> ## Documentation Index
> Fetch the complete documentation index at: https://evolink.ai/docs/llms.txt
> Use this file to discover all available pages before exploring further.
# Qwen Audio 3.1 TTS Flash – Sprachsynthese
> - Text in Sprache umwandeln, höchstens `5000` Zeichen pro Anfrage
- 68 Systemstimmen; siehe [Stimmenliste](/de/api-manual/audio-series/qwen-audio-tts/qwen-audio-3.1-tts-flash-voices). Auch eigene, mit [Voice Enrollment](/de/api-manual/audio-series/qwen-audio-tts/voice-enrollment) geklonte oder entworfene Stimmen sind verwendbar
- Benutzerdefinierte Stimmen laufen standardmäßig `6 Stunden` nach Abschluss der Erstellung ab. Danach gibt die Synthese `404` (`voice_expired`) zurück; mit Voice Enrollment eine neue Stimme erstellen
- Unterstützt natürlichsprachliche Anweisungen (`instruction`), Emotions- und paralinguistische Tags im Text, SSML und benutzerdefinierte Aussprache (`hot_fix`)
- Nur die unten aufgeführten Parameter werden akzeptiert; andere ergeben `400` (`unsupported_parameter`)
- Asynchrone Verarbeitung; mit der zurückgegebenen Aufgaben-ID [das Ergebnis abfragen](/de/api-manual/task-management/get-task-detail)
- Nach dem Einreichen ist kein Abbruch möglich
- Erzeugte Audiolinks sind 24 Stunden gültig; zeitnah speichern
**Abrechnung:**
- Nach tatsächlichem Token-Verbrauch: Eingabe-Tokens (abhängig von der Textlänge) und Ausgabe-Tokens (abhängig von der Audiodauer) werden separat berechnet
- Beim Einreichen werden anhand der Textlänge Credits reserviert (`usage.credits_reserved`). Nach Abschluss wird der tatsächliche Verbrauch abgerechnet, mit Erstattung des Überschusses oder Nachberechnung des Fehlbetrags. Bei Fehlschlag vollständige Erstattung
- Zahlen, Buchstaben und Symbole können einzeln vorgelesen werden. Dadurch entstehen längere Audios und mehr Ausgabe-Tokens als bei gleich langer Prosa; der tatsächliche Verbrauch kann die Reservierung übersteigen
- Anweisungen oder Tags für langsames Sprechen, etwa `[very slowly]`, können bei gleichem Text deutlich mehr Ausgabe-Tokens erzeugen. `speech_rate` und SSML-Pausen erhöhen die Anzahl der Ausgabe-Tokens nicht
**Aufgabenergebnis (bei `status: completed`):**
| Feld | Beschreibung |
|---|---|
| `results[0]` | Audio-URL |
| `result_data[0].audio_url` | Audio-URL, identisch mit `results[0]` |
| `result_data[0].format` | Audioformat |
| `result_data[0].sample_rate` | Abtastrate (Hz) |
| `usage.input_tokens` / `usage.output_tokens` / `usage.total_tokens` | Token-Verbrauch dieser Synthese |
| `usage.credits_used` | Tatsächlich verbrauchte Credits |
## OpenAPI
````yaml de/api-manual/audio-series/qwen-audio-tts/qwen-audio-3.1-tts-flash.json POST /v1/audios/generations
openapi: 3.1.0
info:
title: Qwen Audio 3.1 TTS Flash – API zur Sprachsynthese
description: >-
Text in Sprache umwandeln: 68 Systemstimmen, natürlichsprachliche
Anweisungen, Emotionstags, SSML und benutzerdefinierte Aussprache.
Abrechnung nach tatsächlichem Token-Verbrauch.
license:
name: MIT
version: 1.0.0
servers:
- url: https://api.evolink.ai
description: Produktionsumgebung
security:
- bearerAuth: []
tags:
- name: Sprachsynthese
description: Endpunkte zur Sprachsynthese mit Qwen Audio 3.1 TTS Flash
paths:
/v1/audios/generations:
post:
tags:
- Sprachsynthese
summary: Qwen Audio 3.1 TTS Flash – Sprachsynthese
description: >-
- Text in Sprache umwandeln, höchstens `5000` Zeichen pro Anfrage
- 68 Systemstimmen; siehe
[Stimmenliste](/de/api-manual/audio-series/qwen-audio-tts/qwen-audio-3.1-tts-flash-voices).
