主题切换
声音复刻
用一段参考音频做出专属音色,拿到音色 ID,之后在语音合成里把 voice 填成它即可。适合固定主播音色、批量口播、课程讲解这类需要音色统一的场景。
音色是私有数据
每个账号只能查看、使用和删除自己创建的音色。别人即使拿到你的 voice_id, 合成时也会被网关拒绝;GET /v1/audio/voices 不会返回其他人的音色。
支持的模型
| 模型 | 复刻入口 | 合成时用哪个 model |
|---|---|---|
cosyvoice-v3.5-plus / cosyvoice-v3.5-flash | POST /v1/audio/voices | 与创建时一致 |
豆包语音(seed-icl-2.0) | 不通过开放 API,使用已有音色 ID | seed-icl-2.0 |
cosyvoice-v3.5-*没有系统音色,合成前必须先创建专属音色。qwen3-tts-flash不支持声音复刻,只能用 48 条内置音色(如Cherry/Serena/Ethan/Chelsie)。longanyang、longanhuan属于上一代cosyvoice-v3-plus,填给 3.5 会被上游以 **418「不支持的发音人」**拒绝。
快速流程
- 上传参考音频,创建音色;
- 轮询音色状态,等到
OK; - 用返回的
voice_id合成,model保持与创建时一致。
1. 创建音色
POST /v1/audio/voices,multipart/form-data:
| 参数 | 必填 | 说明 |
|---|---|---|
file | 是 | 参考音频,3~30 秒、≤7.5MB;支持 mp3 / wav / m4a 等常见格式 |
model | 是 | cosyvoice-v3.5-plus / cosyvoice-v3.5-flash |
name | 否 | 音色展示名,最多 30 个字符(可含中文);上游音色 ID 的前缀只收 10 位以内字母数字,不满足时由网关随机生成;不填时展示名为空 |
bash
curl -X POST https://api.jcaigc.cn/v1/audio/voices \
-H "Authorization: Bearer 123e4567-e89b-12d3-a456-426614174000" \
-F "file=@./my_voice.mp3" \
-F "model=cosyvoice-v3.5-plus" \
-F "name=myvoice"json
{
"voice_id": "<voice_id>",
"name": "myvoice",
"model": "cosyvoice-v3.5-plus",
"status": "DEPLOYING",
"created_at": 1793000000,
"fee": 9.9
}- 每个账号最多保留 10 个音色。
- 创建成功扣费 9.9 元/个(阿里云音色);上游创建失败会全额退还。
- CosyVoice 的音色 ID 形如
cosyvoice-v3.5-plus-<prefix>-<id>,由上游生成;name是展示名,只有它本身是 10 位以内字母数字时才同时用作前缀,否则前缀由网关随机生成。 - 创建动作是否产生模型费用,以百炼控制台的「声音复刻及声音设计」计费项与账单为准。
2. 查询状态
GET /v1/audio/voices/{voice_id}
json
{
"voice_id": "<voice_id>",
"name": "myvoice",
"model": "cosyvoice-v3.5-plus",
"status": "OK",
"created_at": 1793000000
}status | 含义 | 能不能合成 |
|---|---|---|
DEPLOYING | 审核与训练中 | 否,稍后重试 |
OK | 已就绪 | 是 |
UNDEPLOYED | 未通过(音频质量或内容不合规) | 否,需要换一段参考音频重建 |
3. 用专属音色合成
bash
curl -X POST https://api.jcaigc.cn/v1/audio/speech \
-H "Authorization: Bearer 123e4567-e89b-12d3-a456-426614174000" \
-H "Content-Type: application/json" \
-d '{
"model": "cosyvoice-v3.5-plus",
"input": "这是用专属音色合成的示例音频。",
"voice": "<voice_id>"
}' \
--output cloned.mp3音色与模型必须一致
用 cosyvoice-v3.5-plus 创建的音色只能配 cosyvoice-v3.5-plus 合成; 换成 cosyvoice-v3.5-flash 会报音色不存在。请勿用复刻音色模仿他人声音或用于违法用途。
接口一览
基地址 https://api.jcaigc.cn/v1,请求头带 Authorization: Bearer <apiKey> (也接受 x-api-key)。所有接口都只操作当前 apiKey 所属账号的音色。
| 接口 | 方法与路径 | 说明 |
|---|---|---|
| 创建音色 | POST /v1/audio/voices | 上传音频,返回 voice_id |
