> ## 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. # Voice Enrollment: crear una voz personalizada > - Crea voces personalizadas para [Qwen Audio 3.1 TTS Flash](/es/api-manual/audio-series/qwen-audio-tts/qwen-audio-3.1-tts-flash) con el modelo `voice-enrollment`. Dos modos: `audio_url` para **clonación de voz**, o `voice_prompt` + `preview_text` para **diseño de voz**. Enviar ambos selectores o ninguno devuelve `400` - Las voces de ambos modos solo funcionan con `qwen-audio-3.1-tts-flash` y para la cuenta que las creó. Las voces del antiguo `qwen-voice-design` no son compatibles; vuelve a crearlas mediante este endpoint al migrar - El diseño devuelve también audio de muestra (24 kHz WAV fijo); la clonación devuelve solo el nombre de voz - Procesamiento asíncrono; [consulta el resultado](/es/api-manual/task-management/get-task-detail) con el ID de tarea. Clonación: unos 15–30 segundos. El diseño espera a sintetizar todo el texto de muestra: unos 12 segundos para 30 caracteres y 49 segundos para 200 caracteres - Cobro por solicitud, mismo precio para clonación y diseño; devolución íntegra si falla. Enlaces de muestra válidos 24 horas; guárdalos pronto - Clona solo tu propia voz o una voz para la que tengas autorización explícita **Proceso:** 1. Envía `audio_url` (clonación) o `voice_prompt` + `preview_text` (diseño), junto con `preferred_name` 2. Consulta el resultado para obtener `result_data.voice` (nombre de voz) 3. Llama a [Qwen Audio 3.1 TTS Flash](/es/api-manual/audio-series/qwen-audio-tts/qwen-audio-3.1-tts-flash) con el nombre completo en `voice` **Resultado de tarea (cuando `status` es `completed`):** | Campo | Clonación de voz | Diseño de voz | |---|---|---| | `result_data.voice` | `qwen-audio-3.1-tts-flash-{preferred_name}-{32-character-id}` | `qwen-audio-3.1-tts-flash-vd-{preferred_name}-{32-character-id}` (segmento adicional `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` | No se devuelve | URL de audio de muestra (válida 24 horas), además de `sample_rate: 24000` y `response_format: "wav"` | Si el audio de muestra no está disponible ocasionalmente, la tarea se completa igualmente (voz creada y cobrada). El resultado contiene en su lugar `preview_audio_unavailable: true` y `preview_audio_warning`. **Vigencia de la voz:** - Las voces clonadas o diseñadas caducan por defecto `6 horas` después de completar su creación. La síntesis no prolonga la vigencia - Tras caducar, el TTS devuelve `404` (`voice_expired`). Crea una nueva voz con este endpoint y úsala para sintetizar **Cupo de voces:** La cuenta del proveedor tiene un límite de voces personalizadas de la serie Qwen-Audio-TTS (oficialmente 1000, compartido entre clonación y diseño). Si se agota, la creación falla con devolución íntegra. **Longitud medida en caracteres:** Cada carácter chino, inglés o signo de puntuación cuenta como 1. ## OpenAPI ````yaml es/api-manual/audio-series/qwen-audio-tts/voice-enrollment.json POST /v1/audios/generations openapi: 3.1.0 info: title: API Voice Enrollment para crear voces personalizadas description: >- Crea voces personalizadas para Qwen Audio 3.1 TTS Flash clonando la grabación de una persona o diseñando una voz a partir de una descripción. Los campos proporcionados eligen el modo del mismo modelo. license: name: MIT version: 1.0.0 servers: - url: https://api.evolink.ai description: Entorno de producción security: - bearerAuth: [] tags: - name: Creación de voces personalizadas description: >- Clonación y diseño de voces; las voces están vinculadas a Qwen Audio 3.1 TTS Flash paths: /v1/audios/generations: post: tags: - Creación de voces personalizadas summary: 'Voice Enrollment: crear una voz personalizada' description: >- - Crea voces personalizadas para [Qwen Audio 3.1 TTS Flash](/es/api-manual/audio-series/qwen-audio-tts/qwen-audio-3.1-tts-flash) con el modelo `voice-enrollment`. Dos modos: `audio_url` para **clonación de voz**, o `voice_prompt` + `preview_text` para **diseño de voz**. Enviar ambos selectores o ninguno devuelve `400` - Las voces de ambos modos solo funcionan con `qwen-audio-3.1-tts-flash` y para la cuenta que las creó. Las voces del antiguo `qwen-voice-design` no son compatibles; vuelve a crearlas mediante este endpoint al migrar - El diseño devuelve también audio de muestra (24 kHz WAV fijo); la clonación devuelve solo el nombre de voz - Procesamiento asíncrono; [consulta el resultado](/es/api-manual/task-management/get-task-detail) con el ID de tarea. Clonación: unos 15–30 segundos. El diseño espera a sintetizar todo el texto de muestra: unos 12 segundos para 30 caracteres y 49 segundos para 200 caracteres - Cobro por solicitud, mismo precio para clonación y diseño; devolución íntegra si falla. Enlaces de muestra válidos 24 horas; guárdalos pronto - Clona solo tu propia voz o una voz para la que tengas autorización explícita **Proceso:** 1. Envía `audio_url` (clonación) o `voice_prompt` + `preview_text` (diseño), junto con `preferred_name` 2. Consulta el resultado para obtener `result_data.voice` (nombre de voz) 3. Llama a [Qwen Audio 3.1 TTS Flash](/es/api-manual/audio-series/qwen-audio-tts/qwen-audio-3.1-tts-flash) con el nombre completo en `voice` **Resultado de tarea (cuando `status` es `completed`):** | Campo | Clonación de voz | Diseño de voz | |---|---|---| | `result_data.voice` | `qwen-audio-3.1-tts-flash-{preferred_name}-{32-character-id}` | `qwen-audio-3.1-tts-flash-vd-{preferred_name}-{32-character-id}` (segmento adicional `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` | No se devuelve | URL de audio de muestra (válida 24 horas), además de `sample_rate: 24000` y `response_format: "wav"` | Si el audio de muestra no está disponible ocasionalmente, la tarea se completa igualmente (voz creada y cobrada). El resultado contiene en su lugar `preview_audio_unavailable: true` y `preview_audio_warning`. **Vigencia de la voz:** - Las voces clonadas o diseñadas caducan por defecto `6 horas` después de completar su creación. La síntesis no prolonga la vigencia - Tras caducar, el TTS devuelve `404` (`voice_expired`). Crea una nueva voz con este endpoint y úsala para sintetizar **Cupo de voces:** La cuenta del proveedor tiene un límite de voces personalizadas de la serie Qwen-Audio-TTS (oficialmente 1000, compartido entre clonación y diseño). Si se agota, la creación falla con devolución íntegra. **Longitud medida en caracteres:** Cada carácter chino, inglés o signo de puntuación cuenta como 1. operationId: createVoiceEnrollment requestBody: required: true content: application/json: schema: oneOf: - $ref: '#/components/schemas/VoiceCloneRequest' - $ref: '#/components/schemas/VoiceDesignRequest' examples: clone_minimal: summary: 'Clonación de voz: solicitud mínima' value: model: voice-enrollment audio_url: https://your-cdn.com/samples/my-voice.wav preferred_name: myvoice clone_full: summary: 'Clonación de voz: todos los parámetros' value: model: voice-enrollment audio_url: https://your-cdn.com/samples/my-voice.wav preferred_name: myvoice language: zh target_model: qwen-audio-3.1-tts-flash callback_url: https://your-domain.com/webhooks/voice-completed design_minimal: summary: 'Diseño de voz: solicitud mínima' value: model: voice-enrollment voice_prompt: 沉稳的中年男性播音员，音色低沉浑厚，富有磁性，语速平稳，吐字清晰 preview_text: 各位听众朋友，大家好，欢迎收听晚间新闻。 