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
}
}Voice Enrollment: crear una voz personalizada
- Crea voces personalizadas para Qwen Audio 3.1 TTS Flash con el modelo
voice-enrollment. Dos modos:audio_urlpara clonación de voz, ovoice_prompt+preview_textpara diseño de voz. Enviar ambos selectores o ninguno devuelve400 - Las voces de ambos modos solo funcionan con
qwen-audio-3.1-tts-flashy para la cuenta que las creó. Las voces del antiguoqwen-voice-designno 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) ovoice_prompt+preview_text(diseño), junto conpreferred_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 horasdespués 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.
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
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
- 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.
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
2048caracteres - 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
2048[^\u0009-\u000D\u0020\u0085\u00A0\u1680\u2000-\u200A\u2028\u2029\u202F\u205F\u3000]"https://your-cdn.com/samples/my-voice.wav"
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
10^[a-zA-Z0-9]+$"myvoice"
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) |
qwen-audio-3.1-tts-flash "qwen-audio-3.1-tts-flash"
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
2048caracteres
Entrega:
- Tiempo de espera:
10segundos - Máximo
3reintentos tras un fallo, con demoras de1/2/4segundos - Cuerpo del callback con el mismo formato que la respuesta de consulta de tarea
- Un estado 2xx indica éxito; los demás provocan reintentos
"https://your-domain.com/webhooks/voice-completed"
Respuesta
Tarea de creación de voz aceptada