AI 助理
文档备案控制台
官方文档
输入文档关键字查找
首页

声音复刻HTTP API参考

更新时间：
复制为 MD 格式
产品详情
我的收藏

本文介绍声音复刻的HTTP API接口详情，包括创建音色、查询音色列表、查询音色详情、更新音色和删除音色等操作。

用户指南：声音复刻。

服务端点（CosyVoice/Qwen-TTS）

华北2（北京）

POST https://dashscope.aliyuncs.com/api/v1/services/audio/tts/customization

新加坡

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

调用时请将WorkspaceId替换为真实的Workspace ID。

重要

新加坡地域的旧版域名 https://dashscope-intl.aliyuncs.com 即将下线，请及时迁移到新版域名 https://{WorkspaceId}.ap-southeast-1.maas.aliyuncs.com。

服务端点（MiniMax）

HTTP请求地址：POST https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation

SDK调用配置的base_url：https://dashscope.aliyuncs.com/api/v1

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。CosyVoice/Qwen-TTS固定为application/json，MiniMax固定为application/json; charset=utf-8。

创建音色（CosyVoice/Qwen-TTS）

请求体

以下为华北2（北京）地域的URL，各地域的URL不同。

CosyVoice声音复刻

curl -X POST https://dashscope.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",
        "prefix": "myvoice",
        "url": "https://your-audio-url.wav",
        "language_hints": ["zh"]
    }
}'

Qwen声音复刻

curl -X POST https://dashscope.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-2026-01-15",
        "preferred_name": "myvoice",
        "audio": {"data": "data:audio/mpeg;base64,{base64_encoded_audio}"}
    }
}'

model string （必选）

声音复刻模型。取值：

  • voice-enrollment：CosyVoice声音复刻。

  • qwen-voice-enrollment：Qwen声音复刻。

input object （必选）

输入参数对象。

属性

action string （必选）

操作类型。

  • CosyVoice（voice-enrollment）：固定为create_voice。

  • Qwen（qwen-voice-enrollment）：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。

url string （条件必选）

重要

仅适用于CosyVoice声音复刻（model为voice-enrollment时）。

用于复刻音色的音频文件URL，要求公网可访问。

audio object （条件必选）

重要

仅适用于Qwen声音复刻（model为qwen-voice-enrollment时）。

音频数据，支持两种提交方式：

  • Data URL（Base64编码）：格式为{"data": "data:{mime_type};base64,{base64_encoded_data}"}，支持的MIME类型：audio/wav、audio/mpeg、audio/mp4。

  • 音频URL：格式为{"data": "https://your-audio-url.wav"}，URL必须公网可访问且无需鉴权。

text string （可选）

重要

仅适用于Qwen声音复刻（model为qwen-voice-enrollment时）。

音频对应的文本内容，用于辅助提升复刻效果。

prefix string （条件必选）

重要

仅适用于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}-{prefix}-{唯一标识}。

preferred_name string （条件必选）

重要

仅适用于Qwen声音复刻（model为qwen-voice-enrollment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）

重要

仅适用于CosyVoice声音复刻（model为voice-enrollment时），且仅cosyvoice-v3.5-plus、v3.5-flash、v3-plus和v3-flash模型支持。

辅助模型识别样本音频的语种，从而更准确地提取音色特征，提升复刻效果。若设置的语种与实际音频语种不符（例如为中文音频设置 en），系统将忽略该设置并自动检测语种。

此参数为数组，但当前版本仅处理第一个元素。

取值范围（因模型而异）：

  • cosyvoice-v3-plus：

    • zh：中文

    • en：英文

    • fr：法语

    • de：德语

    • ja：日语

    • ko：韩语

    • ru：俄语

  • cosyvoice-v3.5-plus、cosyvoice-v3.5-flash、cosyvoice-v3-flash：

    • zh：中文

    • en：英文

    • fr：法语

    • de：德语

    • ja：日语

    • ko：韩语

    • ru：俄语

    • pt：葡萄牙语

    • th：泰语

    • id：印尼语

    • vi：越南语

默认值：["zh"]。

language string （可选）

重要

仅适用于Qwen声音复刻（model为qwen-voice-enrollment时）。

指定 audio.data 音频对应的语种。若使用该参数，设置的语种须与实际用于复刻的音频语种一致。

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。

max_prompt_audio_length float （可选）

重要

仅适用于CosyVoice声音复刻（model为voice-enrollment时），且仅cosyvoice-v3.5-plus、v3.5-flash和v3-flash模型支持。