preferred_name: announcer design_full: summary: 'Diseño de voz: todos los parámetros' value: model: voice-enrollment voice_prompt: >- A calm British female narrator in her thirties, warm and articulate preview_text: Good evening, and welcome to tonight's programme. preferred_name: narrator language: en sample_rate: 24000 response_format: wav target_model: qwen-audio-3.1-tts-flash callback_url: https://your-domain.com/webhooks/voice-completed responses: '200': description: Tarea de creación de voz aceptada content: application/json: schema: $ref: '#/components/schemas/VoiceEnrollmentResponse' '400': description: Parámetros de solicitud no válidos content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' examples: mutually_exclusive: summary: Se proporcionaron audio_url y voice_prompt a la vez value: error: code: invalid_parameter message: >- audio_url and voice_prompt are mutually exclusive: pass audio_url to clone a voice, or voice_prompt to design one type: invalid_request_error missing_mode: summary: No se proporcionó audio_url ni voice_prompt value: error: code: invalid_parameter message: >- audio_url (voice cloning) or voice_prompt (voice design) is required for voice-enrollment type: invalid_request_error missing_preferred_name: summary: Falta preferred_name value: error: code: invalid_parameter message: >- preferred_name is required for voice-enrollment (e.g. 'announcer', 'narrator') type: invalid_request_error invalid_preferred_name: summary: preferred_name no cumple las reglas value: error: code: invalid_parameter message: preferred_name must be 1-10 English letters or digits type: invalid_request_error bad_target_model: summary: target_model no es qwen-audio-3.1-tts-flash value: error: code: invalid_parameter message: >- target_model 'qwen3-tts-vd' is not supported, valid value: qwen-audio-3.1-tts-flash type: invalid_request_error bad_language: summary: Idioma no admitido value: error: code: invalid_parameter message: >- language must be one of zh, en, ja, ko, de, fr, it, ru, pt, es type: invalid_request_error audio_url_too_long: summary: 'Clonación: audio_url supera los 2048 caracteres' value: error: code: invalid_parameter message: audio_url must not exceed 2048 characters, got 2191 type: invalid_request_error audio_url_not_public: summary: 'Clonación: audio_url apunta a una dirección privada' value: error: code: invalid_media_url message: >- invalid parameter "audio_url": points to localhost; provide a publicly accessible URL type: invalid_request_error audio_url_not_http: summary: 'Clonación: audio_url usa FTP u otro protocolo no válido' value: error: code: invalid_media_url message: >- invalid parameter "audio_url": must be an absolute HTTP(S) URL type: invalid_request_error param: audio_url audio_url_base64: summary: 'Clonación: audio_url es una URI de datos Base64' value: error: code: invalid_parameter message: >- audio_url must be a publicly accessible HTTP(S) URL: must be an absolute HTTP(S) URL type: invalid_request_error clone_with_design_field: summary: Se proporcionaron campos de diseño para clonar una voz value: error: code: invalid_parameter message: >- preview_text is only supported for voice design (voice_prompt) type: invalid_request_error voice_prompt_too_long: summary: 'Diseño: voice_prompt supera los 500 caracteres' value: error: code: invalid_parameter message: voice_prompt must not exceed 500 characters, got 501 type: invalid_request_error missing_preview_text: summary: 'Diseño: falta preview_text' value: error: code: invalid_parameter message: preview_text is required for voice design type: invalid_request_error preview_text_length: summary: 'Diseño: preview_text está fuera de 15–200 caracteres' value: error: code: invalid_parameter message: preview_text must be 15-200 characters, got 3 type: invalid_request_error design_sample_rate: summary: 'Diseño: la frecuencia de muestreo no es 24000' value: error: code: invalid_parameter message: sample_rate must be 24000 for voice-enrollment type: invalid_request_error '401': description: Sin autenticación, token no válido o caducado content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: unauthorized message: Invalid or expired token type: authentication_error '402': description: Cuota insuficiente; es