = b64AudioBuffer.poll();
if (b64Audio != null) {
byte[] rawAudio = Base64.getDecoder().decode(b64Audio);
RawAudioBuffer.add(rawAudio);
} else {
try {
Thread.sleep(100);
} catch (InterruptedException e) {
throw new RuntimeException(e);
}
}
}
}
});
playerThread = new Thread(new Runnable() {
@Override
public void run() {
while (!stopped.get()) {
byte[] rawAudio = RawAudioBuffer.poll();
if (rawAudio != null) {
try {
playChunk(rawAudio);
} catch (IOException e) {
throw new RuntimeException(e);
} catch (InterruptedException e) {
throw new RuntimeException(e);
}
} else {
try {
Thread.sleep(100);
} catch (InterruptedException e) {
throw new RuntimeException(e);
}
}
}
}
});
decoderThread.start();
playerThread.start();
}
// 播放一個音頻塊並阻塞直到播放完成
private void playChunk(byte[] chunk) throws IOException, InterruptedException {
if (chunk == null || chunk.length == 0) return;
int bytesWritten = 0;
while (bytesWritten < chunk.length) {
bytesWritten += line.write(chunk, bytesWritten, chunk.length - bytesWritten);
}
int audioLength = chunk.length / (this.sampleRate*2/1000);
// 等待緩衝區中的音頻播放完成
Thread.sleep(audioLength - 10);
}
public void write(String b64Audio) {
b64AudioBuffer.add(b64Audio);
}
public void cancel() {
b64AudioBuffer.clear();
RawAudioBuffer.clear();
}
public void waitForComplete() throws InterruptedException {
while (!b64AudioBuffer.isEmpty() || !RawAudioBuffer.isEmpty()) {
Thread.sleep(100);
}
line.drain();
}
public void shutdown() throws InterruptedException {
stopped.set(true);
decoderThread.join();
playerThread.join();
if (line != null && line.isRunning()) {
line.drain();
line.close();
}
}
}
public static void main(String[] args) throws Exception {
QwenTtsRealtimeParam param = QwenTtsRealtimeParam.builder()
.model(TARGET_MODEL)
// 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：wss://dashscope.aliyuncs.com/api-ws/v1/realtime
.url("wss://dashscope-intl.aliyuncs.com/api-ws/v1/realtime")
// 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key
// 若沒有配置環境變數，請用百鍊API Key將下行替換為：.apikey("sk-xxx")
.apikey(System.getenv("DASHSCOPE_API_KEY"))
.build();
AtomicReference<CountDownLatch> completeLatch = new AtomicReference<>(new CountDownLatch(1));
final AtomicReference<QwenTtsRealtime> qwenTtsRef = new AtomicReference<>(null);
// 建立即時音頻播放器執行個體
RealtimePcmPlayer audioPlayer = new RealtimePcmPlayer(24000);
QwenTtsRealtime qwenTtsRealtime = new QwenTtsRealtime(param, new QwenTtsRealtimeCallback() {
@Override
public void onOpen() {
// 串連建立時的處理
}
@Override
public void onEvent(JsonObject message) {
String type = message.get("type").getAsString();
switch(type) {
case "session.created":
// 會話建立時的處理
break;
case "response.audio.delta":
String recvAudioB64 = message.get("delta").getAsString();
// 即時播放音頻
audioPlayer.write(recvAudioB64);
break;
case "response.done":
// 響應完成時的處理
break;
case "session.finished":
// 會話結束時的處理
completeLatch.get().countDown();
default:
break;
}
}
@Override
public void onClose(int code, String reason) {
// 串連關閉時的處理
}
});
qwenTtsRef.set(qwenTtsRealtime);
try {
qwenTtsRealtime.connect();
} catch (NoApiKeyException e) {
throw new RuntimeException(e);
}
QwenTtsRealtimeConfig config = QwenTtsRealtimeConfig.builder()
.voice(createVoice()) // 將voice參數替換為複刻產生的專屬音色
.responseFormat(QwenTtsRealtimeAudioFormat.PCM_24000HZ_MONO_16BIT)
.mode("server_commit")
.build();
qwenTtsRealtime.updateSession(config);
