> ## 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 音声合成
> - テキストを音声に変換します。1 回あたり最大 `5000` 文字
- 68 種類のシステム音声は[音声一覧](/ja/api-manual/audio-series/qwen-audio-tts/qwen-audio-3.1-tts-flash-voices)を参照してください。[Voice Enrollment](/ja/api-manual/audio-series/qwen-audio-tts/voice-enrollment) で自分が複製・設計した音声も使用できます
- カスタム音声はデフォルトで作成タスク完了から `6 時間`で期限切れになります。以後の合成は `404`（`voice_expired`）を返すため、Voice Enrollment で再作成してください
- 自然言語の指示（`instruction`）、テキスト内の感情・非言語音タグ、SSML、発音のカスタマイズ（`hot_fix`）に対応
- 以下に記載されたパラメータのみ受け付けます。それ以外は `400`（`unsupported_parameter`）
- 非同期処理です。返されたタスク ID で[結果を照会](/ja/api-manual/task-management/get-task-detail)してください
- 送信後はキャンセルできません
- 生成音声のリンクは 24 時間有効です。早めに保存してください
**課金：**
- 実際のトークン使用量で課金します。入力トークン（テキスト長に関連）と出力トークン（音声の長さに関連）は別々に計算されます
- 送信時にテキスト長からクレジットを予約します（`usage.credits_reserved`）。完了後に実使用量で精算し、余剰分を返還、不足分を追加請求します。失敗時は全額返還
- 数字・文字・記号を一つずつ読み上げると、同じ長さの通常の文章より音声が長くなり、出力トークンも増えます。実際の消費が予約額を超える場合があります
- 同じテキストでも `[very slowly]` などの指示・タグでゆっくり話すと出力トークンが大幅に増えることがあります。`speech_rate` の調整や SSML のポーズは出力トークンを増やしません
**タスク結果（`status` が `completed` の場合）：**
| フィールド | 説明 |
|---|---|
| `results[0]` | 音声 URL |
| `result_data[0].audio_url` | 音声 URL。`results[0]` と同じ |
| `result_data[0].format` | 音声形式 |
| `result_data[0].sample_rate` | サンプルレート（Hz） |
| `usage.input_tokens` / `usage.output_tokens` / `usage.total_tokens` | 今回の合成のトークン使用量 |
| `usage.credits_used` | 実際に消費したクレジット |
## OpenAPI
````yaml ja/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 音声合成 API
description: >-
テキストを音声に変換します。68
種類のシステム音声、自然言語の指示、感情タグ、SSML、発音のカスタマイズに対応し、実際のトークン使用量に基づいて課金されます。
license:
name: MIT
version: 1.0.0
servers:
- url: https://api.evolink.ai
description: 本番環境
security:
- bearerAuth: []
tags:
- name: 音声合成
description: Qwen Audio 3.1 TTS Flash 音声合成エンドポイント
paths:
/v1/audios/generations:
post:
tags:
- 音声合成
summary: Qwen Audio 3.1 TTS Flash 音声合成
description: >-
- テキストを音声に変換します。1 回あたり最大 `5000` 文字
- 68
種類のシステム音声は[音声一覧](/ja/api-manual/audio-series/qwen-audio-tts/qwen-audio-3.1-tts-flash-voices)を参照してください。[Voice
Enrollment](/ja/api-manual/audio-series/qwen-audio-tts/voice-enrollment)
で自分が複製・設計した音声も使用できます
- カスタム音声はデフォルトで作成タスク完了から `6 時間`で期限切れになります。以後の合成は
`404`（`voice_expired`）を返すため、Voice Enrollment で再作成してください
- 自然言語の指示（`instruction`）、テキスト内の感情・非言語音タグ、SSML、発音のカスタマイズ（`hot_fix`）に対応
- 以下に記載されたパラメータのみ受け付けます。それ以外は `400`（`unsupported_parameter`）
- 非同期処理です。返されたタスク ID
で[結果を照会](/ja/api-manual/task-management/get-task-detail)してください
- 送信後はキャンセルできません
- 生成音声のリンクは 24 時間有効です。早めに保存してください
**課金：**
- 実際のトークン使用量で課金します。入力トークン（テキスト長に関連）と出力トークン（音声の長さに関連）は別々に計算されます
-
送信時にテキスト長からクレジットを予約します（`usage.credits_reserved`）。完了後に実使用量で精算し、余剰分を返還、不足分を追加請求します。失敗時は全額返還
-
数字・文字・記号を一つずつ読み上げると、同じ長さの通常の文章より音声が長くなり、出力トークンも増えます。実際の消費が予約額を超える場合があります
