curl --request POST \
  --url https://api.evolink.ai/v1/audios/generations \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '
{
  "model": "voice-enrollment",
  "audio_url": "https://your-cdn.com/samples/my-voice.wav",
  "preferred_name": "myvoice"
}
'

{
  "created": 1775123456,
  "id": "task-unified-1775123456-abcd1234",
  "model": "voice-enrollment",
  "object": "audio.generation.task",
  "progress": 0,
  "status": "pending",
  "task_info": {
    "can_cancel": false,
    "estimated_time": 60,
    "audio_type": "voice_clone"
  },
  "type": "audio",
  "usage": {
    "credits_reserved": 0.001
  }
}

Qwen Audio TTS

Voice Enrollment 创建自定义音色

给 Qwen Audio 3.1 TTS Flash 创建自定义音色，模型名 voice-enrollment。同一个模型两种用法：传 audio_url 是声音复刻，传 voice_prompt + preview_text 是声音设计；两个都传或都不传返回 400
两种用法创建的音色都只能用于 qwen-audio-3.1-tts-flash，并且只有创建它的账号能用。旧版 qwen-voice-design 创建的音色不能用于该 TTS；迁移时请用本接口重新创建音色
声音设计会额外返回一段试听音频（固定 24 kHz WAV）；声音复刻只返回音色名称
异步处理模式，使用返回的任务ID 进行查询。复刻约 15–30 秒完成，设计要等试听文本整段合成完，30 字约 12 秒、200 字约 49 秒
按次计费，复刻与设计同价；任务失败全额退还。试听音频链接有效期 24 小时，请尽快保存
只能复刻你本人的声音，或已获得明确授权的声音

使用流程：

调用本接口，传 audio_url（复刻）或 voice_prompt + preview_text（设计），以及 preferred_name
轮询任务结果，获取 result_data.voice（音色名称）
调用 Qwen Audio 3.1 TTS Flash，把音色名称传给 voice 参数

任务结果（status 为 completed 时）：

字段	声音复刻	声音设计
`result_data.voice`	`qwen-audio-3.1-tts-flash-{preferred_name}-{32 位标识}`	`qwen-audio-3.1-tts-flash-vd-{preferred_name}-{32 位标识}`（多一段 `vd-`）
`result_data.voice_type`	`voice_clone`	`voice_design`
`result_data.target_model`	`qwen-audio-3.1-tts-flash`	`qwen-audio-3.1-tts-flash`
`results` / `result_data.preview_audio_url`	不返回	试听音频链接（有效期 24 小时），另有 `sample_rate: 24000`、`response_format: "wav"`

设计的试听音频偶尔拿不到时，任务照常完成（音色已建好并计费），结果里改为 preview_audio_unavailable: true 和 preview_audio_warning。

音色有效期：

复刻和设计创建的自定义音色默认有效期为 6 小时，从创建任务完成时起算；使用音色合成不会延长有效期
到期后调用 TTS 返回 404（voice_expired），请重新调用本接口创建音色，再使用新音色合成

音色名额： 上游账号下 Qwen-Audio-TTS 系列的自定义音色总数有上限（官方为 1000 个，复刻与设计共用）。名额用尽时创建会失败并全额退还。

文本长度按字符数计算： 中文、英文、标点都按 1 个字符计。

POST

audios

generations

curl --request POST \
  --url https://api.evolink.ai/v1/audios/generations \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '
{
  "model": "voice-enrollment",
  "audio_url": "https://your-cdn.com/samples/my-voice.wav",
  "preferred_name": "myvoice"
}
'

{
  "created": 1775123456,
  "id": "task-unified-1775123456-abcd1234",
  "model": "voice-enrollment",
  "object": "audio.generation.task",
  "progress": 0,
  "status": "pending",
  "task_info": {
    "can_cancel": false,
    "estimated_time": 60,
    "audio_type": "voice_clone"
  },
  "type": "audio",
  "usage": {
    "credits_reserved": 0.001
  }
}

授权

Authorization

string

header

必填

##所有接口均需要使用Bearer Token进行认证##

获取 API Key：

访问 API Key 管理页面获取您的 API Key

使用时在请求头中添加：

Authorization: Bearer YOUR_API_KEY

请求体

application/json

声音复刻（audio_url）
声音设计（voice_prompt）

用一段真人录音创建音色。传了 audio_url 即为声音复刻，此时请省略设计用的 voice_prompt、preview_text、sample_rate、response_format。非空设计文本、非零采样率或非空格式返回 400；sample_rate: 0/null、response_format: ""/null 按未传处理。

model

enum<string>

默认值:voice-enrollment

必填

模型名称

可用选项:

voice-enrollment

示例:

"voice-enrollment"

audio_url

string<uri>

必填

待复刻的录音文件地址。传了本字段即为声音复刻，不能与 voice_prompt 同时传

地址要求：

HTTP 或 HTTPS，无需鉴权即可公开访问
不能是本地或内网地址，否则返回 400（invalid_media_url）
长度不超过 2048 字符
FTP 等非 HTTP(S) 协议返回 400（invalid_media_url）
只支持链接，不支持 Base64；传 Base64 data URI 返回 400（invalid_parameter）

音频要求（不满足时任务可能失败）：

格式：WAV、MP3 或 M4A
时长：不超过 60 秒；有效人声过短也会失败（实测 2 秒的录音失败）
文件大小：不超过 10 MB
采样率：16 kHz 及以上
必须包含清晰的人声；无声、音乐等非人声音频会被拒绝

录音建议：

时长 10 ~ 20 秒，其中至少有 5 秒连续、清晰的朗读，停顿不超过 2 秒
单声道；双声道录音只取第一个声道
无背景音乐、噪音和其他人声；正常说话，不要唱歌

音频无法下载或不符合要求时任务失败，积分全额退还

只能复刻你本人的声音，或已获得明确授权的声音

Maximum string length: 2048

Pattern: [^\u0009-\u000D\u0020\u0085\u00A0\u1680\u2000-\u200A\u2028\u2029\u202F\u205F\u3000]

示例:

"https://your-cdn.com/samples/my-voice.wav"

preferred_name

string

必填

音色名称前缀

约束：

仅英文字母和数字，1 ~ 10 位（不支持下划线及其他符号）
大写字母会被转成小写
不要求唯一

生成的完整音色名：复刻为 qwen-audio-3.1-tts-flash-{preferred_name}-{32 位标识}，设计为 qwen-audio-3.1-tts-flash-vd-{preferred_name}-{32 位标识}

如传入 myvoice，复刻出的音色名类似：qwen-audio-3.1-tts-flash-myvoice-5996beec833d41f4982158347ba97fae

Maximum string length: 10

Pattern: ^[a-zA-Z0-9]+$

示例:

"myvoice"

language

enum<string>

复刻时是录音中所说的语言，帮助模型更准确地提取音色；设计时是音色的语言倾向，建议与 preview_text 语种一致

不传时默认 zh

可用选项:

zh,

en,

ja,

ko,

de,

fr,

it,

ru,

pt,

es

示例:

"zh"

target_model

enum<string>

默认值:qwen-audio-3.1-tts-flash

音色将由哪个 TTS 模型驱动。目前只有一个取值，不传即为该值；传别的值返回 400

值	说明
`qwen-audio-3.1-tts-flash`	Qwen Audio 3.1 TTS Flash 非流式（默认，唯一取值）

可用选项:

qwen-audio-3.1-tts-flash

示例:

"qwen-audio-3.1-tts-flash"

callback_url

string<uri>

任务完成后的HTTPS回调地址

回调时机：

任务完成（completed）或失败（failed）时触发
在计费确认完成后发送

安全限制：

仅支持HTTPS协议
禁止回调到内网IP地址（127.0.0.1、10.x.x.x、172.16-31.x.x、192.168.x.x等）
URL长度不超过2048字符

回调机制：

超时时间：10秒
失败后最多重试3次（会分别在失败的1秒/2秒/4秒后进行重试）
回调响应体格式与任务查询接口返回的格式一致
回调地址若返回2xx状态码视为成功，其他状态码会触发重试

示例:

"https://your-domain.com/webhooks/voice-completed"

响应

创建音色的任务已受理

created

integer

任务创建时间戳

示例:

1775123456

string

任务ID

示例:

"task-unified-1775123456-abcd1234"

model

string

实际使用的模型名称

示例:

"voice-enrollment"

object

enum<string>

任务的具体类型

可用选项:

audio.generation.task

progress

integer

任务进度百分比 (0-100)

必填范围: 0 <= x <= 100

示例:

0

status

enum<string>

任务状态

可用选项:

pending,

processing,

completed,

failed

示例:

"pending"

task_info

object

音频任务详细信息

Show child attributes

type

enum<string>

任务的输出类型

可用选项:

audio

示例:

"audio"

usage

object

使用量和计费信息

Show child attributes

图像系列

视频系列

音频系列

语言系列

账户管理

任务管理

文件管理

Voice Enrollment 创建自定义音色

授权

请求体

响应