for (String text:textToSynthesize) {
qwenTtsRealtime.appendText(text);
Thread.sleep(100);
}
qwenTtsRealtime.finish();
completeLatch.get().await();
// 等待音頻播放完成並關閉播放器
audioPlayer.waitForComplete();
audioPlayer.shutdown();
System.exit(0);
}
}API參考
使用不同 API 時，請確保使用同一帳號進行操作。
建立音色
上傳用於複刻的音頻，建立自訂音色。
URL
中國大陸（北京）：
POST https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization國際（新加坡）：
POST https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization要求標頭
參數
類型
是否必須
說明
Authorization
string
鑒權令牌，格式為
Bearer <your_api_key>，使用時，將“<your_api_key>”替換為實際的API Key。Content-Type
string
請求體中傳輸的資料的媒體類型。固定為
application/json。訊息體
包含所有請求參數的訊息體如下，對於可選欄位，在實際業務中可根據需求省略。
重要注意區分如下參數：
model：聲音複刻模型，固定為qwen-voice-enrollmenttarget_model：驅動音色的語音合成模型，須和後續調用語音合成介面時使用的語音合成模型一致，否則合成會失敗
{ "model": "qwen-voice-enrollment", "input": { "action": "create", "target_model": "qwen3-tts-vc-realtime-2025-11-27", "preferred_name": "guanyu", "audio": { "data": "https://xxx.wav" }, "text": "可選項，填入audio.data對應的文本", "language": "可選項，填入audio.data對應的語種，如zh" } }請求參數
參數
類型
預設值
是否必須
說明
model
string
-
聲音複刻模型，固定為
qwen-voice-enrollment。action
string
-
操作類型，固定為
create。target_model
string
-
驅動音色的語音合成模型，目前僅支援 qwen3-tts-vc-realtime-2025-11-27。
必須與後續調用語音合成介面時使用的語音合成模型一致，否則合成會失敗。
preferred_name
string
-
為音色指定一個便於識別的名稱（僅允許數字、大小寫字母和底線，不超過16個字元）。建議選用與角色、情境相關的標識。
該關鍵字會在複刻的音色名中出現，例如關鍵字為“guanyu”，最終音色名為“qwen-tts-vc-guanyu-voice-20250812105009984-838b”
audio.data
string
-
用於複刻的音頻（錄製時需遵循錄音操作指南，音頻需滿足音頻要求）。
可通過以下兩種方式提交音頻資料：
格式：
data:<mediatype>;base64,<data><mediatype>：MIME類型WAV：
audio/wavMP3：
audio/mpegM4A：
audio/mp4
<data>：音頻轉成的Base64編碼的字串Base64編碼會增大體積，請控制原檔案大小，確保編碼後仍小於10MB
樣本：
data:audio/wav;base64,SUQzBAAAAAAAI1RTU0UAAAAPAAADTGF2ZjU4LjI5LjEwMAAAAAAAAAAAAAAA//PAxABQ/BXRbMPe4IQAhl9
音頻URL（推薦將音頻上傳至OSS）
檔案大小不超過10MB
URL必須公網可訪問且無需鑒權
text
string
-
與
audio.data音頻內容相匹配的文本。傳入該參數後，服務端會對比音頻與該文本的差異，若差異過大，將返回Audio.PreprocessError。
language
string
-
audio.data音頻對應的語種。支援
zh（中文）、en（英文）、de（德語）、it（意大利語）、pt（葡萄牙語）、es（西班牙語）、ja（日語）、ko（韓語）、fr（法語）、ru（俄語）。若使用該參數，設定的語種要和實際用於複刻的音訊語種一致。
響應參數
需關注的參數如下：
參數
類型
說明
voice
string
音色名稱，可直接用於語音合成介面的
voice參數。target_model
string
驅動音色的語音合成模型，目前僅支援 qwen3-tts-vc-realtime-2025-11-27。
必須與後續調用語音合成介面時使用的語音合成模型一致，否則合成會失敗。
request_id
string
Request ID。
count
integer
本次請求實際計入費用的“建立音色”次數，本次請求的費用為$
。 建立音色時，count恒為1。
範例程式碼
重要注意區分如下參數：
model：聲音複刻模型，固定為qwen-voice-enrollmenttarget_model：驅動音色的語音合成模型，須和後續調用語音合成介面時使用的語音合成模型一致，否則合成會失敗
cURL
若未將API Key配置到環境變數，需將樣本中的
$DASHSCOPE_API_KEY替換為實際的API Key。# ======= 重要提示 ======= # 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization # 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key # === 執行時請刪除該注釋 === curl -X POST https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization \ -H "Authorization: Bearer $DASHSCOPE_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen-voice-enrollment", "input": { "action": "create", "target_model": "qwen3-tts-vc-realtime-2025-11-27", "preferred_name": "guanyu", "audio": { "data": "https://xxx.wav" } } }'Python