necesario recargar 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: Acceso denegado content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: model_access_denied message: 'Token does not have access to model: voice-enrollment' type: invalid_request_error '429': description: Límite de solicitudes superado 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: Error interno del servidor content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' example: error: code: internal_error message: Internal server error type: api_error components: schemas: VoiceCloneRequest: title: Clonación de voz (audio_url) type: object description: >- Crea una voz a partir de la grabación de una persona. `audio_url` elige clonación; omite los campos de diseño `voice_prompt`, `preview_text`, `sample_rate` y `response_format`. Un texto de diseño no vacío, una frecuencia distinta de cero o un formato no vacío devuelve `400`. `sample_rate: 0/null` y `response_format: ""/null` se tratan como omitidos. required: - model - audio_url - preferred_name properties: model: type: string enum: - voice-enrollment default: voice-enrollment example: voice-enrollment description: Nombre del modelo audio_url: type: string format: uri maxLength: 2048 example: https://your-cdn.com/samples/my-voice.wav description: >- URL de la grabación que se clonará. Este campo elige **clonación de voz** y no puede enviarse junto con `voice_prompt` **Requisitos de la URL:** - HTTP o HTTPS, accesible públicamente sin autenticación - Direcciones locales o privadas: `400` (`invalid_media_url`) - Máximo `2048` caracteres - Protocolos no HTTP(S), como FTP: `400` (`invalid_media_url`) - Solo enlaces, no Base64; una URI de datos Base64 devuelve `400` (`invalid_parameter`) **Requisitos de audio** (de lo contrario puede fallar la tarea): - WAV, MP3 o M4A - Máximo 60 segundos; muy poco contenido hablado también puede fallar (una grabación de 2 segundos falló en las pruebas) - Tamaño máximo `10 MB` - Frecuencia de muestreo de al menos `16 kHz` - Voz humana clara; se rechazan silencio, música y otros audios sin voz **Consejos de grabación:** - 10–20 segundos, con al menos 5 segundos de lectura continua y clara; pausas de máximo 2 segundos - Mono; en estéreo solo se usa el primer canal - Sin música, ruido de fondo ni otras voces; habla normalmente, sin cantar Si el audio no puede descargarse o no cumple los requisitos, la tarea falla y se devuelven todos los créditos **Clona solo tu propia voz o una voz con autorización explícita** pattern: >- [^\u0009-\u000D\u0020\u0085\u00A0\u1680\u2000-\u200A\u2028\u2029\u202F\u205F\u3000] preferred_name: type: string maxLength: 10 pattern: ^[a-zA-Z0-9]+$ example: myvoice description: >- Prefijo del nombre de voz **Restricciones:** - 1–10 letras inglesas o dígitos; sin guiones bajos ni otros símbolos - Las mayúsculas se convierten en minúsculas - No tiene que ser único Nombre completo: `qwen-audio-3.1-tts-flash-{preferred_name}-{32-character-id}` para clonación, `qwen-audio-3.1-tts-flash-vd-{preferred_name}-{32-character-id}` para diseño Ejemplo con `myvoice`: `qwen-audio-3.1-tts-flash-myvoice-5996beec833d41f4982158347ba97fae` language: type: string enum: - zh - en - ja - ko - de - fr - it - ru - pt - es example: zh description: >- Para clonación, idioma hablado en la grabación, para extraer mejor la voz. Para diseño, preferencia de idioma de la voz; se recomienda el mismo que `preview_text` Por defecto `zh` si se omite target_model: type: string enum: - qwen-audio-3.1-tts-flash default: qwen-audio-3.1-tts-flash example: qwen-audio-3.1-tts-flash description: >- Modelo TTS que utilizará la voz. Actualmente solo se admite un valor, que se usa por defecto; los demás devuelven `400` | Valor | Descripción | |-----|------| | `qwen-audio-3.1-tts-flash` | Qwen Audio 3.1 TTS Flash, sin streaming (valor