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: crear una voz personalizada

Crea voces personalizadas para 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 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:

Envía audio_url (clonación) o voice_prompt + preview_text (diseño), junto con preferred_name
Consulta el resultado para obtener result_data.voice (nombre de voz)
Llama a 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.

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
  }
}

Autorizaciones

Authorization

string

header

requerido

Todos los endpoints requieren autenticación con token Bearer

Obtener una clave API:

Visita Gestión de claves API para obtener tu clave

Añade esta cabecera:

Authorization: Bearer YOUR_API_KEY

Cuerpo

application/json

Clonación de voz (audio_url)
Diseño de voz (voice_prompt)

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.

model

enum<string>

predeterminado:voice-enrollment

requerido

Nombre del modelo

Opciones disponibles:

voice-enrollment

Ejemplo:

"voice-enrollment"

audio_url

string<uri>

requerido

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

Maximum string length: 2048

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

Ejemplo:

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

preferred_name

string

requerido

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

Maximum string length: 10

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

Ejemplo:

"myvoice"

language

enum<string>

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

Opciones disponibles:

zh,

en,

ja,

ko,

de,

fr,

it,

ru,

pt,

es

Ejemplo:

"zh"

target_model

enum<string>

predeterminado:qwen-audio-3.1-tts-flash

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)

Opciones disponibles:

qwen-audio-3.1-tts-flash

Ejemplo:

"qwen-audio-3.1-tts-flash"

callback_url

string<uri>

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

Ejemplo:

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

Respuesta

Tarea de creación de voz aceptada

created

integer

Marca de tiempo de creación de la tarea

Ejemplo:

1775123456

string

ID de tarea

Ejemplo:

"task-unified-1775123456-abcd1234"

model

string

Modelo utilizado realmente

Ejemplo:

"voice-enrollment"

object

enum<string>

Tipo específico de objeto de tarea

Opciones disponibles:

audio.generation.task

progress

integer

Progreso de la tarea en porcentaje (0–100)

Rango requerido: 0 <= x <= 100

Ejemplo:

0

status

enum<string>

Estado de la tarea

Opciones disponibles:

pending,

processing,

completed,

failed

Ejemplo:

"pending"

task_info

object

Detalles de la tarea de audio

Show child attributes

type

enum<string>

Tipo de salida de la tarea

Opciones disponibles:

audio

Ejemplo:

"audio"

usage

object

Información de uso y facturación

Show child attributes

Serie de imágenes

Serie de videos

Serie de audio

Serie de texto

Gestión de cuenta

Gestión de tareas

Gestión de archivos

Voice Enrollment: crear una voz personalizada

Autorizaciones

Todos los endpoints requieren autenticación con token Bearer

Cuerpo

Respuesta