import os import requests import base64, pathlib target_model = "qwen3-tts-vc-realtime-2025-11-27" preferred_name = "guanyu" audio_mime_type = "audio/mpeg" file_path = pathlib.Path("input.mp3") base64_str = base64.b64encode(file_path.read_bytes()).decode() data_uri = f"data:{audio_mime_type};base64,{base64_str}" # 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key # 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key = "sk-xxx" api_key = os.getenv("DASHSCOPE_API_KEY") # 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization url = "https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization" payload = { "model": "qwen-voice-enrollment", # 不要修改這個值 "input": { "action": "create", "target_model": target_model, "preferred_name": preferred_name, "audio": { "data": data_uri } } } headers = { "Authorization": f"Bearer {api_key}", "Content-Type": "application/json" } # 發送 POST 請求 resp = requests.post(url, json=payload, headers=headers) if resp.status_code == 200: data = resp.json() voice = data["output"]["voice"] print(f"產生的 voice 參數為: {voice}") else: print("請求失敗:", resp.status_code, resp.text)Java
import com.google.gson.Gson; import com.google.gson.JsonObject; import java.io.*; import java.net.HttpURLConnection; import java.net.URL; import java.nio.file.*; import java.util.Base64; public class Main { private static final String TARGET_MODEL = "qwen3-tts-vc-realtime-2025-11-27"; private static final String PREFERRED_NAME = "guanyu"; private static final String AUDIO_FILE = "input.mp3"; private static final String AUDIO_MIME_TYPE = "audio/mpeg"; public static String toDataUrl(String filePath) throws Exception { byte[] bytes = Files.readAllBytes(Paths.get(filePath)); String encoded = Base64.getEncoder().encodeToString(bytes); return "data:" + AUDIO_MIME_TYPE + ";base64," + encoded; } public static void main(String[] args) { // 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key // 若沒有配置環境變數，請用百鍊API Key將下行替換為：String apiKey = "sk-xxx" String apiKey = System.getenv("DASHSCOPE_API_KEY"); // 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization String apiUrl = "https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization"; try { // 構造 JSON 請求體（注意內部的引號需轉義） String jsonPayload = "{" + "\"model\": \"qwen-voice-enrollment\"," // 不要修改該值 + "\"input\": {" + "\"action\": \"create\"," + "\"target_model\": \"" + TARGET_MODEL + "\"," + "\"preferred_name\": \"" + PREFERRED_NAME + "\"," + "\"audio\": {" + "\"data\": \"" + toDataUrl(AUDIO_FILE) + "\"" + "}" + "}" + "}"; HttpURLConnection con = (HttpURLConnection) new URL(apiUrl).openConnection(); con.setRequestMethod("POST"); con.setRequestProperty("Authorization", "Bearer " + apiKey); con.setRequestProperty("Content-Type", "application/json"); con.setDoOutput(true); // 發送請求體 try (OutputStream os = con.getOutputStream()) { os.write(jsonPayload.getBytes("UTF-8")); } int status = con.getResponseCode(); InputStream is = (status >= 200 && status < 300) ? con.getInputStream() : con.getErrorStream(); StringBuilder response = new StringBuilder(); try (BufferedReader br = new BufferedReader(new InputStreamReader(is, "UTF-8"))) { String line; while ((line = br.readLine()) != null) { response.append(line); } } System.out.println("HTTP 狀態代碼: " + status); System.out.println("返回內容: " + response.toString()); if (status == 200) { // 解析 JSON Gson gson = new Gson(); JsonObject jsonObj = gson.fromJson(response.toString(), JsonObject.class); String voice = jsonObj.getAsJsonObject("output").get("voice").getAsString(); System.out.println("產生的 voice 參數為: " + voice); } } catch (Exception e) { e.printStackTrace(); } } }
查詢音色列表
分頁查詢已建立的音色列表。
URL
中國大陸（北京）：
POST https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization國際（新加坡）：
