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 カスタム音声の作成

モデル voice-enrollment で Qwen Audio 3.1 TTS Flash 用のカスタム音声を作成します。audio_url は音声複製、voice_prompt + preview_text は音声設計です。両モードの選択フィールドを同時に指定するか、どちらも指定しない場合は 400
両モードの音声は qwen-audio-3.1-tts-flash 専用で、作成したアカウントのみ使用可能です。旧 qwen-voice-design の音声は使用できません。移行時はこの API で再作成してください
設計はプレビュー音声（固定 24 kHz WAV）も返します。複製は音声名のみ返します
非同期処理です。タスク ID で結果を照会してください。複製は約 15～30 秒。設計はプレビューテキスト全体の合成を待ち、30 文字で約 12 秒、200 文字で約 49 秒
リクエスト単位の課金で複製と設計は同額。失敗時は全額返還します。プレビュー音声リンクは 24 時間有効なので早めに保存してください
自分の声、または明確な許可を得た声のみ複製できます

手順：

audio_url（複製）または voice_prompt + preview_text（設計）と preferred_name を指定
タスク結果をポーリングし、result_data.voice（音声名）を取得
Qwen Audio 3.1 TTS Flash の voice に完全な音声名を指定

タスク結果（status が completed の場合）：

フィールド	音声複製	音声設計
`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}`（`vd-` が追加）
`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`	返しません	プレビュー音声 URL（24 時間有効）。`sample_rate: 24000` と `response_format: "wav"` も返します

設計のプレビュー音声を取得できない場合も、タスクは完了します（音声は作成・課金済み）。その場合は preview_audio_unavailable: true と preview_audio_warning を返します。

音声の有効期限：

複製・設計の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。合成で使用しても期限は延長されません
期限後の TTS は 404（voice_expired）。この API で新しい音声を作成して合成に使用してください

音声の上限： 上流アカウントの Qwen-Audio-TTS シリーズのカスタム音声には総数上限があります（公式は 1000、複製と設計で共有）。上限に達すると作成は失敗し、全額返還されます。

文字数の計算： 中国語・英語の文字と句読点はいずれも 1 文字と数えます。

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
  }
}

承認

Authorization

string

header

必須

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

ボディ

application/json

音声複製（audio_url）
音声設計（voice_prompt）

人物の録音から音声を作成します。audio_url で複製モードになります。設計用の voice_prompt、preview_text、sample_rate、response_format は省略してください。空でない設計テキスト、ゼロ以外のサンプルレート、空でない形式は 400。sample_rate: 0/null と response_format: ""/null は未指定として扱います。

model

enum<string>

デフォルト:voice-enrollment

必須

モデル名

利用可能なオプション:

voice-enrollment

例:

"voice-enrollment"

audio_url

string<uri>

必須

複製する録音の URL。このフィールドは音声複製を選択し、voice_prompt とは同時に指定できません

URL の要件：

認証なしで公開アクセスできる HTTP または HTTPS
ローカルやプライベートネットワークのアドレスは 400（invalid_media_url）
最大 2048 文字
FTP など非 HTTP(S) プロトコルは 400（invalid_media_url）
URL のみ対応。Base64 data URI は 400（invalid_parameter）

音声の要件（満たさない場合はタスクが失敗することがあります）：

WAV、MP3、M4A
最大 60 秒。発話が短すぎても失敗します（テストでは 2 秒の録音が失敗）
ファイルサイズは最大 10 MB
サンプルレートは 16 kHz 以上
明瞭な人の声が必要です。無音、音楽など発話でない音声は拒否されます

録音の推奨事項：

10～20 秒、そのうち少なくとも 5 秒は連続した明瞭な朗読。ポーズは 2 秒以下
モノラル。ステレオは最初のチャンネルのみ使用
背景音楽、雑音、他人の声を含めず、歌わずに通常の話し方で録音

ダウンロードできない、または要件を満たさない場合はタスクが失敗し、クレジットは全額返還されます

自分の声、または明確な許可を得た声のみ複製してください

Maximum string length: 2048

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

例:

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

preferred_name

string

必須

音声名のプレフィックス

制約：

英字と数字のみ、1～10 文字。アンダースコアなどの記号は非対応
大文字は小文字に変換
一意である必要はありません

完全な音声名：複製は qwen-audio-3.1-tts-flash-{preferred_name}-{32-character-id}、設計は qwen-audio-3.1-tts-flash-vd-{preferred_name}-{32-character-id}

myvoice の複製例：qwen-audio-3.1-tts-flash-myvoice-5996beec833d41f4982158347ba97fae

Maximum string length: 10

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

例:

"myvoice"

language

enum<string>

複製では録音の言語を指定し、音声の特徴をより正確に抽出します。設計では音声の言語傾向を指定します。preview_text と同じ言語を推奨します

未指定時は zh

利用可能なオプション:

zh,

en,

ja,

ko,

de,

fr,

it,

ru,

pt,

es

例:

"zh"

target_model

enum<string>

デフォルト:qwen-audio-3.1-tts-flash

音声を使用する TTS モデル。現在は 1 種類のみで、未指定時もこの値になります。他の値は 400

値	説明
`qwen-audio-3.1-tts-flash`	Qwen Audio 3.1 TTS Flash 非ストリーミング（デフォルト、唯一の値）

利用可能なオプション:

qwen-audio-3.1-tts-flash

例:

"qwen-audio-3.1-tts-flash"

callback_url

string<uri>

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
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

例:

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

レスポンス

音声作成タスクを受け付けました

created

integer

タスク作成時刻のタイムスタンプ

例:

1775123456

string

タスク ID

例:

"task-unified-1775123456-abcd1234"

model

string

実際に使用されたモデル名

例:

"voice-enrollment"

object

enum<string>

タスクオブジェクトの具体的な種類

利用可能なオプション:

audio.generation.task

progress

integer

タスク進捗率（0～100）

必須範囲: 0 <= x <= 100

例:

0

status

enum<string>

タスクの状態

利用可能なオプション:

pending,

processing,

completed,

failed

例:

"pending"

task_info

object

音声タスクの詳細

Show child attributes

type

enum<string>

タスクの出力タイプ

利用可能なオプション:

audio

例:

"audio"

usage

object

使用量と課金情報

Show child attributes

画像シリーズ

動画シリーズ

オーディオシリーズ

テキストシリーズ

アカウント管理

タスク管理

ファイル管理

Voice Enrollment カスタム音声の作成

承認

すべての API で Bearer トークン認証が必要です

ボディ

レスポンス