音频预处理后用于声音复刻的参考音频最大时长（秒）。取值范围：[3.0, 30.0]。时间越长效果越好。

默认值：10.0。

enable_preprocess boolean （可选）

重要

仅适用于CosyVoice声音复刻（model为voice-enrollment时），且仅cosyvoice-v3.5-plus、v3.5-flash和v3-flash模型支持。

是否开启音频预处理（降噪、音频增强、音量规整）。有背景噪音时建议开启；安静环境建议关闭以最大程度还原音色。

默认值：false。

返回体

CosyVoice声音复刻

{
    "output": {
        "voice_id": "cosyvoice-v3.5-plus-myvoice-xxxxxx"
    },
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}

Qwen声音复刻

{
    "output": {
        "voice": "yourVoice",
        "target_model": "qwen3-tts-vc-realtime-2026-01-15"
    },
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}
重要

CosyVoice返回voice_id字段，Qwen返回voice字段。Qwen声音复刻还可能返回fallback_mode和fallback_reason字段。

request_id string

本次调用的唯一标识符。

output object

模型返回的数据。

属性

voice_id / voice string

音色ID。CosyVoice返回voice_id，Qwen返回voice。可直接用于语音合成接口的voice参数。

target_model string

重要

仅Qwen返回。

驱动音色的语音合成模型。

fallback_mode boolean

重要

仅适用于Qwen声音复刻（model为qwen-voice-enrollment时）。

是否以降级模式创建音色。当音频质量不佳或与文本不匹配时，该值为true，表示复刻效果可能不理想。

fallback_reason string

重要

仅当fallback_mode为true时返回。

降级原因。可能的值包括no_merged_segments（无法合并音频片段）、no_valid_asr_segments（音频与文本严重不匹配）等。

usage object

本次请求用量信息。

属性

count integer

创建的音色数量，固定为1。

创建音色（MiniMax）

音色复刻请求会生成一段试听音频，试听音频按所选模型的同步语音合成单价额外计费。

请求体

 
curl -X POST 'https://dashscope.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation' \
  -H "Authorization: Bearer ${DASH_APIKEY}" \
  -H 'Content-Type: application/json; charset=utf-8' \
  -d '{
    "input": {
      "action": "voice_clone",
      "voice_id": "bailian-test-voice-22",
      "audio_url": "https://dashscope.oss-cn-beijing.aliyuncs.com/samples/audio/cosyvoice/cosyvoice-zeroshot-sample.wav",
      "text": "今天天气怎么样？"
    },
    "model": "MiniMax/speech-2.8-turbo"
  }'

model string （必选）

指定合成试听音频使用的语音模型。

支持的模型：

  • MiniMax/speech-2.8-hd

  • MiniMax/speech-02-hd

  • MiniMax/speech-2.8-turbo

  • MiniMax/speech-02-turbo

input object （必选）

属性

action string （必选）

需要进行的操作，支持设置为：voice_clone（声音克隆）

audio_url string （必选）

需要复刻的音频文件 URL，音频需符合以下规范：

  • 音频格式需为：mp3、m4a、wav 格式

  • 音频的时长最少应不低于 10 秒，最长应不超过 5 分钟

  • 音频文件大小需不超过 20 MB

clone_prompt object （可选）

音色复刻示例音频，提供本参数将有助于增强语音合成的音色相似度和稳定性。若使用本参数，需准备一小段示例音频。

属性

prompt_audio string （可选）

示例音频文件 URL，音频需符合以下规范：

  • 音频格式需为：mp3、m4a、wav 格式

  • 音频时长小于 8 秒

  • 音频文件大小需不超过 20 MB

prompt_text string （可选）

示例音频的对应文本，需确保和音频内容一致，句末需有标点符号做结尾。

text string （必选）

复刻声音期望试听的内容。限制 1000 字符以内。

试听将根据字符数正常收取语音合成费用，收费标准参见MiniMax模型价格。

  • 语气词标签：仅当模型选择 speech-2.8-hd 或 speech-2.8-turbo 时，支持在文本中插入语气词标签。支持的语气词：(laughs)（笑声）、(chuckle)（轻笑）、(coughs)（咳嗽）、(clear-throat)（清嗓子）、(groans)（呻吟）、(breath)（正常换气）、(pant)（喘气）、(inhale)（吸气）、(exhale)（呼气）、(gasps)（倒吸气）、(sniffs)（吸鼻子）、(sighs)（叹气）、(snorts)（喷鼻息）、(burps)（打嗝）、(lip-smacking)（咂嘴）、(humming)（哼唱）、(hissing)（嘶嘶声）、(emm)（嗯）、(whistles)（口哨）、(sneezes)（喷嚏）、(crying)（抽泣）、(applause)（鼓掌）

voice_id string （必选）

克隆音色的 voice_id，正确示例："MiniMax001"。用户进行自定义 voice_id 时需注意：

  • 自定义的 voice_id 长度范围[8,256]

