语音能力(百炼批次二)
已上线(2026-10-02)。Base
https://api.a7w.cn,鉴权Authorization: Bearer <API_KEY>。
一、OpenAI 兼容协议(推荐,SDK 零改动)
| 能力 | 方法与路径 | 模型 | 计费 |
|---|---|---|---|
| 语音合成 TTS | POST /v1/audio/speech(input / voice / response_format;X-DashScope-SSE: enable + Accept: text/event-stream = 流式) | qwen3-tts-flash | 40 点/千字(0.4 元/千字),单笔保底 1 点 |
| 语音识别 ASR | POST /v1/audio/transcriptions(file 或 {"url":"https://..."};response_format = json/text/srt/vtt/verbose_json) | qwen3-asr-flash(json/text)/ paraformer-v2(srt/vtt/带字级时间戳) | 6.6 点/分钟(离线 2.4 点/分钟),单笔保底 20 点 |
二、百炼原生通道(需要字符数/时间戳等原始字段时用)
1) 语音合成(同步)
POST /api/v1/services/aigc/multimodal-generation/generation
Content-Type: application/json
{"model":"qwen3-tts-flash","input":{"text":"要合成的文本","voice":"Cherry"},"parameters":{"format":"mp3"}}
返回 output.audio.url(WAV/MP3 直链)与 usage.characters(按字符计费)。
2) 语音合成(SSE 流式,边合边播)
同一个端点,额外加两个请求头(两个都要):
X-DashScope-SSE: enable
Accept: text/event-stream
响应为 text/event-stream,每个 data: 分片形如 {"output":{"audio":{"data":"<base64 音频分片>"}}}。
不需要 WebSocket —— 纯 HTTP SSE,可直接在浏览器/Node 里消费。
3) 语音识别(同步,最快)
POST /api/v1/services/audio/asr/transcription
{"input":{"audio_url":"https://.../a.wav"},"parameters":{"response_format":"text"}}
4) 语音识别(离线异步,带字级时间戳 → SRT/VTT)
parameters.response_format 传 srt / vtt / verbose_json 时,平台自动改走离线通道并返回字幕:
srt→application/x-subrip,可直接被 VLC / ffmpeg / 剪辑软件识别vtt→text/vttverbose_json→{task,language,duration,text,segments[]}(含words[]字级时间戳)
实测样例(17.6 秒英文音频):
1
00:00:00,000 --> 00:00:07,500
Senior staff principal Doris Jackson, wake food faculty and of course, my fellow classmates.
2
00:00:11,760 --> 00:00:17,640
I am honored to have been chosen to speak before my classmates as well as the students across America today.
三、频控说明(重要)
- 通用线 / 视频线:不限频(每个 API Key 可连续提交,无隔秒 / 隔分钟间隔限制)。
- 语音线(白名单):
/v1/audio/*、/api/v1/tts/*、/api/v1/services/audio/*、/api/v1/apps/voice_tts/*、/api/v1/apps/asr/*、/api/v1/apps/indextts/*同样 不限频(配音 / 逐句翻译 / 批量转写需要高频调用,不再有隔秒间隔限制)。 - 并发上限 100 笔;余额必须 > 0。
四、本期未接(仅支持 WebSocket,开发中)
qwen-tts-realtime / 实时 ASR(qwen-audio-3.1-asr-flash-streaming、paraformer-realtime-v2)/ 实时语音翻译 / cosyvoice-clone-v1 —— 这些只能走 WS 长连接,站内暂不上架。
五、OpenAI 兼容端点支持状态(/v1/*,实测 2026-10-02)
用同一个 API Key 调用,Base 为 https://api.a7w.cn:
| 端点 | 状态 | 说明 |
|---|---|---|
GET /v1/models | ✅ 已上线 | 返回全量模型清单({object:"list",data:[…]}) |
POST /v1/chat/completions | ✅ 已上线 | 全量文本/多模态模型,支持 stream:true(SSE 原样透传) |
POST /v1/audio/speech | ✅ 已上线 | 默认 qwen3-tts-flash;stream:true 或 X-DashScope-SSE: enable + Accept: text/event-stream 走 SSE;否则直接返回音频字节 |
POST /v1/audio/transcriptions | ✅ 已上线 | json/text/srt/vtt/verbose_json;srt/vtt 走离线字级时间戳 |
POST /v1/images/generations | ⚠️ 需开通 | 路由与计费已就绪,但上游对当前账号返回 403 Account is not active. → 需在算力集市后台/上游侧开通出图应用权限后即可用 |
POST /v1/videos | ✅ 已上线 | 按 model 路由到超分 / VIAPI tool / 上游应用;GET /v1/videos/{id} 查状态 |
POST /v1/embeddings | ❌ 不提供 | 平台当前无 embedding 模型(501 not_implemented)。请改用外部 bge-m3(SiliconFlow / 本地部署),或用 /v1/chat/completions 做语义近似 |
鉴权失败(无 Key / Key 无效)统一返回 401 {"code":"invalid_api_key"};未注册的 /v1/* 路径统一返回 404 {"code":"unknown_endpoint"}(不会返回前端 HTML)。
六、已下线的坏模型(不要再调用)
qwen-audio-3.0-tts-plus:HTTP 直调必然400 [cosyvoice:]Engine error [411](Realtime/WS 系),已从前台摘除,请改用qwen3-tts-flash。qwen-audio-asr:百炼目录里不存在(404),请改用qwen3-asr-flash。
<!-- auto-generated:docs -->