音色创建与管理
更新时间：2026-02-03
音色创建
获取训练文本（非必需）
接口描述
接口描述：通过此接口获取用于训练的文本，使用此接口则创建音色时需要上传与此文本内容对应的音频；若希望使用自定义复刻，无需调用本接口，在创建音色接口处无需填写音频文本ID，其他参数保持不变。
接口名称：https://aip.baidubce.com/rest/2.0/speech/publiccloudspeech/v1/voice/clone/text
请求方法：POST
输入参数
属性 |
参数名称 | 类型 | 是否必填 |
说明 |
|---|---|---|---|---|
| 鉴权令牌 | access_token | string | 鉴权方式二选一 | 鉴权令牌 |
| 鉴权API Key | Authorization | string | 鉴权方式二选一 | 鉴权API Key |
输出参数
| 属性 | 参数名称 | 类型 | 说明 |
|---|---|---|---|
| 错误状态 | status | int | |
| 错误信息 | message | string | |
| 数据 | data | object | 响应数据 |
data响应参数
| 属性 | 参数名称 | 类型 | 说明 |
|---|---|---|---|
| 文本ID | text_id | string | 唯一文本id（获取文本id后，文本id有效期为24小时，每个文本id创建音色后自动失效） |
| 文本内容 | text | string |
示例
curl --silent --location --request POST 'https://aip.baidubce.com/rest/2.0/speech/publiccloudspeech/v1/voice/clone/text?access_token=XXX'创建音色
接口描述
接口描述：通过上传训练音频来创建音色，支持音频链接与音频内容两种音频上传方式
接口名称：https://aip.baidubce.com/rest/2.0/speech/publiccloudspeech/v1/voice/clone/create
请求方法：POST
输入参数
属性 |
参数名称 | 类型 | 是否必填 |
说明 |
|---|---|---|---|---|
| 鉴权令牌 | access_token | string | 鉴权方式二选一 | 鉴权令牌 |
| 鉴权API Key | Authorization | string | 鉴权方式二选一 | 鉴权API Key |
| 音色名称 | voice_name | string | 必填 | 音色名称，同一个用户下面，音色名称不能重复 |
| 音色描述 | voice_desc | string | 可选 | 音色说明 |
| 音色语种 | lang | string | 可选 | 创建的音色语种，目前支持的语种： 中英语：zh; 日语：ja; 若创建音色阶段未填写lang参数，默认为zh（中英语）。 若希望音色用于日语合成，建议选择ja参数，并使用10秒至30秒长度的日语音频作为注册音频。 |
| 音频链接 | audio_url | string | 音频链接和音频内容二选一 | 两个参考同时传：以 audio_file 为准支持：wav、mp3、m4a、ogg、aac。音频大小 5M以内，5～20 秒内 |
| 音频内容 | audio_file | string | 音频链接和音频内容二选一 | 音频文件内容base64 支持上传方言进行复刻和迁移，范围包括河南话、上海话、四川话、湖南话、贵州话 |
| 音频文本ID | text_id | string | 选填 | 即文本ID，使用自定义文本复刻则无需填写 |
输出参数
| 属性 | 参数名称 | 类型 | 说明 |
|---|---|---|---|
| 错误状态 | status | int | 0 创建成功，其他为异常 |
| 错误信息 | message | string | |
| 数据 | data | object | 对应发音人ID |
data响应参数
| 属性 | 参数名称 | 类型 | 说明 |
|---|---|---|---|
| 音色 ID | voice_id | int | 唯一id |
示例
- 通过音频URL创建音色
curl --silent --location --request POST 'https://aip.baidubce.com/rest/2.0/speech/publiccloudspeech/v1/voice/clone/create?access_token=XXXX' \
--header 'Content-Type: application/json' \
--data '{
"voice_name": "example",
"voice_desc": "温柔细腻的音色",
"audio_url": "https://bj.bcebos.com/example.wav",
"text_id": "text_5692181d-8825-40ec-b80f-87b79e3a9345"
}'- 通过音频-base64 编码创建音色
curl --silent --location --request POST 'https://aip.baidubce.com/rest/2.0/speech/publiccloudspeech/v1/voice/clone/create?access_token=XXX' \
--header 'Content-Type: application/json' \
--data '{
"voice_name": "example",
"voice_desc": "温柔细腻的音色",
"audio_file": "音频 Base64 编码",
"text_id": "text_5692181d-8825-40ec-b80f-87b79e3a9345"
}'大模型声音复刻的音色创建说明：
通过以上接口创建的音色，若在1年内没有调用合成记录，该音色将被删除，后续将无法使用。
大模型声音复刻和迁移能力说明：
大模型声音复刻分为复刻和迁移两种能力。复刻指保留声音语种/方言等特征的能力，迁移指保持音色特征的同时增加语种/方言等特征的能力。例如：
- 创建音色时输入普通话，合成普通话=复刻
- 创建音色时输入河南话，合成河南话=复刻
- 创建音色时输入普通话，合成河南话=迁移
大模型语种方言复刻说明：
- 目前支持河南话、上海话、四川话、贵州话、湖南话五种方言的复刻及迁移。为确保方言复刻迁移效果，建议您使用普通话或对应方言进行音色创建。
