> ## Documentation Index > Fetch the complete documentation index at: https://docs.powertokens.ai/llms.txt > Use this file to discover all available pages before exploring further. # 语音合成 > 通过统一接口 `/ali/api/v1/services/aigc/multimodal-generation/generation` 调用阿里 `qwen3-tts-instruct-flash` 。 响应契约： - 非流式返回阿里官方 JSON 响应； - 流式返回 `text/event-stream` 并转发阿里 SSE 负载。 ## OpenAPI ````yaml api-reference/zh-Hans/zmodelAudio/ali/api/qwen-tts.json POST /ali/api/v1/services/aigc/multimodal-generation/generation openapi: 3.0.1 info: title: 阿里兼容文本转语音 version: 1.0.0 description: >- 阿里渠道文本转语音能力，通过 `/ali/api/v1/services/aigc/multimodal-generation/generation` 统一接口调用。支持 `qwen3-tts-instruct-flash` 模型。 请求体采用阿里官方兼容结构：`model`、`input`（对象）、`voice`、`language_type`、`instructions`、`optimize_instructions`。 流式遵循阿里官方 HTTP 协议：客户端需在请求头显式发送 `X-DashScope-SSE: enable`。本渠道不暴露 `stream_format`。 模型差异说明： - `qwen3-tts-instruct-flash` 支持 `instructions` 和 `optimize_instructions` 字段； - `qwen3-tts-flash` 的 usage 包含 `characters` 字段； - `qwen-tts` 的 usage 包含 `total_tokens` 及 token 明细字段。 计费说明：网关将上游 `usage.characters` 映射为统一 `usage.prompt_tokens_details.audio_tokens`，保留 `usage.output_tokens` 于 `usage.completion_tokens_details.audio_tokens`，并在 consume_detail 中存储原始阿里 usage 与归一化 usage 快照以便计费溯源。 servers: - url: https://api.powertokens.ai description: Baze API 服务地址 security: [] tags: - name: 阿里音频 description: 阿里文本转语音能力 paths: /ali/api/v1/services/aigc/multimodal-generation/generation: post: tags: - 阿里音频 summary: 阿里文本转语音 description: >- 通过统一接口 `/ali/api/v1/services/aigc/multimodal-generation/generation` 调用阿里 `qwen3-tts-instruct-flash` 。 响应契约： - 非流式返回阿里官方 JSON 响应； - 流式返回 `text/event-stream` 并转发阿里 SSE 负载。 operationId: aliAudioSpeechCompat parameters: - name: X-DashScope-SSE in: header required: false description: 阿里官方 HTTP 流式开关。发送 `enable` 以接收 `text/event-stream`。 schema: type: string enum: - enable requestBody: required: true content: application/json: schema: $ref: '#/components/schemas/AliSpeechRequest' examples: 非流式请求: summary: 非流式请求 value: model: qwen3-tts-flash input: text: >- 那我来给大家推荐一款T恤，这款呢真的是超级好看，这个颜色呢很显气质，而且呢也是搭配的绝佳单品，大家可以闭眼入，真的是非常好看，对身材的包容性也很好，不管啥身材的宝宝呢，穿上去都是很好看的。推荐宝宝们下单哦。 voice: Cherry language_type: Chinese 流式请求: summary: 流式请求 value: model: qwen3-tts-flash input: text: 今天是创造人们喜爱之物的好日子。 voice: Cherry language_type: Auto qwen-tts 请求: summary: qwen-tts 请求 value: model: qwen-tts input: text: 欢迎使用 baze 平台的语音合成服务。 voice: Cherry language_type: Auto responses: '200': description: 调用成功。非流式返回阿里官方 JSON 响应；流式返回阿里 SSE 负载。 content: application/json: schema: $ref: '#/components/schemas/AliSpeechResponse' examples: qwen3-tts-flash 响应示例: summary: qwen3-tts-flash 响应示例 value: status_code: 200 request_id: 5c63c65c-cad8-4bf4-959d-xxxxxxxxxxxx code: '' message: '' output: text: null finish_reason: stop choices: null audio: data: '' url: >- http://dashscope-result-bj.oss-cn-beijing.aliyuncs.com/1d/ab/20251218/d2033070/39b6d8f2-c0db-4daa-9073-5d27bfb66b78.wav?Expires=1766113409&OSSAccessKeyId=LTAI5xxxxxxxxxxxx&Signature=NOrqxxxxxxxxxxxx%3D id: audio_5c63c65c-cad8-4bf4-959d-xxxxxxxxxxxx expires_at: 1766113409 usage: input_tokens: 0 output_tokens: 0 characters: 195 qwen-tts 响应示例: summary: qwen-tts 响应示例 value: status_code: 200 request_id: f4e8139b-3203-4887-92cb-xxxxxxxxxxxx code: '' message: '' output: text: null finish_reason: stop choices: null audio: data: '' url: >- http://dashscope-result-wlcb.oss-cn-wulanchabu.aliyuncs.com/1d/50/20251218/e6c1b9cc/9acec74e-e317-4dbd-9e76-745c47bcbf2d.wav?Expires=1766116806&OSSAccessKeyId=LTAxxxxxxxxx&Signature=afYZxxxxxxxxx%2FAX9bk%3D id: audio_f4e8139b-3203-4887-92cb-xxxxxxxxxxxx expires_at: 1766116806 usage: input_tokens: 76 output_tokens: 1045 characters: 0 input_tokens_details: text_tokens: 76 output_tokens_details: audio_tokens: 1045 text_tokens: 0 total_tokens: 1121 '400': description: 请求参数无效。 