> ## 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 カスタム音声の作成 > - モデル `voice-enrollment` で [Qwen Audio 3.1 TTS Flash](/ja/api-manual/audio-series/qwen-audio-tts/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](/ja/api-manual/task-management/get-task-detail)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：** 1. `audio_url`（複製）または `voice_prompt` + `preview_text`（設計）と `preferred_name` を指定 2. タスク結果をポーリングし、`result_data.voice`（音声名）を取得 3. [Qwen Audio 3.1 TTS Flash](/ja/api-manual/audio-series/qwen-audio-tts/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。 ## OpenAPI ````yaml ja/api-manual/audio-series/qwen-audio-tts/voice-enrollment.json POST /v1/audios/generations openapi: 3.1.0 info: title: Voice Enrollment カスタム音声作成 API description: >- Qwen Audio 3.1 TTS Flash 用のカスタム音声を作成します。人物の録音から音声を複製するか、テキストの説明から音声を設計します。同じモデルで、指定したフィールドによりモードを選択します。 license: name: MIT version: 1.0.0 servers: - url: https://api.evolink.ai description: 本番環境 security: - bearerAuth: [] tags: - name: カスタム音声の作成 description: 音声複製と音声設計。音声は Qwen Audio 3.1 TTS Flash に紐付きます paths: /v1/audios/generations: post: tags: - カスタム音声の作成 summary: Voice Enrollment カスタム音声の作成 description: >- - モデル `voice-enrollment` で [Qwen Audio 3.1 TTS Flash](/ja/api-manual/audio-series/qwen-audio-tts/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](/ja/api-manual/task-management/get-task-detail)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：** 1. `audio_url`（複製）または `voice_prompt` + `preview_text`（設計）と `preferred_name` を指定 2. タスク結果をポーリングし、`result_data.voice`（音声名）を取得 3. [Qwen Audio 3.1 TTS Flash](/ja/api-manual/audio-series/qwen-audio-tts/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。 operationId: createVoiceEnrollment requestBody: required: true content: application/json: schema: oneOf: - $ref: '#/components/schemas/VoiceCloneRequest' - $ref: '#/components/schemas/VoiceDesignRequest' examples: clone_minimal: summary: 音声複製：最小構成 value: model: voice-enrollment audio_url: https://your-cdn.com/samples/my-voice.wav preferred_name: myvoice clone_full: summary: 音声複製：全パラメータ 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: 音声設計：最小構成 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: 音声設計：全パラメータ 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: 音声作成タスクを受け付けました content: application/json: schema: $ref: '#/components/schemas/VoiceEnrollmentResponse' '400': description: リクエストパラメータが無効 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' examples: mutually_exclusive: summary: audio_url と voice_prompt を同時に指定 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: audio_url と voice_prompt がどちらも未指定 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: preferred_name が未指定 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 が規則に違反 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 が qwen-audio-3.1-tts-flash 以外 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: 未対応の language 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: 複製：audio_url が 2048 文字を超過 value: error: code: invalid_parameter message: audio_url must not exceed 2048 characters, got 2191 type: invalid_request_error audio_url_not_public: summary: 複製：audio_url がプライベートアドレス 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: 複製：audio_url が FTP などの無効なプロトコル 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: 複製：audio_url が Base64 data URI 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: 音声複製で設計用フィールドを指定 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: 設計：voice_prompt が 500 文字を超過 value: error: code: invalid_parameter message: voice_prompt must not exceed 500 characters, got 501 type: invalid_request_error missing_preview_text: summary: 設計：preview_text が未指定 value: error: code: invalid_parameter message: preview_text is required for voice design type: invalid_request_error preview_text_length: summary: 設計：preview_text が 15～200 文字の範囲外 value: error: code: invalid_parameter message: preview_text must be 15-200 characters, got 3 type: invalid_request_error design_sample_rate: summary: 設計：サンプルレートが 24000 以外 value: error: code: invalid_parameter message: sample_rate must be 24000 for voice-enrollment 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: 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: $ref: '#/components/schemas/ErrorResponse' example: error: code: internal_error message: Internal server error type: api_error components: schemas: VoiceCloneRequest: title: 音声複製（audio_url） type: object description: >- 人物の録音から音声を作成します。