Skip to content

声音复刻 ​

← 返回语音

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-flashPOST /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 IDseed-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 ​

  1. 上传参考音频,创建音色;
  2. 轮询音色状态,等到 OK;
  3. 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-2.02.8 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。

相关模块 ​

  • 语音合成 — 用音色 ID 合成音频
  • 音色库 — 豆包 40 条预设音色;CosyVoice 3.5 无系统音色
  • 数字人 — 合成音频配人像图或人物视频,生成口播成片