| 列出音色 | GET /v1/audio/voices | 只返回当前账号创建的音色 |
| 查询音色 | GET /v1/audio/voices/{voice_id} | 查状态与所属模型 |
| 删除音色 | DELETE /v1/audio/voices/{voice_id} | 删除后不能再用于合成 |
列出音色
bash
curl https://api.jcaigc.cn/v1/audio/voices \
-H "Authorization: Bearer 123e4567-e89b-12d3-a456-426614174000"json
{
"voices": [
{
"voice_id": "<voice_id>",
"name": "myvoice",
"model": "cosyvoice-v3.5-plus",
"status": "OK",
"created_at": 1793000000
}
]
}删除音色
bash
curl -X DELETE https://api.jcaigc.cn/v1/audio/voices/<voice_id> \
-H "Authorization: Bearer 123e4567-e89b-12d3-a456-426614174000"json
{
"voice_id": "<voice_id>"
}不是你创建的音色统一按 voice_not_found 返回,不会泄露它是否存在。
参考音频要求
- 推荐 10~20 秒,有效时长 3~30 秒;
- 单人、无背景音乐、无混响,清晰人声;
- 语种与将来合成的语种一致时效果最好;
- 文件建议小于约 7.5MB(base64 编码后上游限制 10MB)。
错误响应
失败时返回 OpenAI 风格的 JSON:
json
{
"error": {
"message": "音色不存在或不属于当前账号",
"type": "invalid_request_error",
"code": "voice_not_found"
}
}常见 code:
code | 含义 |
|---|---|
voice_not_found | 音色不存在,或不属于当前账号 |
voice_quota_exceeded | 账号下的音色数量已达上限 |
insufficient_quota | 余额不足,未请求上游 |
invalid_voice_model | 模型不支持复刻 |
voice_channel_unavailable | 当前没有可用的上游渠道 |
voice_clone_failed | 上游创建失败,message 里是具体原因 |
豆包语音的复刻音色
豆包语音的复刻音色不在 /v1/audio/voices 接口里,开放 API 只负责用已有音色 ID 合成。 拿到音色 ID 后,走 /v1/audio/speech 合成即可。
音色 ID 的两种形态
| 形态 | 例子 | 说明 |
|---|---|---|
S_ 开头 | S_xxxxxxxx | 预付费音色槽位,整串直接当 voice 用 |
| 自拟代号 | <自定义代号> | 后付费:8~256 位、必须以英文字母开头、只能字母数字与 - _、不能以 - 或 _ 结尾 |
代号写错时上游只回一句笼统的「参数无效」,所以上面这几条格式规则建议先自查一遍。
用豆包复刻音色合成
bash
curl -X POST https://api.jcaigc.cn/v1/audio/speech \
-H "Authorization: Bearer 123e4567-e89b-12d3-a456-426614174000" \
-H "Content-Type: application/json" \
-d '{
"model": "seed-icl-2.0",
"input": "这是用豆包复刻音色合成的示例音频。",
"voice": "S_xxxxxxxx"
}' \
--output cloned-doubao.mp3豆包的复刻音色只配 seed-icl-2.0
音色与模型版本绑定:复刻出来的音色要配 seed-icl-2.0(2.0 复刻), 拿它去调 seed-tts-2.0 或上一代模型,上游回的是 HTTP 200 + 一段空音频。
计费说明
音色复刻
| 厂商 | 单价 |
|---|---|
| 阿里云百炼(cosyvoice) | 9.9 元/个 |
| 豆包语音 | 138 元/个 |
通过 POST /v1/audio/voices 创建阿里云音色时,按 9.9 元/个 从当前 apiKey 所属账户余额扣除。
- 创建请求成功(拿到
voice_id)即扣费;上游创建失败会全额退还。 - 创建成功后上游审核不通过(
UNDEPLOYED)不自动退款,需要换参考音频重新创建。 - 删除音色不退费。
- 余额不足时不会请求上游,直接返回余额不足。
合成
用复刻音色合成时,单价按所用的合成模型算,与官方音色同价:
| 复刻来源 | 合成时用的模型 | 单价 |
|---|---|---|
阿里云百炼(cosyvoice-v3.5-plus / -v3.5-flash) | 与创建时同一个模型 | 1.5 / 0.8 元/万字符 |
豆包语音(seed-icl-2.0) | seed-icl-2.0 | 2.8 元/万字符 |
计费量是要朗读的文本字符数,首尾空白不计;失败请求不计费。完整口径见 语音合成 · 计费说明与语音概览 · TTS 计费。