POST https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization要求標頭
參數
類型
是否必須
說明
Authorization
string
鑒權令牌，格式為
Bearer <your_api_key>，使用時，將“<your_api_key>”替換為實際的API Key。Content-Type
string
請求體中傳輸的資料的媒體類型。固定為
application/json。訊息體
包含所有請求參數的訊息體如下，對於可選欄位，在實際業務中可根據需求省略。
重要model：聲音複刻模型，固定為qwen-voice-enrollment，請勿修改。{ "model": "qwen-voice-enrollment", "input": { "action": "list", "page_size": 2, "page_index": 0 } }請求參數
參數
類型
預設值
是否必須
說明
model
string
-
聲音複刻模型，固定為
qwen-voice-enrollment。action
string
-
操作類型，固定為
list。page_index
integer
0
頁碼索引。取值範圍：[0, 1000000]。
page_size
integer
10
每頁包含資料條數。取值範圍：[0, 1000000]。
響應參數
需關注的參數如下：
參數
類型
說明
voice
string
音色名稱，可直接用於語音合成介面的
voice參數。gmt_create
string
建立音色的時間。
target_model
string
驅動音色的語音合成模型，目前僅支援 qwen3-tts-vc-realtime-2025-11-27。
必須與後續調用語音合成介面時使用的語音合成模型一致，否則合成會失敗。
request_id
string
Request ID。
count
integer
本次請求實際計入費用的“建立音色”次數，本次請求的費用為$
。 查詢音色不計費，因此
count恒為0。範例程式碼
重要model：聲音複刻模型，固定為qwen-voice-enrollment，請勿修改。cURL
若未將API Key配置到環境變數，需將樣本中的
$DASHSCOPE_API_KEY替換為實際的API Key。# ======= 重要提示 ======= # 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization # 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key # === 執行時請刪除該注釋 === curl --location --request POST 'https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization' \ --header 'Authorization: Bearer $DASHSCOPE_API_KEY' \ --header 'Content-Type: application/json' \ --data '{ "model": "qwen-voice-enrollment", "input": { "action": "list", "page_size": 10, "page_index": 0 } }'Python
import os import requests # 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key # 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key = "sk-xxx" api_key = os.getenv("DASHSCOPE_API_KEY") # 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization url = "https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization" payload = { "model": "qwen-voice-enrollment", # 不要修改該值 "input": { "action": "list", "page_size": 10, "page_index": 0 } } headers = { "Authorization": f"Bearer {api_key}", "Content-Type": "application/json" } response = requests.post(url, json=payload, headers=headers) print("HTTP 狀態代碼:", response.status_code) if response.status_code == 200: data = response.json() voice_list = data["output"]["voice_list"] print("查詢到的音色列表：") for item in voice_list: print(f"- 音色: {item['voice']} 建立時間: {item['gmt_create']} 模型: {item['target_model']}") else: print("請求失敗:", response.text)Java
import com.google.gson.Gson; import com.google.gson.JsonArray; import com.google.gson.JsonObject; import java.io.BufferedReader; import java.io.InputStreamReader; import java.io.OutputStream; import java.net.HttpURLConnection; import java.net.URL; public class Main { public static void main(String[] args) { // 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key // 若沒有配置環境變數，請用百鍊API Key將下行替換為：String apiKey = "sk-xxx" String apiKey = System.getenv("DASHSCOPE_API_KEY"); // 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization String apiUrl = "https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization"; // JSON 請求體（舊版本 Java 無 """ 多行字串） String jsonPayload = "{" + "\"model\": \"qwen-voice-enrollment\"," // 不要修改該值 + "\"input\": {" + "\"action\": \"list\"," + "\"page_size\": 10," + "\"page_index\": 0" + "}" + "}"; try { HttpURLConnection con = (HttpURLConnection) new