- 同じテキストでも `[very slowly]`
などの指示・タグでゆっくり話すと出力トークンが大幅に増えることがあります。`speech_rate` の調整や SSML
のポーズは出力トークンを増やしません
**タスク結果（`status` が `completed` の場合）：**
| フィールド | 説明 |
|---|---|
| `results[0]` | 音声 URL |
| `result_data[0].audio_url` | 音声 URL。`results[0]` と同じ |
| `result_data[0].format` | 音声形式 |
| `result_data[0].sample_rate` | サンプルレート（Hz） |
| `usage.input_tokens` / `usage.output_tokens` / `usage.total_tokens` |
今回の合成のトークン使用量 |
| `usage.credits_used` | 実際に消費したクレジット |
operationId: createQwenAudio31TtsFlash
requestBody:
required: true
content:
application/json:
schema:
$ref: '#/components/schemas/QwenAudioTtsRequest'
examples:
basic:
summary: 最小構成（デフォルト音声）
value:
model: qwen-audio-3.1-tts-flash
prompt: 我家的后面有一个很大的花园。
aliases:
summary: テキストと形式の別名を使用
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: 音声と出力形式を指定
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: 指示と感情タグ
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: 英語の音声
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 によるポーズ
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: 全パラメータ
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: 音声合成タスクの作成に成功
content:
application/json:
schema:
$ref: '#/components/schemas/QwenAudioTtsResponse'
'400':
description: リクエストパラメータが無効
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
examples:
missing_prompt:
summary: prompt が未指定
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 が 5000 文字を超過
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: hot_fix.replace 適用後に 5000 文字を超過
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 が 200 エントリを超過
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: 対応一覧にない音声
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 が課金換算で 100 文字を超過
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: パラメータ名の誤り（instructions）
value:
error:
code: unsupported_parameter
message: instructions is not supported; use "instruction"
type: invalid_request_error
unsupported_parameter:
summary: 未対応のパラメータを指定
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: opus で未対応のサンプルレート
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: 未認証、トークンが無効または期限切れ
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
example:
error:
code: unauthorized
message: Invalid or expired token
type: authentication_error
'402':
description: クォータ不足、チャージが必要
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: アクセス権限がありません
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: 音声が存在しないか有効期限切れ
content:
application/json:
schema:
$ref: '#/components/schemas/ErrorResponse'
examples:
voice_not_found:
summary: 音声が存在しないか別のアカウントに所属
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: カスタム音声の有効期限切れ、再作成が必要
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: リクエスト頻度の上限を超過