Auch eigene, mit [Voice
Enrollment](/de/api-manual/audio-series/qwen-audio-tts/voice-enrollment)
geklonte oder entworfene Stimmen sind verwendbar
- Benutzerdefinierte Stimmen laufen standardmäßig `6 Stunden` nach
Abschluss der Erstellung ab. Danach gibt die Synthese `404`
(`voice_expired`) zurück; mit Voice Enrollment eine neue Stimme
erstellen
- Unterstützt natürlichsprachliche Anweisungen (`instruction`),
Emotions- und paralinguistische Tags im Text, SSML und
benutzerdefinierte Aussprache (`hot_fix`)
- Nur die unten aufgeführten Parameter werden akzeptiert; andere ergeben
`400` (`unsupported_parameter`)
- Asynchrone Verarbeitung; mit der zurückgegebenen Aufgaben-ID [das
Ergebnis abfragen](/de/api-manual/task-management/get-task-detail)
- Nach dem Einreichen ist kein Abbruch möglich
- Erzeugte Audiolinks sind 24 Stunden gültig; zeitnah speichern
**Abrechnung:**
- Nach tatsächlichem Token-Verbrauch: Eingabe-Tokens (abhängig von der
Textlänge) und Ausgabe-Tokens (abhängig von der Audiodauer) werden
separat berechnet
- Beim Einreichen werden anhand der Textlänge Credits reserviert
(`usage.credits_reserved`). Nach Abschluss wird der tatsächliche
Verbrauch abgerechnet, mit Erstattung des Überschusses oder
Nachberechnung des Fehlbetrags. Bei Fehlschlag vollständige Erstattung
- Zahlen, Buchstaben und Symbole können einzeln vorgelesen werden.
Dadurch entstehen längere Audios und mehr Ausgabe-Tokens als bei gleich
langer Prosa; der tatsächliche Verbrauch kann die Reservierung
übersteigen
- Anweisungen oder Tags für langsames Sprechen, etwa `[very slowly]`,
können bei gleichem Text deutlich mehr Ausgabe-Tokens erzeugen.
`speech_rate` und SSML-Pausen erhöhen die Anzahl der Ausgabe-Tokens
nicht
**Aufgabenergebnis (bei `status: completed`):**
| Feld | Beschreibung |
|---|---|
| `results[0]` | Audio-URL |
| `result_data[0].audio_url` | Audio-URL, identisch mit `results[0]` |
| `result_data[0].format` | Audioformat |
| `result_data[0].sample_rate` | Abtastrate (Hz) |
| `usage.input_tokens` / `usage.output_tokens` / `usage.total_tokens` |
Token-Verbrauch dieser Synthese |
| `usage.credits_used` | Tatsächlich verbrauchte Credits |
operationId: createQwenAudio31TtsFlash
requestBody:
required: true
content:
application/json:
schema:
$ref: '#/components/schemas/QwenAudioTtsRequest'
examples:
basic:
summary: Minimale Anfrage (Standardstimme)
value:
model: qwen-audio-3.1-tts-flash
prompt: 我家的后面有一个很大的花园。
aliases:
summary: Aliase für Text und Format
value:
model: qwen-audio-3.1-tts-flash
input: 我家的后面有一个很大的花园。
format: mp3
with_voice:
summary: Stimme und Ausgabeformat festlegen
value:
model: qwen-audio-3.1-tts-flash
prompt: 各位听众朋友，大家好，欢迎收听晚间新闻。
voice: xuyanchu_v3.1
response_format: wav
sample_rate: 48000
expressive:
summary: Anweisungen und Emotionstags
value:
model: qwen-audio-3.1-tts-flash
prompt: '[excited]今天的天气真不错！[laughing]我们一起出去玩吧！'
voice: longanhuan_v3.1
instruction: 用欢快、热情的语气说
english:
summary: Englische Stimme
value:
model: qwen-audio-3.1-tts-flash
prompt: Hello, this is 110. Please leave a message after the tone.