  • 首字符必须为英文字母

  • 允许数字、字母、-、_

  • 末位字符不可为 -、_

  • voice_id 不可与已有 id 重复，否则会报错

该参数全局唯一，建议使用时间戳等个性化信息命名。

language_boostenum<string>（可选）默认值：null

是否增强对指定的小语种和方言的识别能力。可设置为 auto 让模型自主判断。

可用选项

Chinese, Chinese,Yue, English, Arabic, Russian, Spanish, French, Portuguese, German, Turkish, Dutch, Ukrainian, Vietnamese, Indonesian, Japanese, Italian, Korean, Thai, Polish, Romanian, Greek, Czech, Finnish, Hindi, Bulgarian, Danish, Hebrew, Malay, Persian, Slovak, Swedish, Croatian, Filipino, Hungarian, Norwegian, Slovenian, Catalan, Nynorsk, Tamil, Afrikaans,auto

need_noise_reduction boolean （可选）默认值：false

音频复刻参数，表示是否开启降噪，默认值为 false。

need_volume_normalizationboolean （可选）默认值：false

是否开启音量归一化。

aigc_watermarkboolean （可选）默认值：false

是否在合成试听音频的末尾添加音频节奏标识。

返回体

 
{
    "output": {
        "base_resp": {
            "status_code": 0,
            "status_msg": "success"
        },
        "demo_audio": "https://minimax-algeng-chat-tts.oss-cn-wulanchabu.aliyuncs.com/audio%2Feffect%2F05fdf023562aea84632d2a8c01c2366f_1773059375796_1311.mp3?Expires=1773232175&OSSAccessKeyId=LTAI************&Signature=z2GwvhFZ3d33BggWRGU8Jb24sZA%3D",
        "input_sensitive": false,
        "input_sensitive_type": 0
    },
    "usage": {
        "characters": 18
    },
    "request_id": "b1160386-ebf1-913f-9275-ef176c5e1c91"
}

request_id string

本次调用的唯一标识符。

output object

属性

input_sensitiveboolean

输入音频是否命中风控。

input_sensitive_type integer

输入音频命中风控的类型，取值为以下其一：

  • 0：正常

  • 1：严重违规

  • 2：色情

  • 3：广告

  • 4：违禁

  • 5：谩骂

  • 6：暴恐

  • 7：其他

demo_audiostring

链接形式的试听音频。

base_respobject

属性

status_codeinteger

状态码

  • 0: 请求结果正常

  • 1000：未知错误

  • 1001：超时

  • 1002：触发限流

  • 1004：鉴权失败

  • 1013：服务内部错误

  • 2013：输入格式信息不正常

  • 2038：无复刻权限，请检查账号认证状态

status_msgstring

状态详情

usage object

本次请求的字符用量。

属性

characters integer

输入文本的字符数。

查询音色列表

重要

MiniMax不支持该功能。

请求体

以下为华北2（北京）地域的URL，各地域的URL不同。

CosyVoice

curl -X POST https://dashscope.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
    }
}'

Qwen声音复刻

curl -X POST https://dashscope.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": "list",
        "page_size": 10,
        "page_index": 0
    }
}'

model string （必选）

声音复刻模型。取值：

  • voice-enrollment：CosyVoice声音复刻。

  • qwen-voice-enrollment：Qwen声音复刻。

input object （必选）

输入参数对象。

属性

action string （必选）

操作类型。CosyVoice：list_voice。Qwen：list。

prefix string （可选）

重要

仅适用于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。

返回体

CosyVoice

{
    "output": {
        "voice_list": [
            {
                "voice_id": "cosyvoice-v3.5-plus-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"
}

Qwen

{
    "output": {
        "page_index": 0,
        "page_size": 10,
        "total_count": 2,
        "voice_list": [
            {
                "voice": "yourVoice1",
                "gmt_create": "2025-08-11 17:59:32",
                "gmt_modified": "2025-08-11 17:59:32",
                "language": "zh",
                "target_model": "qwen3-tts-vc-realtime-2026-01-15"
            }
        ]
    },
    "usage": {
        "count": 0
    },
    "request_id": "xxxx-xxxx-xxxx"
}
重要