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: サーバー内部エラー
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: >-
`prompt` または `input`
の少なくとも一方に空でないテキストを指定してください。両方指定する場合は内容が一致している必要があります。`response_format` と
`format` も、両方指定する場合は値が一致している必要があります。
anyOf:
- required:
- prompt
properties:
prompt:
pattern: \S
- required:
- input
properties:
input:
pattern: \S
properties:
model:
type: string
description: モデル名
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: >-
合成するテキスト
**制約：**
- 最大 `5000` 文字
- 長いテキストでは句読点を残してください。文の区切りがない長文は、上流で約 `1500` 出力トークン（約 120
秒の音声）に切り詰められることがあります。タスクは成功扱いのまま、実際に生成したトークンで課金され、ゲートウェイはこの切り詰めを検出できません
- `input` でも指定できます。少なくとも一方に空でないテキストが必要です。片方のみの指定を推奨します。両方の内容が異なる場合は
`400`（`parameter_conflict`）
- 選択した音声が対応する言語のテキストを使用してください。非対応言語では発音が不正確になる場合があります
**感情・非言語音タグ：** 追加パラメータなしでテキスト内に直接挿入できます。タグの文字列も課金換算の文字数に含まれます
- **制御タグ**: 次の制御タグまで、後続テキストの感情やスタイルを設定します。 `[sad]` 悲しい, `[amazed]`
驚いた, `[deep and loud shouting]` 低く大きな叫び, `[trembling]` 震えた声,
`[angry]` 怒り, `[excited]` 興奮, `[sarcastic]` 皮肉, `[curious]` 好奇心,
`[like dracula]` 低く不気味, `[bored]` 退屈, `[tired]` 疲れ, `[scornful]` 軽蔑,
`[shouting]` 叫び, `[asmr]` ASMR の柔らかなささやき, `[panicked]` パニック,
`[mischievously]` いたずらっぽい, `[empathetic]` 共感, `[whispers]` ささやき,
`[reluctantly]` 不本意, `[crying]` 泣き声, `[serious]` 真剣, `[very slowly]`
非常にゆっくり, `[very fast]` 非常に速く
- **非言語音タグ**: その位置に発声効果を挿入します。前後のテキストの感情は変えません。 `[gasp]` 息をのむ,
`[sighing]` ため息, `[clears throat]` 咳払い, `[giggles]` くすくす笑い,
`[laughing]` 笑い声, `[cough]` 咳, `[snorts]` 鼻を鳴らす
**例：** `[excited]今天的天气真不错！[laughing]我们一起出去玩吧！`
`enable_ssml` が `true` の場合、このフィールドを SSML として解析します
maxLength: 5000
example: 我家的后面有一个很大的花园。
input:
type: string
description: |-
`prompt` の別名です。文字数制限と使用規則は同じです
- `prompt` または `input` の少なくとも一方に空でないテキストを指定
- 両方指定する場合は内容が一致する必要があります。不一致は `400`（`parameter_conflict`）
maxLength: 5000
example: 我家的后面有一个很大的花园。
voice:
type: string
description: >-
音声名。大文字と小文字を区別します
- 68
種類のシステム音声の名称・性別・用途は[音声一覧](/ja/api-manual/audio-series/qwen-audio-tts/qwen-audio-3.1-tts-flash-voices)を参照
- 未指定時は `longanhuan_v3.1`
- 自分が [Voice
Enrollment](/ja/api-manual/audio-series/qwen-audio-tts/voice-enrollment)
で作成した音声も使用可能です。複製は
`qwen-audio-3.1-tts-flash-{prefix}-{32-character-id}`、設計は
`qwen-audio-3.1-tts-flash-vd-{prefix}-{32-character-id}`
形式です。作成したアカウントのみ使用できます。`qwen-voice-design` の `qwen-tts-vd-…`
など別モデルの音声は `400`（`invalid_voice`）。存在しない音声や別アカウントの音声は
`404`（`voice_not_found`）
- カスタム音声はデフォルトで作成タスク完了から `6 時間`で期限切れになります。以後の合成は
`404`（`voice_expired`）。Voice Enrollment で再作成してください
default: longanhuan_v3.1
example: longanhuan_v3.1
response_format:
type: string
description: >-
出力音声形式。`mp3`、`wav`、`opus` に対応し、デフォルトは `mp3`
- `opus` は Ogg Opus コンテナ
- `format` でも指定可能です。片方のみの指定を推奨します。値が異なる場合は
`400`（`parameter_conflict`）