voice: Emily_v3.1
language: en
speech_rate: 0.9
ssml:
summary: SSML-Pausen
value:
model: qwen-audio-3.1-tts-flash
prompt: 欢迎收听今天的节目。我们马上开始。
enable_ssml: true
full_params:
summary: Alle Parameter
value:
model: qwen-audio-3.1-tts-flash
prompt: 今天的天气真不错，适合出去走走。
voice: yuxiaoyun_v3.1
response_format: mp3
sample_rate: 24000
volume: 60
speech_rate: 1.1
pitch: 1
instruction: 语气轻松自然，像在和朋友聊天
language: zh
enable_ssml: false
hot_fix:
pronunciation:
- 天气: tian1 qi4
replace:
- 走走: 走一走
enable_aigc_tag: false
callback_url: https://your-domain.com/webhooks/tts-completed
responses:
'200':
description: Aufgabe zur Sprachsynthese erfolgreich erstellt
content:
application/json:
schema:
$ref: '#/components/schemas/QwenAudioTtsResponse'
'400':
description: Ungültige Anfrageparameter
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
examples:
missing_prompt:
summary: prompt fehlt
value:
error:
code: missing_prompt
message: prompt is required for qwen-audio-3.1-tts-flash
type: invalid_request_error
prompt_too_long:
summary: prompt überschreitet 5000 Zeichen
value:
error:
code: prompt_too_long
message: prompt must be at most 5000 characters, got 5210
type: invalid_request_error
prompt_too_long_after_replace:
summary: Nach hot_fix.replace mehr als 5000 Zeichen
value:
error:
code: prompt_too_long
message: >-
prompt must be at most 5000 characters after
hot_fix.replace is applied, got 5120
type: invalid_request_error
hot_fix_too_many_entries:
summary: hot_fix überschreitet 200 Einträge
value:
error:
code: invalid_parameter
message: >-
hot_fix may contain at most 200 entries in total, got
201
type: invalid_request_error
invalid_voice:
summary: Stimme nicht in der Liste unterstützter Stimmen
value:
error:
code: invalid_voice
message: >-
voice "longanhuan" is not available for
qwen-audio-3.1-tts-flash; use a system voice from the
voice list or a voice you created with voice-enrollment
type: invalid_request_error
instruction_too_long:
summary: instruction überschreitet 100 Abrechnungszeichen
value:
error:
code: instruction_too_long
message: >-
instruction must be at most 100 billing characters (CJK
characters count as 2), got 124
type: invalid_request_error
wrong_parameter_name:
summary: Falscher Parametername (instructions)
value:
error:
code: unsupported_parameter
message: instructions is not supported; use "instruction"
type: invalid_request_error
unsupported_parameter:
summary: Nicht unterstützter Parameter übergeben
value:
error:
code: unsupported_parameter
message: seed is not supported for qwen-audio-3.1-tts-flash
type: invalid_request_error
opus_sample_rate:
summary: Nicht unterstützte Abtastrate für opus
value:
error:
code: invalid_parameter
message: >-
sample_rate 44100 is not supported with
response_format=opus; use one of: 8000, 12000, 16000,
24000, 48000
type: invalid_request_error
'401':
description: Nicht authentifiziert, Token ungültig oder abgelaufen
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
error:
code: unauthorized
message: Invalid or expired token
type: authentication_error
'402':
description: Kontingent unzureichend; Aufladung erforderlich
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
error:
code: insufficient_quota
message: Insufficient quota. Please top up your account.