URL(apiUrl).openConnection(); con.setRequestMethod("POST"); con.setRequestProperty("Authorization", "Bearer " + apiKey); con.setRequestProperty("Content-Type", "application/json"); con.setDoOutput(true); try (OutputStream os = con.getOutputStream()) { os.write(jsonPayload.getBytes("UTF-8")); } int status = con.getResponseCode(); BufferedReader br = new BufferedReader(new InputStreamReader( status >= 200 && status < 300 ? con.getInputStream() : con.getErrorStream(), "UTF-8")); StringBuilder response = new StringBuilder(); String line; while ((line = br.readLine()) != null) { response.append(line); } br.close(); System.out.println("HTTP 狀態代碼: " + status); System.out.println("返回 JSON: " + response.toString()); if (status == 200) { Gson gson = new Gson(); JsonObject jsonObj = gson.fromJson(response.toString(), JsonObject.class); JsonArray voiceList = jsonObj.getAsJsonObject("output").getAsJsonArray("voice_list"); System.out.println("\n 查詢到的音色列表："); for (int i = 0; i < voiceList.size(); i++) { JsonObject voiceItem = voiceList.get(i).getAsJsonObject(); String voice = voiceItem.get("voice").getAsString(); String gmtCreate = voiceItem.get("gmt_create").getAsString(); String targetModel = voiceItem.get("target_model").getAsString(); System.out.printf("- 音色: %s 建立時間: %s 模型: %s\n", voice, gmtCreate, targetModel); } } } catch (Exception e) { e.printStackTrace(); } } }
刪除音色
刪除指定音色，釋放對應額度。
URL
中國大陸（北京）：
POST https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization國際（新加坡）：
POST https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization要求標頭
參數
類型
是否必須
說明
Authorization
string
鑒權令牌，格式為
Bearer <your_api_key>，使用時，將“<your_api_key>”替換為實際的API Key。Content-Type
string
請求體中傳輸的資料的媒體類型。固定為
application/json。訊息體
包含所有請求參數的訊息體如下，對於可選欄位，在實際業務中可根據需求省略：
重要model：聲音複刻模型，固定為qwen-voice-enrollment，請勿修改。{ "model": "qwen-voice-enrollment", "input": { "action": "delete", "voice": "yourVoice" } }請求參數
參數
類型
預設值
是否必須
說明
model
string
-
聲音複刻模型，固定為
qwen-voice-enrollment。action
string
-
操作類型，固定為
delete。voice
string
-
待刪除的音色。
響應參數
需關注的參數如下：
參數
類型
說明
request_id
string
Request ID。
count
integer
本次請求實際計入費用的“建立音色”次數，本次請求的費用為$
。 刪除音色不計費，因此
count恒為0。範例程式碼
重要model：聲音複刻模型，固定為qwen-voice-enrollment，請勿修改。cURL
若未將API Key配置到環境變數，需將樣本中的
$DASHSCOPE_API_KEY替換為實際的API Key。# ======= 重要提示 ======= # 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization # 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key # === 執行時請刪除該注釋 === curl --location --request POST 'https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization' \ --header 'Authorization: Bearer $DASHSCOPE_API_KEY' \ --header 'Content-Type: application/json' \ --data '{ "model": "qwen-voice-enrollment", "input": { "action": "delete", "voice": "yourVoice" } }'Python
import os import requests # 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key # 若沒有配置環境變數，請用百鍊API Key將下行替換為：api_key = "sk-xxx" api_key = os.getenv("DASHSCOPE_API_KEY") # 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization url = "https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization" voice_to_delete = "yourVoice" # 要刪除的音色（替換為真實值） payload = { "model": "qwen-voice-enrollment", # 不要修改該值 "input": { "action": "delete", "voice": voice_to_delete } } headers = { "Authorization": f"Bearer {api_key}", "Content-Type": "application/json" } response = requests.post(url, json=payload, headers=headers) print("HTTP 狀態代碼:", response.status_code) if response.status_code == 200: data = response.json() request_id = data["request_id"] print(f"刪除成功") print(f"Request ID: {request_id}") else: print("請求失敗:", response.text)Java
