百炼 TTS 模型与接入概览

本组文档介绍 Qwen-Audio-TTS、CosyVoice、Qwen-TTS 和 MiniMax 的合成、实时输出、声音复刻与声音设计。模型清单核对于 2026-10-06；实际开放模型、价格和令牌权限以 ModelSell 控制台为准。

鉴权与地址

所有示例使用 ModelSell API Key。客户端调用 ModelSell 域名；供应商 Key 和业务空间地址由渠道管理。

export MODELSELL_BASE_URL="https://api.modelsell.com"
export MODELSELL_WS_URL="wss://api.modelsell.com"
export MODELSELL_API_KEY="YOUR_MODELSELL_API_KEY"

HTTP 请求使用 Authorization: Bearer $MODELSELL_API_KEY 和 Content-Type: application/json；WebSocket 握手使用相同的 Authorization 请求头。

完整模型与文档对应表

选择接口

cosyvoice-v1 没有原生 HTTP 合成接口；标准 speech 请求由网关桥接到 inference WS。Qwen realtime 型号使用 WebSocket。本文所述 HTTP/WS 接口不提供 AOQ/QUIC 端侧传输。

标准 speech 示例

curl --fail-with-body "$MODELSELL_BASE_URL/v1/audio/speech" \
  -H "Authorization: Bearer $MODELSELL_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "cosyvoice-v3-flash",
    "input": "欢迎使用 ModelSell，开始今天的语音创作。",
    "voice": "longanyang",
    "response_format": "mp3",
    "speed": 1.0,
    "extra_body": {"input": {"sample_rate": 24000, "seed": 0}}
  }' --output speech.mp3

标准参数包括 model、input（文本）、voice、response_format、speed、instructions。extra_body 补充原生 input / parameters；显式 0 和 false 会保留。它不能更换 model，也不能用 input.text 替换标准文本。

stream: true 返回二进制分片，stream_format: "sse" 返回原生 SSE；后者用于读取时间戳和用量。音频格式由模型决定，网关不转码：Qwen HTTP 非流式为 WAV、流式为 PCM，MiniMax/CosyVoice 按具体参数选择格式。

价格与用量

字符模型按照上游报告的 usage.characters（MiniMax 也可能在 output.extra_info.usage_characters）结算；Token 模型区分输入和输出用量。Qwen3 realtime 为会话累计字符，不能把多个 response 的累计值再次相加；旧 Qwen realtime 需要汇总各 response 的 Token。音色创建、更新与查询等操作可能使用不同价格，查询是否免费以站点规则为准。

官方依据：语音合成模型概述。各指南列出对应 API 参考；示例使用占位符和自编文本，不包含供应商凭据。