type: insufficient_quota
'403':
description: Zugriff verweigert
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
error:
code: model_access_denied
message: >-
Token does not have access to model:
qwen-audio-3.1-tts-flash
type: invalid_request_error
'404':
description: Stimme nicht vorhanden oder abgelaufen
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
examples:
voice_not_found:
summary: Stimme nicht vorhanden oder einem anderen Konto zugeordnet
value:
error:
code: voice_not_found
message: >-
voice
"qwen-audio-3.1-tts-flash-myvoice-5996beec833d41f4982158347ba97fae"
not found
type: invalid_request_error
voice_expired:
summary: Benutzerdefinierte Stimme abgelaufen; neu erstellen
value:
error:
code: voice_expired
message: >-
voice
"qwen-audio-3.1-tts-flash-myvoice-5996beec833d41f4982158347ba97fae"
has expired; create a new one with voice-enrollment
type: invalid_request_error
'429':
description: Anfragelimit überschritten
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
error:
code: rate_limit_exceeded
message: Too many requests, please try again later
type: rate_limit_error
'500':
description: Interner Serverfehler
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
error:
code: internal_error
message: Internal server error
type: api_error
components:
schemas:
QwenAudioTtsRequest:
type: object
required:
- model
description: >-
Mindestens eines der Textfelder `prompt` oder `input` muss nicht leer
sein. Sind beide angegeben, müssen ihre Inhalte übereinstimmen. Sind
`response_format` und `format` beide angegeben, müssen auch ihre Werte
übereinstimmen.
anyOf:
- required:
- prompt
properties:
prompt:
pattern: \S
- required:
- input
properties:
input:
pattern: \S
properties:
model:
type: string
description: Modellname
enum:
- qwen-audio-3.1-tts-flash
default: qwen-audio-3.1-tts-flash
example: qwen-audio-3.1-tts-flash
prompt:
type: string
description: >-
Zu synthetisierender Text
**Vorgaben:**
- Höchstens `5000` Zeichen
- Bei langen Texten Satzzeichen beibehalten: lange Passagen ohne
Satzgrenzen können upstream auf etwa `1500` Ausgabe-Tokens (etwa 120
Sekunden Audio) gekürzt werden. Die Aufgabe gilt dennoch als
erfolgreich und wird nach den tatsächlich erzeugten Tokens
berechnet; das Gateway kann diese Kürzung nicht erkennen
- Alternativ `input` verwenden. Mindestens ein nicht leeres Textfeld
ist erforderlich; möglichst nur eines übergeben. Abweichende Inhalte
ergeben `400` (`parameter_conflict`)
- Der Text muss in einer von der Stimme unterstützten Sprache sein,
sonst sind Aussprachefehler möglich
**Emotions- und paralinguistische Tags:** Direkt in den Text
einfügen, ohne zusätzliche Parameter; der Tag-Text zählt als
Abrechnungszeichen
- **Steuerungstags**: Legen die Emotion oder den Stil des folgenden
Textes bis zum nächsten Steuerungstag fest. `[sad]` traurig,
`[amazed]` erstaunt, `[deep and loud shouting]` tiefes, lautes
Schreien, `[trembling]` zitternd, `[angry]` wütend, `[excited]`
aufgeregt, `[sarcastic]` sarkastisch, `[curious]` neugierig, `[like
dracula]` tief und unheimlich, `[bored]` gelangweilt, `[tired]`
müde, `[scornful]` verächtlich, `[shouting]` schreiend, `[asmr]`
sanftes ASMR-Flüstern, `[panicked]` panisch, `[mischievously]`
schelmisch, `[empathetic]` einfühlsam, `[whispers]` flüsternd,
`[reluctantly]` widerwillig, `[crying]` weinend, `[serious]` ernst,
`[very slowly]` sehr langsam, `[very fast]` sehr schnell
- **Paralinguistische Tags**: Fügen an dieser Stelle einen
Stimmeffekt ein, ohne die Emotion des umgebenden Textes zu ändern.
