跳转到主要内容
阿里通义千问语音合成模型，把文字转成自然的语音，支持多种音色、语速，以及用一句话指令控制语气和情绪。接口与 OpenAI 的语音接口兼容，直接返回音频文件。
  • 模型 ID：qwen-audio-3.1-tts-plus
  • 接口：POST https://token.poryf.com/v1/audio/speech（同步返回音频文件）
  • 价格

​
请求参数

请求头带上 Authorization: Bearer YOUR_API_KEY 和 Content-Type: application/json。
​
string
必填
qwen-audio-3.1-tts-plus
​
string
必填
要合成的文字。单次最多 20,000 个计费字符（一个汉字按 2 个字符计）。
​
string
音色 ID，如 longanhuan_v3.1。不传，或传 OpenAI 的音色名（如 alloy）时，使用默认音色 longanhuan_v3.1。
​
string
默认值:"mp3"
音频格式：mp3、wav、pcm、opus。
​
number
默认值:"1"
语速，0.5–2。
​
string
用自然语言描述语气、情绪或方言，如「用开心的语气」。
​
number
默认值:"50"
音量，0–100。
​
number
默认值:"1"
音调，0.5–2。
​
integer
采样率：8000、12000、16000、22050、24000、44100、48000。
​
string
文本语言提示，如 zh、en、ja。

​
示例

用 OpenAI Python SDK：

​
计费

  • 按字符计费，单价按每万字符标示。一个汉字（以及日文假名、韩文）按 2 个字符计，英文字母、数字、标点和空格按 1 个字符计。例如「你好，世界。Hello!」计 16 个字符。
  • 按实际合成的字符数结算，合成失败不扣费。实时单价见 模型广场。
  • 暂不支持流式输出（stream_format: "sse"），接口在整段音频合成完成后一次返回。
  • 音色 ID 填错会返回 400，请使用通义千问语音合成的音色 ID。
通用错误码见 错误码。