`audio_url` で複製モードになります。設計用の `voice_prompt`、`preview_text`、`sample_rate`、`response_format` は省略してください。空でない設計テキスト、ゼロ以外のサンプルレート、空でない形式は `400`。`sample_rate: 0/null` と `response_format: ""/null` は未指定として扱います。 required: - model - audio_url - preferred_name properties: model: type: string enum: - voice-enrollment default: voice-enrollment example: voice-enrollment description: モデル名 audio_url: type: string format: uri maxLength: 2048 example: https://your-cdn.com/samples/my-voice.wav description: |- 複製する録音の URL。このフィールドは**音声複製**を選択し、`voice_prompt` とは同時に指定できません **URL の要件：** - 認証なしで公開アクセスできる HTTP または HTTPS - ローカルやプライベートネットワークのアドレスは `400`（`invalid_media_url`） - 最大 `2048` 文字 - FTP など非 HTTP(S) プロトコルは `400`（`invalid_media_url`） - URL のみ対応。Base64 data URI は `400`（`invalid_parameter`） **音声の要件**（満たさない場合はタスクが失敗することがあります）： - WAV、MP3、M4A - 最大 60 秒。発話が短すぎても失敗します（テストでは 2 秒の録音が失敗） - ファイルサイズは最大 `10 MB` - サンプルレートは `16 kHz` 以上 - 明瞭な人の声が必要です。無音、音楽など発話でない音声は拒否されます **録音の推奨事項：** - 10～20 秒、そのうち少なくとも 5 秒は連続した明瞭な朗読。ポーズは 2 秒以下 - モノラル。ステレオは最初のチャンネルのみ使用 - 背景音楽、雑音、他人の声を含めず、歌わずに通常の話し方で録音 ダウンロードできない、または要件を満たさない場合はタスクが失敗し、クレジットは全額返還されます **自分の声、または明確な許可を得た声のみ複製してください** pattern: >- [^\u0009-\u000D\u0020\u0085\u00A0\u1680\u2000-\u200A\u2028\u2029\u202F\u205F\u3000] preferred_name: type: string maxLength: 10 pattern: ^[a-zA-Z0-9]+$ example: myvoice description: >- 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` language: type: string enum: - zh - en - ja - ko - de - fr - it - ru - pt - es example: zh description: >- 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` 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: >- 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） | 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: 音声設計（voice_prompt） type: object description: >- テキストの説明から音声を作成し、`preview_text` 全体をプレビュー音声に合成します。`voice_prompt` で設計モードになるため、`audio_url` は指定できません。 required: - model - voice_prompt - preview_text - preferred_name properties: model: type: string enum: - voice-enrollment default: voice-enrollment example: voice-enrollment description: モデル名 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: >- 音声の特徴の説明。このフィールドは**音声設計**を選択し、`audio_url` とは同時に指定できません **制約：** - 最大 `500` 文字。中国語・英語とも 1 文字と数えます - 中国語または英語の説明を推奨 **記述の観点：** 性別、年齢、ピッチ、話速、感情、特徴（響き、明瞭さ、かすれ、丸み、甘さ、深さ）、用途（ニュース、広告、オーディオブック、アニメキャラクター、音声アシスタント） **推奨する説明例（英語）：** - `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: |- プレビューテキスト。**全体**をプレビュー音声に合成します **制約：** - `15` ～ `200` 文字。中国語・英語とも 1 文字と数えます - 長いほど時間がかかります。30 文字で約 12 秒、200 文字で約 49 秒 - `language` と同じ言語を推奨 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: |- プレビュー音声のサンプルレート（Hz）。`24000` 固定 - 未指定、`0`、`null` は未指定として扱い、デフォルトの `24000` を使用 - 他のサンプルレートは `400`（`invalid_parameter`） response_format: type: - string - 'null' enum: - wav - '' - null default: wav example: wav description: |- プレビュー音声の形式。`wav` 固定 - 未指定、空文字列 `""`、`null` は未指定として扱い、デフォルトの `wav` を使用 - 他の形式は `400`（`invalid_parameter`） preferred_name: type: string maxLength: 10 pattern: ^[a-zA-Z0-9]+$ example: myvoice description: >- 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` language: type: string enum: - zh - en - ja - ko - de - fr - it - ru - pt - es example: zh description: >- 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` 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: >- 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） | 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: タスク作成時刻のタイムスタンプ example: 1775123456 id: type: string description: タスク ID example: task-unified-1775123456-abcd1234 model: type: string description: 実際に使用されたモデル名 example: voice-enrollment 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 CallbackUrl: 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 - 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/voice-completed 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。音声作成タスクはキャンセルできません example: false estimated_time: type: integer description: >- 推定所要時間（秒）。余裕を見た目安：複製は通常 15～30 秒。設計はプレビューテキストが長いほど時間がかかり、30 文字で約 12 秒、200 文字で約 49 秒 minimum: 0 example: 60 audio_type: type: string description: >- リクエストのモード。`audio_url` は `voice_clone`、`voice_prompt` は `voice_design` となり、タスク結果の `voice_type` と一致します example: voice_clone enum: - voice_clone - voice_design AudioUsage: type: object description: 使用量情報 properties: credits_reserved: type: number description: 見積もりクレジット。リクエスト単位の課金で、複製と設計は同額。タスク失敗時は全額返還 minimum: 0 example: 0.001 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.