`[gasp]` nach Luft schnappen, `[sighing]` seufzen, `[clears throat]`
räuspern, `[giggles]` kichern, `[laughing]` lachen, `[cough]`
husten, `[snorts]` schnauben
**Beispiel:** `[excited]今天的天气真不错！[laughing]我们一起出去玩吧！`
Bei `enable_ssml: true` wird dieses Feld als SSML verarbeitet
maxLength: 5000
example: 我家的后面有一个很大的花园。
input:
type: string
description: >-
Alias für `prompt` mit denselben Längen- und Nutzungsregeln
- Mindestens `prompt` oder `input` als nicht leeren Text angeben
- Bei Angabe beider Felder müssen die Inhalte übereinstimmen, sonst
`400` (`parameter_conflict`)
maxLength: 5000
example: 我家的后面有一个很大的花园。
voice:
type: string
description: >-
Stimmenname, Groß-/Kleinschreibung beachten
- 68 Systemstimmen; Namen, Geschlecht und Einsatzgebiete siehe
[Stimmenliste](/de/api-manual/audio-series/qwen-audio-tts/qwen-audio-3.1-tts-flash-voices)
- Ohne Angabe wird `longanhuan_v3.1` verwendet
- Eigene Stimmen aus [Voice
Enrollment](/de/api-manual/audio-series/qwen-audio-tts/voice-enrollment)
sind ebenfalls möglich: geklont
`qwen-audio-3.1-tts-flash-{prefix}-{32-character-id}`, entworfen
`qwen-audio-3.1-tts-flash-vd-{prefix}-{32-character-id}`. Nur das
erstellende Konto kann sie verwenden. Stimmen anderer Modelle, etwa
`qwen-tts-vd-…` von `qwen-voice-design`, ergeben `400`
(`invalid_voice`). Nicht vorhandene oder fremde Stimmen ergeben
`404` (`voice_not_found`)
- Benutzerdefinierte Stimmen laufen standardmäßig `6 Stunden` nach
Abschluss der Erstellung ab. Danach gibt die Synthese `404`
(`voice_expired`) zurück; mit Voice Enrollment eine neue Stimme
erstellen
default: longanhuan_v3.1
example: longanhuan_v3.1
response_format:
type: string
description: >-
Audioausgabeformat: `mp3`, `wav` oder `opus`, Standard `mp3`
- `opus` verwendet einen Ogg-Opus-Container
- Alternativ `format` verwenden. Möglichst nur ein Feld übergeben;
unterschiedliche Werte ergeben `400` (`parameter_conflict`)
enum:
- mp3
- wav
- opus
default: mp3
example: mp3
format:
type: string
description: >-
Alias für `response_format`; unterstützt `mp3`, `wav` und `opus`
- Ohne beide Felder wird `mp3` verwendet
- Bei Angabe beider Felder müssen die Werte übereinstimmen, sonst
`400` (`parameter_conflict`)
enum:
- mp3
- wav
- opus
example: mp3
sample_rate:
type:
- integer
- 'null'
description: >-
Ausgabe-Abtastrate (Hz)
- Bei `response_format: opus` werden `22050` und `44100` nicht
unterstützt
- Ohne Angabe oder bei `null` gilt der Standardwert; `0` oder Werte
außerhalb der Liste ergeben `400`
enum:
- 8000
- 12000
- 16000
- 22050
- 24000
- 44100
- 48000
- null
default: 24000
example: 24000
volume:
type: integer
description: Lautstärke von `0` bis `100`
minimum: 0
maximum: 100
default: 50
example: 50
speech_rate:
type: number
description: >-
Sprechgeschwindigkeitsfaktor
- `1.0`: normale Geschwindigkeit (Standard)
- `2.0`: doppelte Geschwindigkeit; `0.5`: halbe Geschwindigkeit
Bereich `0.5` bis `2.0`. Eine Änderung beeinflusst die Anzahl der
Ausgabe-Tokens nicht
minimum: 0.5
maximum: 2
default: 1
example: 1
pitch:
type: number
description: >-
Tonhöhenfaktor
- `1.0`: Standardtonhöhe
- Über `1.0` höher, unter `1.0` tiefer
Bereich `0.5` bis `2.0`
**Eine Tonhöhenänderung verändert auch Sprechgeschwindigkeit und
Audiodauer**
- Höhere Tonhöhe beschleunigt und verkürzt, tiefere verlangsamt und
verlängert. Die Dauer verändert sich ungefähr umgekehrt proportional
zum Quadrat des Tonhöhenwerts
- Bei einem Satz von etwa 2.8 Sekunden bei `1.0`: `0.8` etwa 4.3
Sekunden, `1.2` etwa 2.1 Sekunden, `0.5` etwa 10.9 Sekunden, `2.0`
etwa 0.7 Sekunden
- Kleine Änderungen zwischen `0.8` und `1.2` empfohlen; nahe `0.5`
oder `2.0` ist die Sprache deutlich zu langsam oder zu schnell
- Ist gleichzeitig `speech_rate` ungleich `1.0` gesetzt, bleibt
`pitch` wirkungslos; beide lassen sich nicht kombinieren
