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 : créer une voix personnalisée

Créez des voix personnalisées pour Qwen Audio 3.1 TTS Flash avec le modèle voice-enrollment. Deux modes : audio_url pour le clonage vocal, ou voice_prompt + preview_text pour la conception vocale. Fournir les deux sélecteurs ou aucun renvoie 400
Les voix des deux modes fonctionnent uniquement avec qwen-audio-3.1-tts-flash, pour le compte créateur. Les voix de l’ancien qwen-voice-design sont incompatibles ; recréez-les via ce point d’accès lors de la migration
La conception renvoie aussi un aperçu audio (24 kHz WAV fixe) ; le clonage renvoie uniquement le nom de voix
Traitement asynchrone : consultez le résultat avec l’ID de tâche. Clonage : environ 15–30 secondes. La conception attend la synthèse du texte entier : environ 12 secondes pour 30 caractères et 49 secondes pour 200 caractères
Facturation par requête, même prix pour clonage et conception ; remboursement intégral en cas d’échec. Liens d’aperçu valides 24 heures ; enregistrez-les rapidement
Clonez uniquement votre propre voix ou une voix pour laquelle vous avez une autorisation explicite

Procédure :

Fournissez audio_url (clonage) ou voice_prompt + preview_text (conception), ainsi que preferred_name
Interrogez le résultat pour obtenir result_data.voice (nom de voix)
Appelez Qwen Audio 3.1 TTS Flash avec ce nom complet dans voice

Résultat de tâche (lorsque status vaut completed) :

Champ	Clonage vocal	Conception vocale
`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}` (segment `vd-` supplémentaire)
`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`	Non renvoyé	URL d’aperçu (valide 24 heures), avec `sample_rate: 24000` et `response_format: "wav"`

Si l’aperçu de conception est parfois indisponible, la tâche se termine quand même (voix créée et facturée). Le résultat contient alors preview_audio_unavailable: true et preview_audio_warning.

Durée de validité :

Les voix clonées ou conçues expirent par défaut 6 heures après la fin de leur création. Les appels de synthèse ne prolongent pas cette durée
Après expiration, le TTS renvoie 404 (voice_expired). Créez une nouvelle voix via ce point d’accès et utilisez-la pour la synthèse

Capacité de voix : Le compte amont impose une limite de voix personnalisées pour la série Qwen-Audio-TTS (officiellement 1000, partagées entre clonage et conception). Si elle est atteinte, la création échoue avec remboursement intégral.

Longueur mesurée en caractères : Chaque caractère chinois, anglais ou signe de ponctuation compte pour 1.

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
  }
}

Autorisations

Authorization

string

header

requis

Tous les points d’accès exigent une authentification par token Bearer

Obtenir une clé API :

Rendez-vous dans Gestion des clés API pour obtenir votre clé

Ajoutez cet en-tête :

Authorization: Bearer YOUR_API_KEY

Corps

application/json

Clonage vocal (audio_url)
Conception vocale (voice_prompt)

Créez une voix depuis l’enregistrement d’une personne. audio_url sélectionne le clonage ; omettez les champs de conception voice_prompt, preview_text, sample_rate et response_format. Un texte de conception non vide, une fréquence non nulle ou un format non vide renvoie 400. sample_rate: 0/null et response_format: ""/null sont traités comme absents.

model

enum<string>

défaut:voice-enrollment

requis

Nom du modèle

Options disponibles:

voice-enrollment

Exemple:

"voice-enrollment"

audio_url

string<uri>

requis

URL de l’enregistrement à cloner. Ce champ sélectionne le clonage vocal et ne peut pas être fourni avec voice_prompt

Exigences de l’URL :

HTTP ou HTTPS, accès public sans authentification
Adresse locale ou privée : 400 (invalid_media_url)
Maximum 2048 caractères
Protocole non HTTP(S), comme FTP : 400 (invalid_media_url)
Liens uniquement, pas de Base64 ; une URI de données Base64 renvoie 400 (invalid_parameter)

Exigences audio (sinon la tâche peut échouer) :