import com.google.gson.Gson; import com.google.gson.JsonObject; import java.io.BufferedReader; import java.io.InputStreamReader; import java.io.OutputStream; import java.net.HttpURLConnection; import java.net.URL; public class Main { public static void main(String[] args) { // 新加坡地區和北京地區的API Key不同。擷取API Key：https://www.alibabacloud.com/help/zh/model-studio/get-api-key // 若沒有配置環境變數，請用百鍊API Key將下行替換為：String apiKey = "sk-xxx" String apiKey = System.getenv("DASHSCOPE_API_KEY"); // 以下為新加坡地區url，若使用北京地區的模型，需將url替換為：https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization String apiUrl = "https://dashscope-intl.aliyuncs.com/api/v1/services/audio/tts/customization"; String voiceToDelete = "yourVoice"; // 要刪除的音色（替換為真實值） // 構造 JSON 請求體（字串拼接，相容 Java 8） String jsonPayload = "{" + "\"model\": \"qwen-voice-enrollment\"," // 不要修改該值 + "\"input\": {" + "\"action\": \"delete\"," + "\"voice\": \"" + voiceToDelete + "\"" + "}" + "}"; try { // 建立 POST 串連 HttpURLConnection con = (HttpURLConnection) new URL(apiUrl).openConnection(); con.setRequestMethod("POST"); con.setRequestProperty("Authorization", "Bearer " + apiKey); con.setRequestProperty("Content-Type", "application/json"); con.setDoOutput(true); // 發送請求體 try (OutputStream os = con.getOutputStream()) { os.write(jsonPayload.getBytes("UTF-8")); } int status = con.getResponseCode(); BufferedReader br = new BufferedReader(new InputStreamReader( status >= 200 && status < 300 ? con.getInputStream() : con.getErrorStream(), "UTF-8")); StringBuilder response = new StringBuilder(); String line; while ((line = br.readLine()) != null) { response.append(line); } br.close(); System.out.println("HTTP 狀態代碼: " + status); System.out.println("返回 JSON: " + response.toString()); if (status == 200) { Gson gson = new Gson(); JsonObject jsonObj = gson.fromJson(response.toString(), JsonObject.class); String requestId = jsonObj.get("request_id").getAsString(); System.out.println("刪除成功"); System.out.println("Request ID: " + requestId); } } catch (Exception e) { e.printStackTrace(); } } }
語音合成
如何使用聲音複刻產生的專屬音色合成個人化的聲音，請參見快速開始：從複刻到合成。
用於聲音複刻的語音合成模型（如 qwen3-tts-vc-realtime-2025-11-27）為專用模型，僅支援使用複刻產生的音色，不支援Chelsie、Serena、Ethan、Cherry等公用預設音色。
音色配額與自動清理規則
總數限制：1000個音色/帳號
當前介面不提供音色數量查詢功能，可通過調用查詢音色列表介面自行統計音色數目
自動清理：若單個音色在過去一年內未被用於任何語音合成請求，系統將自動將其刪除
計費說明
聲音複刻和語音合成分開計費：
聲音複刻：建立音色按$0.01/個計費，建立失敗不計費
說明免費額度說明（僅中國站北京地區和國際站新加坡地區有免費額度）：
阿里雲百鍊開通後90天內，可享1000次免費音色建立機會。
建立失敗不佔用免費次數。
刪除音色不會恢複免費次數。
免費額度用完或超出 90 天有效期間後，建立音色將按$0.01/個的價格計費。
使用複刻產生的專屬音色進行語音合成：按量（文本字元數）計費，詳情請參見即時語音合成-通義千問
著作權與合法性
您需對所提供聲音的所有權及合法使用權負責，請注意閱讀服務合約。
錄音操作指南
錄音裝置
推薦使用具備降噪功能的麥克風，或在安靜環境下使用手機近距離錄音，以保證音源純淨。
錄音環境
場地
建議在 10 平方米以內的小型封閉空間錄音。
優先選擇配有吸音材料（如吸音棉、地毯、窗帘）的房間。
避免空曠大廳、會議室、教室等高混響場所。
噪音控制
室外噪音：關閉門窗，避免交通、施工等幹擾。
室內噪音：關閉空調、風扇、日光燈鎮流器等裝置；可通過手機錄製環境音並放大播放，識別潛在噪音源。
混響控制
混響會導致聲音模糊、清晰度下降。
減少光滑表面反射：拉上窗帘、開啟衣櫃門、鋪放衣物或床單覆蓋案頭/櫃面。
利用不規則物體（如書架、軟包傢具）實現聲波漫反射。
錄音文案
文案內容靈活，建議與目標應用情境一致（例如，若用於客服情境，文案應為客服對話風格），但必須確保不包含任何敏感或非法詞彙（如政治、色情、暴力相關內容），否則會導致複刻失敗。
避免短句（如“你好”、“是的”），應使用完整句子。
保持語義連貫，朗讀時避免頻繁停頓（建議至少連續 3 秒無中斷）。
可帶入目標情緒（如親切、嚴肅），但需避免過度誇張的戲劇化朗讀，保持語調自然。。
操作建議
以普通臥室為例：
關閉門窗，隔絕外部噪音。
關閉空調、電扇等電器。
拉上窗帘，減少玻璃反射。
在案頭鋪放衣物或毛毯，降低案頭反射。
提前熟悉文案，設定角色語氣，自然演繹。
與錄音裝置保持約 10 厘米距離，避免噴麥或訊號過弱。
錯誤資訊
如遇報錯問題，請參見錯誤資訊進行排查。