enum:
- mp3
- wav
- opus
default: mp3
example: mp3
format:
type: string
description: |-
`response_format` の別名。`mp3`、`wav`、`opus` に対応
- 両方未指定の場合は `mp3`
- 両方指定する場合は値の一致が必要です。不一致は `400`（`parameter_conflict`）
enum:
- mp3
- wav
- opus
example: mp3
sample_rate:
type:
- integer
- 'null'
description: |-
出力サンプルレート（Hz）
- `response_format` が `opus` の場合、`22050` と `44100` は非対応
- 未指定または `null` はデフォルト値を使用。`0` または一覧以外の値は `400`
enum:
- 8000
- 12000
- 16000
- 22050
- 24000
- 44100
- 48000
- null
default: 24000
example: 24000
volume:
type: integer
description: 音量。範囲は `0` ～ `100`
minimum: 0
maximum: 100
default: 50
example: 50
speech_rate:
type: number
description: |-
話速の倍率
- `1.0`：通常の速度（デフォルト）
- `2.0`：2 倍速、`0.5`：半分の速度
範囲は `0.5` ～ `2.0`。話速の調整は出力トークン数を変えません
minimum: 0.5
maximum: 2
default: 1
example: 1
pitch:
type: number
description: >-
ピッチの倍率
- `1.0`：デフォルトの高さ
- `1.0` より大きいと高く、小さいと低くなります
範囲は `0.5` ～ `2.0`
**ピッチの変更は話速と音声の長さも変えます**
- 高くすると速く短く、低くすると遅く長くなります。長さはおおむねピッチ値の二乗に反比例します
- `1.0` で約 2.8 秒の文の場合、`0.8` で約 4.3 秒、`1.2` で約 2.1 秒、`0.5` で約 10.9
秒、`2.0` で約 0.7 秒
- `0.8` ～ `1.2` の微調整を推奨します。`0.5` や `2.0` に近いと明らかに遅すぎたり速すぎたりします
- `speech_rate` も `1.0` 以外で指定した場合、`pitch` は無効です。併用して効果を重ねることはできません
- ピッチの調整は出力トークン数を変えません
minimum: 0.5
maximum: 2
default: 1
example: 1
instruction:
type: string
description: >-
感情、口調、役柄、方言などを制御する自然言語の指示
**制約：**
- 課金換算で最大 `100` 文字。漢字（日本語の漢字や韓国語の漢字も含む）は 2、その他の文字（仮名・ハングルを含む）は 1
と数えます（漢字約 50 文字または英語約 100 文字）。超過は `400`
**例：**
- `用欢快、热情的语气说`（明るく熱意のある口調）
- `请用上海话表达`（上海語で話す。多言語・方言音声向け）
- `Speak slowly in a calm and gentle tone`
指示自体は入力トークンに含まれませんが、生成音声の長さを変え、出力トークンに影響することがあります
> パラメータ名は単数形の `instruction` です。`instructions` は `400`
example: 用欢快、热情的语气说
language:
type: string
description: |-
対象言語のヒント。数字・略語・記号の読み方や、比較的少数の言語での合成を改善します
例：`hello, this is 110` に `zh` を指定すると、`110` を中国語の「yao yao ling」と読みます
| 値 | 言語 | 値 | 言語 |
|---|---|---|---|
| `zh` | 中国語 | `th` | タイ語 |
| `en` | 英語 | `id` | インドネシア語 |
| `fr` | フランス語 | `vi` | ベトナム語 |
| `de` | ドイツ語 | `es` | スペイン語 |
| `ja` | 日本語 | `it` | イタリア語 |
| `ko` | 韓国語 | `ms` | マレー語 |
| `ru` | ロシア語 | `fil` | フィリピン語 |
| `pt` | ポルトガル語 | `ar` | アラビア語 |
未指定時はモデルが自動判定します。このパラメータはテキストを翻訳しません
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` を SSML として解析するかどうか
有効にすると SSML タグを使用できます。例えば `` でポーズを挿入します：
`欢迎收听今天的节目。我们马上开始。`
SSML のポーズは出力トークンに含まれません
default: false
example: false
hot_fix:
type: object
description: >-
多音字や固有名詞などの読みを補正する発音指定とテキスト置換
- `pronunciation`：単語にピンインを指定します。音節は空白で区切り、声調は数字で示します。例：`tian1 qi4`
- `replace`：合成前に単語を置換します。置換後のテキストで合成・課金し、置換後も最大 `5000` 文字です。超過は
`400`（`prompt_too_long`）
両リスト合計で最大 `200` エントリです。オブジェクト内のキーと値のペアを数えます。超過は
`400`（`invalid_parameter`）
少なくとも一方を指定してください。指定する各リストは空でない配列で、各要素は `{"単語": "値"}` 形式のオブジェクトです
**例：**
```json
