这一项共 5 个参数，其中必填的是 text、ref_audio。参数名、取值范围与默认值以本页下方的目录为准：接口按这份契约严格校验，未知参数直接报错，不会静默丢弃。
调用方式是「提交即返回任务号、再轮询取结果」：文本与图片类通常十几秒到一分钟，视频类一条按分钟计。排队中的任务会给出队列位置，那不代表失败。
这一项可以指定 model：不传就走默认档。可选档位：
qwen3（默认）index
参数契约
| 参数 | 必填 | 说明 | 取值与边界 |
|---|---|---|---|
text | 必填 | 要合成的文本，不超过 5000 字 | string；最长 5000 |
ref_audio | 必填 | 参考音频，提供音色 | material；kind=audio |
ref_text | 可选 | 参考音频对应文本；缺省用默认样例句 | string |
language | 可选 | 语种（传英文码）：Auto=自动识别 / Chinese=中文 / English=英文 / Japanese=日语 / Korean=韩语 / French=法语 / German=德语 / Spanish=西班牙语 / Italian=意大利语 / Portuguese=葡萄牙语 / Russian=俄语；缺省 Auto | string；或：Auto/Chinese/English/Japanese/Korean/French/German/Spanish/Italian/Portuguese/Russian |
emotion_alpha | 可选 | 情绪强度 0–1，仅 index 模型生效 | number；≤1.0；≥0.0；默认 1.0 |
调用示例
{
"task_type": "voice_clone",
"params": {
"text": "这是一段用参考音色克隆合成的语音。",
"ref_audio": {
"url": "https://example.com/voice.mp3"
}
}
}常见问题
- 音频克隆怎么计费？
- 按「tts」这一计费项从账户余额扣除。提交时按最低档预扣，跑完按实际用量结算；任务失败不计费，预扣部分解冻回余额。
- 生成的文件在哪里？
- 任务完成时在结果里给出签名直链，图片、视频、音频都是这个形式。直链 24 小时过期，需要长期留存请自行转存。
- 可以直接在网页上用吗？
- 可以。自由工作台与短剧流水线里都有这一项的界面入口，接口与 MCP 是给系统和智能体调用的同一能力。