- 目前支持日语语种的复刻。为确保日语复刻效果，建议您使用10-30秒的日语内容进行音色创建。
- 为保证不同语种合成效果，建议您避免在音色创建和语音合成时选择不一致的lang参数，或者使用中日文混合的文本。
音色管理
音色列表查询
接口描述
接口描述：获取用户已经创建的音色列表
接口名称：https://aip.baidubce.com/rest/2.0/speech/publiccloudspeech/v1/voice/clone/list
请求方法：POST
输入参数
| 属性 | 参数名称 | 类型 | 是否必填 | 说明 |
|---|---|---|---|---|
| 鉴权令牌 | access_token | string | 鉴权方式二选一 | 鉴权令牌 |
| 鉴权API Key | Authorization | string | 鉴权方式二选一 | 鉴权API Key |
| 页码 | page | int | 选填 | 列表页面：page>=1 |
输出参数
| 属性 | 参数名称 | 类型 | 说明 |
|---|---|---|---|
| 错误状态 | status | int | 0代表成功，其他为异常 |
| 错误信息 | message | string | |
| 数据 | data | object | 音色列表信息 |
data响应参数
| 属性 | 参数名称 | 类型 | 说明 |
|---|---|---|---|
| 总数 | total | int | |
| 页码 | page | int | |
| 每页数量 | page_size | int | |
| 音色列表 | items | object [ ] |
items响应参数
| 属性 | 参数名称 | 类型 | 说明 |
|---|---|---|---|
| 音色 ID | voice_id | int | 训练后的音色 ID |
| 音色名称 | voice_name | string | 音色名称 |
| 音色描述 | voice_desc | string | 音色说明 |
| 音色语种 | lang | string | 音色语种 |
| 创建时间 | create_time | string | 创建时间，Unix 时间戳 |
| 状态 | status | int | 恒等于 0 |
示例
curl --silent --location --request POST 'https://aip.baidubce.com/rest/2.0/speech/publiccloudspeech/v1/voice/clone/list?access_token=XXX' \
--data '{
"page": 1
}'音色详情查询
接口描述
接口描述：根据音色ID查询音色的详情信息
接口名称：https://aip.baidubce.com/rest/2.0/speech/publiccloudspeech/v1/voice/clone/detail
请求方法：POST
输入参数
| 属性 | 参数名称 | 类型 | 是否必填 | 说明 |
|---|---|---|---|---|
| 鉴权令牌 | access_token | string | 鉴权方式二选一 | 鉴权令牌 |
| 鉴权API Key | Authorization | string | 鉴权方式二选一 | 鉴权API Key |
| 音色ID | voice_id | int | 必填 |
输出参数
| 属性 | 参数名称 | 类型 | 说明 |
|---|---|---|---|
| 错误状态 | status | int | 0代表成功，其他为异常 |
| 错误信息 | message | string | |
| 数据 | data | object | 音色详情信息 |
data响应参数
| 属性 | 参数名称 | 类型 | 说明 |
|---|---|---|---|
| 音色 ID | voice_id | int | 训练后的音色 ID |
| 音色名称 | voice_name | string | 音色名称 |
| 音色描述 | voice_desc | string | 音色说明 |
| 音色语种 | lang | string | 音色语种 |
| 音色状态 | status | int | 恒等于 0 |
| 创建时间 | create_time | string | 创建时间 |
示例
curl --silent --location --request POST 'https://aip.baidubce.com/rest/2.0/speech/publiccloudspeech/v1/voice/clone/detail?access_token=XXX' \
--header 'Content-Type: application/json' \
--data '{
"voice_id": 1063622
}'删除音色
接口描述
接口描述：对已经创建的音色进行删除
接口名称：https://aip.baidubce.com/rest/2.0/speech/publiccloudspeech/v1/voice/clone/delete
请求方法：POST
输入参数
| 属性 | 参数名称 | 类型 | 是否必填 | 说明 |
|---|---|---|---|---|
| 鉴权令牌 | access_token | string | 鉴权方式二选一 | 鉴权令牌 |
| 鉴权API Key | Authorization | string | 鉴权方式二选一 | 鉴权API Key |
| 音色ID | voice_id | int | 必填 |
输出参数
通过返回的status判断是否成功，如失败则查看message获得具体错误信息
| 属性 | 参数名称 | 类型 | 说明 |
|---|---|---|---|
| 错误状态 | status | int | 0 删除成功，1 删除异常 |
| 错误信息 | message |
示例
curl --silent --location --request POST 'https://aip.baidubce.com/rest/2.0/speech/publiccloudspeech/v1/voice/clone/delete?access_token=XXX' \
--header 'Content-Type: application/json' \
--data '{
"voice_id": 1063622
}'