predeterminado y único) | callback_url: $ref: '#/components/schemas/CallbackUrl' not: anyOf: - required: - voice_prompt properties: voice_prompt: not: type: - string - 'null' pattern: >- ^[\u0009-\u000D\u0020\u0085\u00A0\u1680\u2000-\u200A\u2028\u2029\u202F\u205F\u3000]*$ - required: - preview_text properties: preview_text: not: type: - string - 'null' pattern: >- ^[\u0009-\u000D\u0020\u0085\u00A0\u1680\u2000-\u200A\u2028\u2029\u202F\u205F\u3000]*$ - required: - sample_rate properties: sample_rate: not: enum: - 0 - null - required: - response_format properties: response_format: not: enum: - '' - null VoiceDesignRequest: title: Diseño de voz (voice_prompt) type: object description: >- Crea una voz a partir de una descripción y sintetiza todo el `preview_text` como audio de muestra. `voice_prompt` elige diseño; no envíes `audio_url`. required: - model - voice_prompt - preview_text - preferred_name properties: model: type: string enum: - voice-enrollment default: voice-enrollment example: voice-enrollment description: Nombre del modelo voice_prompt: type: string maxLength: 500 example: 沉稳的中年男性播音员，音色低沉浑厚，富有磁性，语速平稳，吐字清晰 description: >- Descripción de las características de voz. Este campo elige **diseño de voz** y no puede enviarse junto con `audio_url` **Restricciones:** - Máximo `500` caracteres; cada carácter chino o inglés cuenta como 1 - Se recomienda describir en chino o inglés **Aspectos sugeridos:** género, edad, tono, velocidad, emoción, cualidades (resonante, clara, ronca, redonda, dulce, profunda) y uso (noticias, publicidad, audiolibros, personajes animados, asistentes de voz) **Descripciones recomendadas (en inglés):** - `A calm middle-aged man with a slow pace and a deep, resonant voice, suitable for news or documentary narration` - `A gentle, articulate woman around 30 years old, with an even tone, suitable for audiobooks` pattern: >- [^\u0009-\u000D\u0020\u0085\u00A0\u1680\u2000-\u200A\u2028\u2029\u202F\u205F\u3000] preview_text: type: string minLength: 15 maxLength: 200 example: 各位听众朋友，大家好，欢迎收听晚间新闻。 description: >- Texto de muestra; se sintetiza el texto **completo** **Restricciones:** - `15`–`200` caracteres; cada carácter chino o inglés cuenta como 1 - Un texto más largo tarda más: unos 12 segundos para 30 caracteres y 49 segundos para 200 caracteres - Se recomienda el mismo idioma que `language` pattern: >- [^\u0009-\u000D\u0020\u0085\u00A0\u1680\u2000-\u200A\u2028\u2029\u202F\u205F\u3000] sample_rate: type: - integer - 'null' enum: - 24000 - 0 - null default: 24000 example: 24000 description: |- Frecuencia de muestreo del audio de muestra (Hz), fija en `24000` - Omitido, `0` o `null` se trata como no enviado y usa `24000` - Otras frecuencias devuelven `400` (`invalid_parameter`) response_format: type: - string - 'null' enum: - wav - '' - null default: wav example: wav description: >- Formato del audio de muestra, fijo en `wav` - Omitido, cadena vacía `""` o `null` se trata como no enviado y usa `wav` - Otros formatos devuelven `400` (`invalid_parameter`) preferred_name: type: string maxLength: 10 pattern: ^[a-zA-Z0-9]+$ example: myvoice description: >- Prefijo del nombre de voz **Restricciones:** - 1–10 letras inglesas o dígitos; sin guiones bajos ni otros símbolos - Las mayúsculas se convierten en minúsculas - No tiene que ser único Nombre completo: `qwen-audio-3.1-tts-flash-{preferred_name}-{32-character-id}` para clonación, `qwen-audio-3.1-tts-flash-vd-{preferred_name}-{32-character-id}` para diseño Ejemplo con `myvoice`: `qwen-audio-3.1-tts-flash-myvoice-5996beec833d41f4982158347ba97fae` language: type: string enum: - zh - en - ja - ko - de - fr - it - ru - pt - es example: zh description: >- Para clonación, idioma hablado en la grabación, para extraer mejor la voz. Para diseño, preferencia de idioma de la voz; se recomienda el mismo que `preview_text` Por defecto `zh` si se omite target_model: type: string enum: - qwen-audio-3.1-tts-flash default: qwen-audio-3.1-tts-flash example: qwen-audio-3.1-tts-flash description: >- Modelo TTS que utilizará la voz. Actualmente solo se admite un valor, que se usa por defecto; los demás devuelven `400` | Valor | Descripción | |-----|------| | `qwen-audio-3.1-tts-flash` | Qwen Audio 3.1 TTS Flash, sin streaming (valor predeterminado y único) | callback_url: $ref: '#/components/schemas/CallbackUrl' not: required: - audio_url properties: audio_url: not: type: - string - 'null' pattern: >- ^[\u0009-\u000D\u0020\u0085\u00A0\u1680\u2000-\u200A\u2028\u2029\u202F\u205F\u3000]*$ VoiceEnrollmentResponse: type: object properties: created: type: integer description: Marca de tiempo de creación de la tarea example: 1775123456 id: type: string description: ID de tarea example: task-unified-1775123456-abcd1234 model: type: string description: Modelo utilizado realmente example: voice-enrollment object: type: string enum: - audio.generation.task description: Tipo específico de objeto de tarea progress: type: integer description: Progreso de la tarea en porcentaje (0–100) minimum: 0 maximum: 100 example: 0 status: type: string description: Estado de la tarea enum: - pending - processing - completed - failed example: pending task_info: $ref: '#/components/schemas/AudioTaskInfo' description: Detalles de la tarea de audio type: type: string enum: - audio description: Tipo de salida de la tarea example: audio usage: $ref: '#/components/schemas/AudioUsage' description: Información de uso y facturación ErrorResponse: type: object properties: error: type: object properties: code: type: string description: Identificador del código de error message: type: string description: Mensaje de error type: type: string description: Tipo de error CallbackUrl: type: string description: >- URL HTTPS de callback para el resultado de la tarea **Momento:** - Cuando la tarea termina (`completed`) o falla (`failed`) - Después de confirmar la facturación **Seguridad:** - Solo HTTPS - Se prohíben IP privadas (127.0.0.1, 10.x.x.x, 172.16–31.x.x, 192.168.x.x, etc.) - URL de máximo `2048` caracteres **Entrega:** - Tiempo de espera: `10` segundos - Máximo `3` reintentos tras un fallo, con demoras de `1` / `2` / `4` segundos - Cuerpo del callback con el mismo formato que la respuesta de consulta de tarea - Un estado 2xx indica éxito; los demás provocan reintentos format: uri example: https://your-domain.com/webhooks/voice-completed AudioTaskInfo: type: object properties: can_cancel: type: boolean description: >- Indica si la tarea puede cancelarse; las tareas de creación de voz no pueden cancelarse example: false estimated_time: type: integer description: >- Tiempo estimado en segundos. Estimación conservadora: la clonación suele tardar 15–30 segundos; el diseño tarda más con textos de muestra largos, unos 12 segundos para 30 caracteres y 49 segundos para 200 caracteres minimum: 0 example: 60 audio_type: type: string description: >- Modo de solicitud: `audio_url` selecciona `voice_clone` y `voice_prompt` selecciona `voice_design`; coincide con `voice_type` en el resultado example: voice_clone enum: - voice_clone - voice_design AudioUsage: type: object description: Información de uso properties: credits_reserved: type: number description: >- Créditos estimados. Cobro por solicitud, al mismo precio para clonación y diseño; devolución íntegra si la tarea falla minimum: 0 example: 0.001 securitySchemes: bearerAuth: type: http scheme: bearer description: >- ## Todos los endpoints requieren autenticación con token Bearer **Obtener una clave API:** Visita [Gestión de claves API](https://evolink.ai/dashboard/keys) para obtener tu clave **Añade esta cabecera:** ``` Authorization: Bearer YOUR_API_KEY ``` ```` This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.