WAV, MP3 ou M4A
Au plus 60 secondes ; trop peu de parole peut aussi échouer (un enregistrement de 2 secondes a échoué lors des tests)
Taille maximale 10 MB
Fréquence d’échantillonnage d’au moins 16 kHz
Voix humaine claire obligatoire ; silence, musique et autres sons sans parole sont refusés

Conseils d’enregistrement :

10–20 secondes, dont au moins 5 secondes de lecture continue et claire ; pauses d’au plus 2 secondes
Mono ; seul le premier canal d’un enregistrement stéréo est utilisé
Sans musique, bruit de fond ou autre voix ; parlez normalement, sans chanter

Si l’audio ne peut pas être téléchargé ou ne respecte pas les exigences, la tâche échoue avec remboursement intégral

Clonez uniquement votre propre voix ou une voix avec autorisation explicite

Maximum string length: 2048

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

Exemple:

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

preferred_name

string

requis

Préfixe du nom de voix

Contraintes :

1–10 lettres anglaises ou chiffres ; ni underscore ni autre symbole
Les majuscules sont converties en minuscules
L’unicité n’est pas requise

Nom complet : qwen-audio-3.1-tts-flash-{preferred_name}-{32-character-id} pour le clonage, qwen-audio-3.1-tts-flash-vd-{preferred_name}-{32-character-id} pour la conception

Exemple avec myvoice : qwen-audio-3.1-tts-flash-myvoice-5996beec833d41f4982158347ba97fae

Maximum string length: 10

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

Exemple:

"myvoice"

language

enum<string>

Pour le clonage, langue parlée dans l’enregistrement, afin de mieux extraire la voix. Pour la conception, préférence linguistique de la voix ; utilisez la même langue que preview_text

Par défaut zh si absent

Options disponibles:

zh,

en,

ja,

ko,

de,

fr,

it,

ru,

pt,

es

Exemple:

"zh"

target_model

enum<string>

défaut:qwen-audio-3.1-tts-flash

Modèle TTS qui utilisera la voix. Une seule valeur est actuellement acceptée et utilisée par défaut ; les autres renvoient 400

Valeur	Description
`qwen-audio-3.1-tts-flash`	Qwen Audio 3.1 TTS Flash, non streaming (valeur par défaut et unique)

Options disponibles:

qwen-audio-3.1-tts-flash

Exemple:

"qwen-audio-3.1-tts-flash"

callback_url

string<uri>

URL HTTPS de rappel pour le résultat de la tâche

Déclenchement :

À la fin (completed) ou à l’échec (failed) de la tâche
Après confirmation de la facturation

Sécurité :

HTTPS uniquement
Adresses IP privées interdites (127.0.0.1, 10.x.x.x, 172.16–31.x.x, 192.168.x.x, etc.)
URL de 2048 caractères maximum

Livraison :

Délai d’expiration : 10 secondes
Au plus 3 nouvelles tentatives après un échec, avec délais de 1 / 2 / 4 secondes
Corps du rappel au même format que la réponse de consultation de tâche
Un statut 2xx indique le succès ; les autres déclenchent une nouvelle tentative

Exemple:

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

Réponse

Tâche de création de voix acceptée

created

integer

Horodatage de création de la tâche

Exemple:

1775123456

string

ID de tâche

Exemple:

"task-unified-1775123456-abcd1234"

model

string

Modèle effectivement utilisé

Exemple:

"voice-enrollment"

object

enum<string>

Type précis de l’objet de tâche

Options disponibles:

audio.generation.task

progress

integer

Progression de la tâche en pourcentage (0–100)

Plage requise: 0 <= x <= 100

Exemple:

0

status

enum<string>

État de la tâche

Options disponibles:

pending,

processing,

completed,

failed

Exemple:

"pending"

task_info

object

Détails de la tâche audio

Show child attributes

type

enum<string>

Type de sortie de la tâche

Options disponibles:

audio

Exemple:

"audio"

usage

object

Informations d’utilisation et de facturation

Show child attributes

Série Image

Série Vidéo

Série Audio

Série Texte

Gestion du compte

Gestion des tâches

Gestion des fichiers

Voice Enrollment : créer une voix personnalisée

Autorisations

Tous les points d’accès exigent une authentification par token Bearer

Corps

Réponse