- Die Tonhöhe verändert die Anzahl der Ausgabe-Tokens nicht
minimum: 0.5
maximum: 2
default: 1
example: 1
instruction:
type: string
description: >-
Natürlichsprachliche Anweisungen für Emotion, Tonfall, Rolle,
Dialekt und Ausdruck
**Vorgaben:**
- Höchstens `100` Abrechnungszeichen: Han-Zeichen (einschließlich
japanischer Kanji und koreanischer Hanja) zählen als 2; alle anderen
Zeichen, einschließlich Kana und Hangul, als 1 (etwa 50 Han-Zeichen
oder 100 englische Zeichen). Überschreitung ergibt `400`
**Beispiele:**
- `用欢快、热情的语气说` (fröhlich und begeistert sprechen)
- `请用上海话表达` (Shanghaier Dialekt; mehrsprachige und Dialektstimmen)
- `Speak slowly in a calm and gentle tone`
Anweisungen zählen nicht als Eingabe-Tokens, können aber die
Audiodauer und damit die Ausgabe-Tokens beeinflussen
> Der Parameter heißt `instruction` (Singular); `instructions`
ergibt `400`
example: 用欢快、热情的语气说
language:
type: string
description: >-
Hinweis zur Zielsprache für bessere Aussprache von Zahlen,
Abkürzungen und Symbolen sowie bessere Synthese weniger verbreiteter
Sprachen
Bei `zh` wird beispielsweise `110` in `hello, this is 110`
chinesisch als „yao yao ling“ gelesen
| Wert | Sprache | Wert | Sprache |
|---|---|---|---|
| `zh` | Chinesisch | `th` | Thailändisch |
| `en` | Englisch | `id` | Indonesisch |
| `fr` | Französisch | `vi` | Vietnamesisch |
| `de` | Deutsch | `es` | Spanisch |
| `ja` | Japanisch | `it` | Italienisch |
| `ko` | Koreanisch | `ms` | Malaiisch |
| `ru` | Russisch | `fil` | Filipino |
| `pt` | Portugiesisch | `ar` | Arabisch |
Ohne Angabe erkennt das Modell die Sprache automatisch; dieser
Parameter übersetzt den Text nicht
enum:
- zh
- en
- fr
- de
- ja
- ko
- ru
- pt
- th
- id
- vi
- es
- it
- ms
- fil
- ar
example: zh
enable_ssml:
type: boolean
description: >-
`prompt` als SSML verarbeiten
Wenn aktiviert, sind SSML-Tags möglich, etwa ``
für eine Pause:
`欢迎收听今天的节目。我们马上开始。`
SSML-Pausen zählen nicht als Ausgabe-Tokens
default: false
example: false
hot_fix:
type: object
description: >-
Benutzerdefinierte Aussprache und Textersetzung zur Korrektur
mehrdeutiger Zeichen, Eigennamen und anderer Aussprachen
- `pronunciation`: Wörter mit Pinyin versehen; Silben durch
Leerzeichen trennen, Töne als Ziffern angeben, etwa `tian1 qi4`
- `replace`: Wörter vor der Synthese ersetzen. Synthese und
Abrechnung erfolgen anhand des ersetzten Texts; auch dieser darf
höchstens `5000` Zeichen haben, sonst `400` (`prompt_too_long`)
Beide Listen zusammen dürfen höchstens `200` Einträge enthalten,
gezählt als Schlüssel-Wert-Paare in den Objekten. Überschreitung
ergibt `400` (`invalid_parameter`)
Mindestens eine Liste angeben. Jede angegebene Liste muss ein nicht
leeres Array von Objekten der Form `{"Wort": "Wert"}` sein
**Beispiel:**
```json
{
"pronunciation": [{"天气": "tian1 qi4"}],
"replace": [{"今天": "金天"}]
}
```
properties:
pronunciation:
type: array
description: >-
Liste benutzerdefinierter Aussprachen; jeder Eintrag ist ein
Objekt wie `{"Wort": "Pinyin"}`
items:
type: object
additionalProperties:
type: string
example:
- 天气: tian1 qi4
replace:
type: array
description: >-
Liste der Textersetzungen; jeder Eintrag ist ein Objekt wie
`{"Originalwort": "Ersatztext"}`
items:
type: object
additionalProperties:
type: string
example:
- 今天: 金天
enable_aigc_tag:
type: boolean
description: >-
Unsichtbare AIGC-Kennzeichnung in das erzeugte Audio einbetten (für
`wav` / `mp3` / `opus`)
default: false
example: false
callback_url:
type: string
description: >-
HTTPS-Callback-URL für das Aufgabenergebnis
**Zeitpunkt:**
- Bei Abschluss (`completed`) oder Fehlschlag (`failed`); dieses
Modell unterstützt keinen Abbruch
- Versand nach Bestätigung der Abrechnung
**Sicherheitsvorgaben:**
- Nur HTTPS
- Keine privaten IP-Adressen (127.0.0.1, 10.x.x.x, 172.16–31.x.x,
192.168.x.x usw.)
