Qwen Audio - 文转语音

通过平台标准语音字段调用 Qwen-Audio-TTS。音色须与所选模型匹配；音频扩展可置于 extra_body 或顶层，顶层优先。统一 speed、instructions 分别优先于原生 rate、instruction。

POST https://api.tikway.ai/v1/audio/speech

cURL

qwen_audio_minimal

curl --request POST \
  --url https://api.tikway.ai/v1/audio/speech \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '
{
  "model": "bailian/qwen-audio-3.1-tts-flash",
  "input": "你好，欢迎使用语音合成。",
  "voice": "longanhuan_v3.1"
}
'

200

data: {"type":"speech.audio.delta","audio":"AAABAA=="}

data: {"type":"speech.audio.done","usage":{"input_tokens":4,"output_tokens":2,"total_tokens":6}}

授权

Authorization · string · header · 必填

Bearer authentication header of the form Bearer <token>, where <token> is your auth token.

请求体

application/json

用于 Qwen-Audio-TTS 的统一语音请求。使用 model、字符串 input、voice 和标准语音参数；音频扩展可置于 extra_body 或顶层，同名字段顶层优先。

model · string · 必填

完整模型 ID 或唯一别名。示例模型需已在模型目录中配置。

Minimum string length: 1

input · string · 必填

待朗读文本，当前平台统一请求最多 4096 字符。

Maximum string length: 4096

voice · string object · 必填

当前 Qwen-Audio 模型的音色名称或包含 id 的对象。音色版本后缀须与模型匹配，例如 3.1 Flash 的 longanhuan_v3.1。

Minimum string length: 1

instructions · string

统一风格指令，映射到 Qwen-Audio instruction；与原生 instruction 同时传入时以 instructions 为准。

Maximum string length: 4096

response_format · enum<string> · 默认值: mp3

Qwen-Audio 支持 MP3、PCM、WAV、Opus，默认 MP3。

可用选项: mp3, pcm, wav, opus

speed · number · 默认值: 1

统一语速参数，范围 0.5–2，默认 1；映射到 Qwen-Audio rate，并优先于原生 rate。

必填范围: 0.5 <= x <= 2

stream_format · enum<string> · 默认值: audio

audio 返回音频字节；sse 返回 speech.audio.delta 和 speech.audio.done。WAV 封装需要完整音频长度，会缓冲合成结果。

可用选项: audio, sse

extra_body · object

Qwen-Audio 音频扩展。也兼容直接放在 body 顶层；顶层同名字段优先，仅展开一层。

Hide child attributes

extra_body. sample_rate · enum<integer>

Qwen-Audio 采样率；opus 不支持 22050、44100。

可用选项: 8000, 12000, 16000, 22050, 24000, 44100, 48000

extra_body. volume · integer

必填范围: 0 <= x <= 100

extra_body. rate · number

Qwen-Audio 原生语速；同时传 speed 时以 speed 为准。

必填范围: 0.5 <= x <= 2

extra_body. bit_rate · integer

必填范围: 6 <= x <= 510

extra_body. pitch · number

必填范围: 0.5 <= x <= 2

extra_body. enable_ssml · boolean

extra_body. word_timestamp_enabled · boolean

Qwen-Audio 原生参数；统一语音响应仅返回音频及用量，不暴露原生时间戳事件。

extra_body. seed · integer

Qwen-Audio 随机种子，范围 0–65535。

必填范围: 0 <= x <= 65535

extra_body. language_hints · string[]

extra_body. instruction · string

Qwen-Audio 原生指令；同时传 instructions 时以 instructions 为准。

extra_body. enable_aigc_tag · boolean

extra_body. aigc_propagator · string

extra_body. aigc_propagate_id · string

extra_body. hot_fix · object

Hide child attributes

extra_body.hot_fix. pronunciation · object[]

Hide child attributes

extra_body.hot_fix.pronunciation. {key} · string

extra_body.hot_fix. replace · object[]

Hide child attributes

extra_body.hot_fix.replace. {key} · string

extra_body. stream · boolean

扩展参数：要求 Qwen 原生流式生成；stream_format 决定对外返回音频还是 SSE。

sample_rate · enum<integer>

Qwen-Audio 采样率；opus 不支持 22050、44100。

可用选项: 8000, 12000, 16000, 22050, 24000, 44100, 48000

volume · integer

必填范围: 0 <= x <= 100

rate · number

Qwen-Audio 原生语速；同时传 speed 时以 speed 为准。

必填范围: 0.5 <= x <= 2

bit_rate · integer

必填范围: 6 <= x <= 510

pitch · number

必填范围: 0.5 <= x <= 2

enable_ssml · boolean

word_timestamp_enabled · boolean

Qwen-Audio 原生参数；统一语音响应仅返回音频及用量，不暴露原生时间戳事件。

seed · integer

Qwen-Audio 随机种子，范围 0–65535。

必填范围: 0 <= x <= 65535

language_hints · string[]

instruction · string

Qwen-Audio 原生指令；同时传 instructions 时以 instructions 为准。

enable_aigc_tag · boolean

aigc_propagator · string

aigc_propagate_id · string

hot_fix · object

Hide child attributes

hot_fix. pronunciation · object[]

Hide child attributes

hot_fix.pronunciation. {key} · string

hot_fix. replace · object[]

Hide child attributes

hot_fix.replace. {key} · string

stream · boolean

扩展参数：要求 Qwen 原生流式生成；stream_format 决定对外返回音频还是 SSE。

响应

200

text/event-stream

音频字节或统一 SSE 音频事件；支持的媒体类型见下方列表。

The response is of type string.