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。

request_id string

本次调用的唯一标识符。

output object

模型返回的数据。

属性

page_index integer

重要

仅Qwen返回。

当前页码索引。

page_size integer

重要

仅Qwen返回。

每页数据条数。

total_count integer

重要

仅Qwen返回。

音色总数。

voice_list array[object]

查询到的音色列表。CosyVoice和Qwen均使用voice_list字段名。

属性

voice_id / voice string

音色ID。CosyVoice为voice_id，Qwen为voice。

gmt_create string

创建时间。

gmt_modified string

修改时间。

status string

重要

仅CosyVoice返回。

音色状态，取值参见"音色状态说明"。

target_model string

重要

仅Qwen返回。

驱动音色的语音合成模型。

usage object

本次请求用量信息。

属性

count integer

CosyVoice固定为1。Qwen固定为0。

查询音色详情

重要

仅适用于CosyVoice（model为voice-enrollment时）。Qwen和MiniMax模型不支持查询音色详情操作。

请求体

以下为华北2（北京）地域的URL，各地域的URL不同。

CosyVoice

curl -X POST https://dashscope.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"
    }
}'

model string （必选）

固定为voice-enrollment（CosyVoice）。

input object （必选）

输入参数对象。

属性

action string （必选）

固定为query_voice。

voice_id string （必选）

要查询的音色ID。

返回体

 
{
    "output": {
        "gmt_create": "2024-12-11 13:38:02",
        "resource_link": "https://yourAudioFileUrl",
        "target_model": "cosyvoice-v3.5-plus",
        "gmt_modified": "2024-12-11 13:38:02",
        "status": "OK"
    },
    "usage": {
        "count": 1
    },
    "request_id": "xxxx-xxxx-xxxx"
}

request_id string

本次调用的唯一标识符。

output object

模型返回的数据。

属性

resource_link string

音频文件的URL地址。

gmt_create string

创建时间。

gmt_modified string

修改时间。

status string

音色状态，取值参见"音色状态说明"。

target_model string

驱动音色的语音合成模型。

usage object

本次请求用量信息。

属性

count integer

固定为1。

更新音色

重要

仅适用于CosyVoice声音复刻（model为voice-enrollment时）。Qwen和MiniMax模型不支持更新操作。

请求体

以下为华北2（北京）地域的URL，各地域的URL不同。

curl -X POST https://dashscope.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"
    }
}'

model string （必选）

固定为voice-enrollment。

input object （必选）

输入参数对象。

属性

action string （必选）

固定为update_voice。

voice_id string （必选）

要更新的音色ID。

url string （必选）

新的音频文件URL，要求公网可访问。

返回体

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

request_id string

本次调用的唯一标识符。

output object

模型返回的数据，更新操作返回空对象。

usage object

本次请求用量信息。

属性

count integer

固定为1。

删除音色

重要

MiniMax不支持该功能。

请求体

以下为华北2（北京）地域的URL，各地域的URL不同。

CosyVoice

curl -X POST https://dashscope.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"
    }
}'

Qwen声音复刻

curl -X POST https://dashscope.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": "delete",
        "voice": "yourVoice"
    }
}'

model string （必选）

声音复刻模型。取值：

  • voice-enrollment：CosyVoice声音复刻。

  • qwen-voice-enrollment：Qwen声音复刻。

input object （必选）

输入参数对象。

属性

action string （必选）

操作类型。CosyVoice：delete_voice。Qwen：delete。

voice_id string （条件必选）

重要

仅适用于CosyVoice。

要删除的音色ID。

voice string （条件必选）

重要

仅适用于Qwen。

要删除的音色名称。

返回体

CosyVoice

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

Qwen

{
    "output": {
        "voice": "yourVoice"
    },
    "usage": {
        "count": 0
    },
    "request_id": "xxxx-xxxx-xxxx"
}
重要

CosyVoice的output为空对象，Qwen返回voice字段。

request_id string

本次调用的唯一标识符。

output object

模型返回的数据。CosyVoice返回空对象，Qwen返回已删除的音色名称。

属性

voice string

重要

仅Qwen返回。

已删除的音色名称。

usage object

本次请求用量信息。

属性

count integer

固定为1。

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。
上一篇：声音复刻下一篇：Java SDK参考