- URL mit höchstens `2048` Zeichen
**Zustellung:**
- Timeout: `10` Sekunden
- Bei Fehlschlag höchstens `3` Wiederholungen nach `1` / `2` / `4`
Sekunden
- Callback-Inhalt im gleichen Format wie die Aufgabenabfrage
- 2xx gilt als Erfolg; andere Statuscodes lösen Wiederholungen aus
format: uri
example: https://your-domain.com/webhooks/tts-completed
QwenAudioTtsResponse:
type: object
properties:
created:
type: integer
description: Zeitstempel der Aufgabenerstellung
example: 1790000000
id:
type: string
description: Aufgaben-ID
example: task-unified-1790000000-abcd1234
model:
type: string
description: Tatsächlich verwendetes Modell
example: qwen-audio-3.1-tts-flash
object:
type: string
enum:
- audio.generation.task
description: Konkreter Typ des Aufgabenobjekts
progress:
type: integer
description: Aufgabenfortschritt in Prozent (0–100)
minimum: 0
maximum: 100
example: 0
status:
type: string
description: Aufgabenstatus
enum:
- pending
- processing
- completed
- failed
example: pending
task_info:
$ref: '#/components/schemas/AudioTaskInfo'
description: Details der Audioaufgabe
type:
type: string
enum:
- audio
description: Ausgabetyp der Aufgabe
example: audio
usage:
$ref: '#/components/schemas/AudioUsage'
description: Verbrauchs- und Abrechnungsinformationen
ErrorResponse:
type: object
properties:
error:
type: object
properties:
code:
type: string
description: Fehlercode
message:
type: string
description: Fehlermeldung
type:
type: string
description: Fehlertyp
AudioTaskInfo:
type: object
properties:
can_cancel:
type: boolean
description: >-
Ob die Aufgabe abgebrochen werden kann (dieses Modell unterstützt
keinen Abbruch)
example: false
estimated_time:
type: integer
description: >-
Geschätzte Dauer in Sekunden; steigt mit der Textlänge, bis etwa
`90` Sekunden
minimum: 0
example: 3
audio_type:
type: string
description: Typ der Audioaufgabe
example: tts
AudioUsage:
type: object
description: Verbrauchsinformationen
properties:
credits_reserved:
type: number
description: >-
Nach Textlänge reservierte Credits; nach Abschluss anhand des
tatsächlichen Token-Verbrauchs abgerechnet, Überschüsse erstattet
und Fehlbeträge nachberechnet
minimum: 0
example: 0.0144
securitySchemes:
bearerAuth:
type: http
scheme: bearer
description: >-
## Alle Endpunkte erfordern Bearer-Token-Authentifizierung
**API-Key erhalten:**
Den API-Key auf der Seite
[API-Key-Verwaltung](https://evolink.ai/dashboard/keys) abrufen
**Diesen Anfrageheader hinzufügen:**
```
Authorization: Bearer YOUR_API_KEY
```
````
This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.