メインコンテンツへスキップ
POST
/
v1
/
audios
/
generations
curl --request POST \
  --url https://api.evolink.ai/v1/audios/generations \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '
{
  "model": "qwen-voice-design",
  "voice_prompt": "落ち着いた中年男性アナウンサー、低くて重厚な声、磁力感があり、安定したペース、明瞭な発音",
  "preview_text": "リスナーの皆さん、こんばんは。夜のニュースをお届けします。",
  "preferred_name": "announcer"
}
'
{
  "created": 1775123456,
  "id": "task-unified-1775123456-abcd1234",
  "model": "qwen-voice-design",
  "object": "audio.generation.task",
  "progress": 0,
  "status": "pending",
  "task_info": {
    "can_cancel": true,
    "estimated_time": 15,
    "audio_type": "voice_design"
  },
  "type": "audio",
  "usage": {
    "credits_reserved": 2
  }
}

承認

​
Authorization
string
header
必須

##すべてのインターフェースは Bearer Token による認証が必要です##

API キーの取得：

API キー管理ページ にアクセスして API キーを取得してください

リクエストヘッダーに以下を追加してください：

Authorization: Bearer YOUR_API_KEY

ボディ

application/json
​
model
enum<string>
デフォルト:qwen-voice-design
必須

モデル名

利用可能なオプション:
qwen-voice-design
例:

"qwen-voice-design"

​
voice_prompt
string
必須

音声の特徴説明（音色の定義に使用）

制約：

  • 最大 2048 文字
  • 中国語と英語のみサポート

説明の推奨ディメンション：

  • 性別：男性、女性、中性
  • 年齢：子供 (5-12歳)、ティーンエイジャー (13-18歳)、青年 (19-35歳)、中年 (36-55歳)、シニア (55歳以上)
  • 音域：高音、中音、低音
  • 話速：速い、普通、ゆっくり
  • 感情：明るい、落ち着いた、穏やか、真剣、活発、冷静
  • 特徴：磁力感がある、澄んでいる、しゃがれた、まろやか、甘い、重厚
  • 用途：ニュース読み上げ、CM ナレーション、オーディオブック、アニメキャラクター、音声アシスタント

推奨の書き方例：

  • 落ち着いた中年男性、ゆっくりとした話速、低くて磁力感のある声、ニュースや記録映画のナレーションに最適
  • かわいい子どもの声、約8歳の女の子、少し幼い話し方、アニメキャラクターの吹き替えに最適
  • 穏やかで知性的な女性、30歳前後、落ち着いた話し方、オーディオブックの朗読に最適
Maximum string length: 2048
例:

"落ち着いた中年男性アナウンサー、低くて重厚な声、磁力感があり、安定したペース、明瞭な発音"

​
preview_text
string
必須

試聴音声を生成するためのプレビューテキスト

制約：

  • 最大 1024 文字
  • 10言語をサポート：中国語、英語、日本語、韓国語、ドイツ語、フランス語、イタリア語、ロシア語、ポルトガル語、スペイン語
  • language パラメータの言語と一致させることを推奨
Maximum string length: 1024
例:

"リスナーの皆さん、こんばんは。夜のニュースをお届けします。"

​
preferred_name
string
必須

音声名のプレフィックス

制約：

  • 数字、英字、アンダースコアのみ使用可能
  • 16 文字以内

生成される完全な音声名の形式：qwen-tts-vd-{preferred_name}-voice-{timestamp}

announcer を入力した場合、最終的な音声名は例えば qwen-tts-vd-announcer-voice-20260402-a1b2 のようになります

Maximum string length: 16
Pattern: ^[a-zA-Z0-9_]+$
例:

"announcer"

​
language
enum<string>

音声の言語傾向。preview_text の言語と一致させることを推奨

指定しない場合、上流はデフォルト値 zh を使用します

利用可能なオプション:
zh,
en,
ja,
ko,
de,
fr,
it,
ru,
pt,
es
例:

"ja"

​
sample_rate
enum<integer>

プレビュー音声のサンプリングレート（Hz）

指定しない場合、上流はデフォルト値 24000 を使用します

利用可能なオプション:
8000,
16000,
24000,
48000
例:

24000

​
response_format
enum<string>

プレビュー音声のフォーマット

指定しない場合、上流はデフォルト値 wav を使用します

利用可能なオプション:
pcm,
wav,
mp3,
opus
例:

"wav"

​
target_model
enum<string>
デフォルト:qwen3-tts-vd-2026-01-26

作成した音声を駆動する TTS モデル

重要： 音声作成時に指定した target_model は、後続の音声合成で使用するモデルと一致させる必要があります。一致しない場合、合成が失敗します

値説明
qwen3-tts-vd-2026-01-26Qwen3-TTS-VD 非ストリーミング（デフォルト）
qwen3-tts-vd-realtime-2026-01-15Qwen3-TTS-VD-Realtime 双方向ストリーミング（新バージョン）
qwen3-tts-vd-realtime-2025-12-16Qwen3-TTS-VD-Realtime 双方向ストリーミング（旧バージョン）

現在、本プラットフォームは qwen3-tts-vd-2026-01-26（非ストリーミング）を統合済みです。realtime モデルはまだ統合されていませんが、事前に音声を作成しておくことは可能です

利用可能なオプション:
qwen3-tts-vd-2026-01-26,
qwen3-tts-vd-realtime-2026-01-15,
qwen3-tts-vd-realtime-2025-12-16
例:

"qwen3-tts-vd-2026-01-26"

​
callback_url
string<uri>

タスク完了後の HTTPS コールバック URL

コールバックのタイミング：

  • タスクが完了（completed）、失敗（failed）、またはキャンセル（cancelled）した際にトリガー
  • 課金確認後に送信

セキュリティ制限：

  • HTTPS プロトコルのみサポート
  • 内部 IP アドレスへのコールバックは禁止（127.0.0.1、10.x.x.x、172.16-31.x.x、192.168.x.x など）
  • URL の長さは 2048 文字以内

コールバックの仕組み：

  • タイムアウト：10 秒
  • 失敗時は最大 3 回リトライ（失敗後それぞれ 1 秒 / 2 秒 / 4 秒後にリトライ）
  • コールバックのレスポンスボディ形式はタスク照会インターフェースの返却形式と同一
  • コールバック URL が 2xx ステータスコードを返した場合は成功とみなし、それ以外はリトライをトリガー
例:

"https://your-domain.com/webhooks/voice-design-completed"

レスポンス

ボイスデザインタスクの作成に成功

​
created
integer

タスク作成タイムスタンプ

例:

1775123456

​
id
string

タスク ID

例:

"task-unified-1775123456-abcd1234"

​
model
string

実際に使用されたモデル名

例:

"qwen-voice-design"

​
object
enum<string>

タスクの具体的なタイプ

利用可能なオプション:
audio.generation.task
​
progress
integer

タスクの進捗率 (0-100)

必須範囲: 0 <= x <= 100
例:

0

​
status
enum<string>

タスクのステータス

利用可能なオプション:
pending,
processing,
completed,
failed
例:

"pending"

​
task_info
object

音声タスクの詳細情報

​
type
enum<string>

タスクの出力タイプ

利用可能なオプション:
audio
例:

"audio"

​
usage
object

使用量と課金情報