{
"pronunciation": [{"天气": "tian1 qi4"}],
"replace": [{"今天": "金天"}]
}
```
properties:
pronunciation:
type: array
description: '発音のカスタマイズ一覧。各項目は `{"単語": "ピンイン"}` 形式のオブジェクト'
items:
type: object
additionalProperties:
type: string
example:
- 天气: tian1 qi4
replace:
type: array
description: 'テキスト置換一覧。各項目は `{"元の単語": "置換テキスト"}` 形式のオブジェクト'
items:
type: object
additionalProperties:
type: string
example:
- 今天: 金天
enable_aigc_tag:
type: boolean
description: 生成音声に不可視の AIGC 識別情報を埋め込むかどうか（`wav` / `mp3` / `opus` で有効）
default: false
example: false
callback_url:
type: string
description: |-
タスク結果の HTTPS コールバック URL
**送信タイミング：**
- タスク完了（`completed`）または失敗（`failed`）時。このモデルはキャンセル非対応です
- 課金確定後に送信
**セキュリティ要件：**
- HTTPS のみ
- プライベート IP は禁止（127.0.0.1、10.x.x.x、172.16～31.x.x、192.168.x.x など）
- URL は最大 `2048` 文字
**配信：**
- タイムアウト：`10` 秒
- 失敗後は最大 `3` 回、`1` / `2` / `4` 秒後に再試行
- 本文形式はタスク照会 API のレスポンスと同じ
- 2xx は成功、それ以外は再試行
format: uri
example: https://your-domain.com/webhooks/tts-completed
QwenAudioTtsResponse:
type: object
properties:
created:
type: integer
description: タスク作成時刻のタイムスタンプ
example: 1790000000
id:
type: string
description: タスク ID
example: task-unified-1790000000-abcd1234
model:
type: string
description: 実際に使用されたモデル名
example: qwen-audio-3.1-tts-flash
object:
type: string
enum:
- audio.generation.task
description: タスクオブジェクトの具体的な種類
progress:
type: integer
description: タスク進捗率（0～100）
minimum: 0
maximum: 100
example: 0
status:
type: string
description: タスクの状態
enum:
- pending
- processing
- completed
- failed
example: pending
task_info:
$ref: '#/components/schemas/AudioTaskInfo'
description: 音声タスクの詳細
type:
type: string
enum:
- audio
description: タスクの出力タイプ
example: audio
usage:
$ref: '#/components/schemas/AudioUsage'
description: 使用量と課金情報
ErrorResponse:
type: object
properties:
error:
type: object
properties:
code:
type: string
description: エラーコード識別子
message:
type: string
description: エラーメッセージ
type:
type: string
description: エラーの種類
AudioTaskInfo:
type: object
properties:
can_cancel:
type: boolean
description: タスクをキャンセルできるかどうか（このモデルはキャンセル非対応）
example: false
estimated_time:
type: integer
description: 推定所要時間（秒）。テキストの長さに応じて増加し、最大約 `90` 秒
minimum: 0
example: 3
audio_type:
type: string
description: 音声タスクの種類
example: tts
AudioUsage:
type: object
description: 使用量情報
properties:
credits_reserved:
type: number
description: テキストの長さから見積もって予約するクレジット。完了後に実際のトークン使用量で精算し、余剰分を返還、不足分を追加請求
minimum: 0
example: 0.0144
securitySchemes:
bearerAuth:
type: http
scheme: bearer
description: |-
## すべての API で Bearer トークン認証が必要です
**API キーの取得：**
[API キー管理](https://evolink.ai/dashboard/keys)で API キーを取得してください
**リクエストヘッダーに追加：**
```
Authorization: Bearer YOUR_API_KEY
```
````
This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.