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' security: - BearerAuth: [] components: schemas: AliSpeechRequest: type: object required: - model - input properties: model: type: string description: 模型名称，可用选项：`qwen3-tts-instruct-flash`。 enum: - qwen3-tts-instruct-flash input: type: object required: - text - voice description: 输入对象，包含待合成文本和音色。 properties: text: type: string description: 要合成的文本，支持多语种混合输入。最大输入长度：千问-TTS 模型为 512 Token，其他模型为 600 字符。 voice: type: string description: 使用的音色。参见支持的系统音色。 enum: - Cherry - Serena - Ethan - Chelsie - Momo - Vivian - Moon - Maia - Kai - Nofish - Bella - Eldric Sage - Mia - Mochi - Bellona - Vincent - Bunny - Neil - Elias - Arthur - Nini - Seren - Pip - Stella language_type: type: string description: |- 合成音频的语种。默认为 `Auto`。 - `Auto`：适用于文本包含多种语言或语种不确定的场景。模型自动为不同语言片段匹配发音，但无法保证完全精准。 - 指定语种：适用于单一语种文本。指定具体语种能显著提升合成质量，效果通常优于 `Auto`。 enum: - Auto - Chinese - English - German - Italian - Portuguese - Spanish - Japanese - Korean - French - Russian default: Auto instructions: type: string description: |- 设置指令，参见指令控制。 默认值：无，不设置时不生效。 最大长度：1600 Token。 支持语言：仅支持中文和英文。 适用范围：该功能仅适用于千问3-TTS-Instruct-Flash-Realtime 系列模型。 optimize_instructions: type: boolean description: >- 对 `instructions` 进行语义优化，以提升语音合成的自然度和表现力。 默认值：`false`。 行为说明：当设置为 `true` 时，系统将对 `instructions` 的内容进行语义增强与重写，生成更适合语音合成的内部指令。 推荐在追求高品质、精细化语音表达时开启。 依赖 `instructions` 参数。若 `instructions` 为空，此参数不生效。 适用范围：该功能仅适用于千问3-TTS-Instruct-Flash 系列模型。 default: false AliSpeechResponse: type: object properties: status_code: type: integer description: |- HTTP 状态码。遵循 RFC 9110 标准定义。例如： - 200：请求成功，正常返回结果 - 400：客户端请求参数错误 - 401：未授权访问 - 404：资源未找到 - 500：服务器内部错误 request_id: type: string description: 本次请求的唯一标识，可用于问题排查。 code: type: string description: 请求失败时展示的错误码。 message: type: string description: 请求失败时展示的错误信息。 output: type: object description: 模型的输出。 properties: text: nullable: true description: 始终为 null，无需关注。 choices: nullable: true description: 始终为 null，无需关注。 finish_reason: type: string description: 生成状态标识：正在生成时为 `null`；模型输出自然结束或触发停止条件时为 `stop`。 audio: type: object properties: url: type: string format: uri description: >- 完整音频文件的 URL，有效期 24 小时。 流式输出说明：流式模式下，API 返回多个 chunk。中间 chunk 的 audio.data 包含 Base64 编码的音频片段，audio.url 为空；最后一个 chunk 的 audio.data 为空字符串，audio.url 包含完整音频文件的 OSS 地址。开发者可在最后一个 chunk 中通过 url 字段下载完整音频。非流式模式下，该字段直接返回完整音频文件 URL。 data: type: string description: 流式输出时的 Base64 音频数据。 id: type: string description: 音频唯一标识。 expires_at: type: integer description: URL 过期时间的 UNIX 时间戳。 usage: type: object description: 本次请求的 Token 或字符消耗信息。千问-TTS 模型返回 Token 消耗信息，千问3-TTS-Flash 模型返回字符消耗信息。 properties: input_tokens: type: integer description: 输入文本的 token 消耗量。对于 `qwen3-tts-flash`，该字段固定为 0。 output_tokens: type: integer description: 输出音频的 token 消耗量。对于 `qwen3-tts-flash`，该字段固定为 0。 characters: type: integer description: 输入文本的字符数。仅 `qwen3-tts-flash` 返回。 total_tokens: type: integer description: 本次请求总共消耗的 token 量。仅 `qwen-tts` 返回。 input_tokens_details: type: object description: 输入文本的 token 消耗信息。仅 `qwen-tts` 返回。 properties: text_tokens: type: integer description: 输入文本的 token 消耗量。 output_tokens_details: type: object description: 输出的 token 消耗信息。仅 `qwen-tts` 返回。 properties: audio_tokens: type: integer description: 输出音频的 token 消耗量。 text_tokens: type: integer description: 输出文本的 token 消耗量，当前固定为 0。 ErrorResponse: type: object required: - error properties: error: $ref: '#/components/schemas/ErrorObject' ErrorObject: type: object required: - message - type - param - code properties: message: type: string type: type: string param: type: string code: type: string securitySchemes: BearerAuth: type: http scheme: bearer bearerFormat: API Token description: '在请求头传递 `Authorization: Bearer `。' ````