通义千问 Qwen-TTS 本文介绍 modelverse 接入的阿里云通义千问语音合成模型 qwen3-tts-flash 调用 API 的输入输出参数，供您使用接口时查阅字段含义。 该模型提供多种拟人音色，支持多语言及中文方言，并可在同一音色下输出多语言内容，系统可自适应语气、流畅处理复杂文本。 支持的模型 模型 说明 qwen3-tts-flash 按字符计费、低延迟，适合导航播报、通知、在线教育课件、短文本高频合成等场景。支持多语种与中文方言。 同步合成 接口 https://api.modelverse.cn/v1/audio/speech 说明：该接口与 OpenAI /v1/audio/speech 路径兼容，但 响应体为阿里云原始 JSON（包含音频 URL），并非 OpenAI 的二进制音频流。请参见下文 响应格式 章节。 请求参数 参数 类型 是否必选 描述 model string 是 要使用的 TTS 模型名称，取值见上文 支持的模型，例如：qwen3-tts-flash input string 是 需要合成语音的文本，支持多语种混合输入，最长 600 字符 voice string 是 使用的系统音色名称，例如：Cherry、Ethan、Serena、Chelsie 等。完整音色列表请参见 阿里云官方音色列表 metadata.language_type string 否 指定合成音频的语种。不传时为 Auto（自动识别，适合无法确定语种或混合语言文本）。文本为单一语种时指定具体语种可显著提升合成质量。可选值：Chinese、English、German、Italian、Portuguese、Spanish、Japanese、Korean、French、Russian、Auto（大小写均可）。值由上游校验，非法值会返回 400 错误并在 message 中列出当前支持的完整语种列表。 请求示例 ⚠️ 如果您使用 Windows 系统，建议使用 Postman 或其他 API 调用工具。 curl curl https://api.modelverse.cn/v1/audio/speech \ -H "Authorization: Bearer $MODELVERSE_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen3-tts-flash", "input": "那我来给大家推荐一款T恤，这款呢真的是超级好看，这个颜色呢很显气质。", "voice": "Cherry" }' python import os import requests resp = requests.post( "https://api.modelverse.cn/v1/audio/speech", headers={ "Authorization": f"Bearer {os.getenv('MODELVERSE_API_KEY')}", "Content-Type": "application/json", }, json={ "model": "qwen3-tts-flash", "input": "那我来给大家推荐一款T恤，这款呢真的是超级好看，这个颜色呢很显气质。", "voice": "Cherry", }, ) data = resp.json() audio_url = data["output"]["audio"]["url"] print("audio url:", audio_url) # 下载音频 audio_bytes = requests.get(audio_url).content with open("output.wav", "wb") as f: f.write(audio_bytes) 指定语种（可选） 当输入文本为单一语种时，通过 metadata.language_type 显式指定语种可获得更精准的发音和更自然的语调，效果通常优于默认的 Auto： curl https://api.modelverse.cn/v1/audio/speech \ -H "Authorization: Bearer $MODELVERSE_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen3-tts-flash", "input": "今天天气真好，我们去公园散步吧。", "voice": "Cherry", "metadata": { "language_type": "Chinese" } }' 响应格式 接口返回 application/json，为阿里云 DashScope 原始响应结构透传。客户端需从 output.audio.url 字段中取到音频 URL 再自行下载（URL 有效期为 24 小时）。 输出 参数 类型 描述 request_id string 本次请求的唯一标识，可用于定位和排查问题 code string 业务错误码，成功时为空字符串 message string 业务错误信息，成功时为空字符串 output object 模型输出 output.finish_reason string 结束原因：生成中为 null，正常结束为 stop output.audio object 合成音频信息 output.audio.url string 合成音频的完整文件 URL，有效期 24 小时 output.audio.data string 流式输出时的 Base64 音频数据（当前仅同步模式，固定为空字符串） output.audio.id string 音频信息的 ID output.audio.expires_at integer 音频 URL 的过期时间戳 usage object 本次请求的用量信息 usage.characters integer 输入文本字符数，计费依据 usage.input_tokens integer 固定为 0 usage.output_tokens integer 固定为 0 响应示例 { "request_id": "5c63c65c-cad8-4bf4-959d-xxxxxxxxxxxx", "code": "", "message": "", "output": { "finish_reason": "stop", "audio": { "data": "", "url": "https://dashscope-result-bj.oss-cn-beijing.aliyuncs.com/xx/xxxxxxxx.wav?Expires=1766113409&OSSAccessKeyId=LTAI5xxxxxx&Signature=xxxxxx", "id": "audio_5c63c65c-cad8-4bf4-959d-xxxxxxxxxxxx", "expires_at": 1766113409 } }, "usage": { "input_tokens": 0, "output_tokens": 0, "characters": 195 } } 错误响应 当请求失败时，接口会返回标准 JSON 格式错误响应： { "error": { "message": "错误描述信息", "type": "invalid_request_error", "code": "error_code", "param": "<请求 ID，用于反馈或排查错误原因>" } } 注意事项 响应不是二进制音频流：与 OpenAI 原生 /v1/audio/speech 不同，本接口返回 JSON 而非音频字节。若您此前已用 OpenAI SDK 对接本接口（例如 with_streaming_response.create(...).stream_to_file(...)），请改为解析 JSON 并二次下载 output.audio.url。 音频 URL 有效期 24 小时：请及时下载或将其落盘到您自己的对象存储。 文本长度限制：最长 600 字符，超长文本请自行切分。 计费方式：按字符数计费，以上游返回的 usage.characters 为准。 音色选择：voice 字段需传入阿里云系统音色名称（如 Cherry），完整列表请参见阿里云官方文档。
