> ## 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 > 调用阿里 `qwen3-tts-instruct-flash` 生成语音。 响应约定： - 非流式返回阿里官方 JSON 响应； - 流式返回 `text/event-stream`，透传阿里 SSE 数据。 ## OpenAPI ````yaml api-reference/zh-Hans/zmodelAudio/ali/qwen3-tts-instruct-flash.json POST /v1/audio/speech openapi: 3.0.1 info: title: 阿里语音合成 version: 1.0.0 description: >- 阿里通道语音合成能力文档。公开统一入口为 `/v1/audio/speech`，当前项目已实现 `qwen3-tts-instruct-flash` 的官方字段子集。 本文档只描述项目当前已实现、且与阿里官方能力一致的字段：`model`、`input`、`voice`、`instructions`、`optimize_instructions`、`language_type`。 流式输出遵循阿里 HTTP 官方语义：客户端需要在请求头中显式设置 `X-DashScope-SSE: enable`。本通道不公开 `stream_format` 字段。 项目计费说明：网关会把上游 `usage.characters` 映射到统一 usage 的 `prompt_tokens_details.audio_tokens`，并保留 `usage.output_tokens -> usage.completion_tokens_details.audio_tokens`；同时会把阿里原始 usage 与归一化 usage 快照写入 consume_detail，便于计费回溯。 servers: - url: https://api.powertokens.ai description: Baze API 服务地址 security: [] tags: - name: Ali Audio description: 阿里语音合成能力 paths: /v1/audio/speech: post: tags: - Ali Audio summary: 阿里语音合成 description: |- 调用阿里 `qwen3-tts-instruct-flash` 生成语音。 响应约定： - 非流式返回阿里官方 JSON 响应； - 流式返回 `text/event-stream`，透传阿里 SSE 数据。 operationId: aliAudioSpeech parameters: - name: X-DashScope-SSE in: header required: false description: 阿里官方 HTTP 流式开关。传 `enable` 时返回 `text/event-stream`。 schema: type: string enum: - enable requestBody: required: true content: application/json: schema: $ref: '#/components/schemas/AliSpeechRequest' examples: basic: summary: 非流式请求 value: model: qwen3-tts-instruct-flash input: 请用略快的语速介绍这款产品。 voice: Cherry instructions: 语速较快，带有上扬语调。 optimize_instructions: false language_type: Chinese stream: summary: 流式请求 value: model: qwen3-tts-instruct-flash input: Today is a wonderful day to build something people love. voice: Cherry language_type: English responses: '200': description: 调用成功。非流式时返回阿里官方 JSON；流式时返回阿里 SSE 数据。 content: application/json: schema: $ref: '#/components/schemas/AliSpeechResponse' text/event-stream: schema: type: string description: 阿里 SSE 事件流。每个事件体可解析为阿里语音响应片段 JSON。 '400': description: 请求参数错误。 content: application/json: schema: $ref: '#/components/schemas/ErrorResponse' security: - BearerAuth: [] components: schemas: AliSpeechRequest: type: object required: - model - input - voice properties: model: type: string description: 模型名称，可用选项：`qwen3-tts-instruct-flash`。 enum: - qwen3-tts-instruct-flash input: type: string description: 要合成的文本。该字段支持多语种输入。 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 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。 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 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。 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`。 choices: nullable: true description: 始终为 null，无需关注。 audio: type: object properties: data: type: string description: 流式输出时的 Base64 音频数据。 url: type: string format: uri description: 完整音频文件的 URL，有效期 24 小时。 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。 total_tokens: type: integer description: 本次请求总共消耗的 token 量。仅 `qwen-tts` 返回。 characters: type: integer description: 输入文本的字符数。仅 `qwen3-tts-flash` 返回。 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: '在请求头中传入 `Authorization: Bearer `。' ````