跳转到主要内容
POST
/
api
/
open-api
/
v1
/
soundCloning
/
audios
SoundClone - 提交音频生成任务
curl --request POST \
  --url https://www.jimmyai.cn/api/open-api/v1/soundCloning/audios \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '
{
  "modelId": "model_123456789",
  "contentText": "欢迎使用声音克隆能力，这是一段用于生成正式音频的文本。",
  "language": "Chinese",
  "soundVersion": "v1",
  "emotion": "neutral",
  "speed": 1,
  "vol": 1,
  "pitch": 0,
  "subtitleEnable": false
}
'
{
  "code": 20000,
  "msg": "ok",
  "data": {
    "id": "audio_764fb3e7-8af2-4d2d-89a0-e58f8f3eb9c4",
    "object": "audio",
    "created": 1781777280,
    "model": "soundCloningAudio",
    "status": "queued",
    "error": null
  }
}
使用 试听任务 完成后返回的 modelId 提交正式音频生成。任务创建后请通过 查询声音克隆任务 轮询获取 audioUrl。modelId 有效期为 3 天；在有效期内首次调用本接口时会自动转正，转正后可永久用于音频生成。响应格式：{ "code": 20000, "msg": "ok", "data": { ... } }。

​
请求参数

字段类型必填说明
modelIdstring是声音模型 ID，来自试听任务查询结果中的 modelId。
contentTextstring是需要生成音频的文本，长度小于 10000 字符。可在字间插入 <#x#> 控制停顿（x 为秒，范围 0.01–99.99，最多两位小数）。
soundVersionstring否声音模型版本：v1 或 v2。
languagestring否语言类型，默认 auto。
emotionstring否情感类型，默认 neutral。支持 happy、sad、angry、fearful、disgusted、surprised、neutral。
speednumber否语速，范围 [0.5, 2]，默认 1.0。
volnumber否音量，范围 (0, 10]，默认 1.0。
pitchinteger否语调，范围 [-12, 12]，默认 0。
subtitleEnableboolean否是否生成字幕，默认 false。
subtitleTypestring否字幕类型。开启字幕时可传 word（字级别）；不传为句级别。

​
支持语言（节选）

v1 / v2 均支持： Chinese（中文）、Chinese,Yue（粤语）、English、Japanese、Korean、French、German、Spanish 等 24 种语言。 仅 v2 支持： Bulgarian、Danish、Hebrew、Malay、Persian、Swedish、Tamil、auto（自动检测）等。

​
计费说明

正式音频包含两部分费用：
模型配置名说明
sound-cloning-audio按 contentText 字符数计费，单位为每 1 万字符
sound-cloning-voice音色费：每次提交正式音频任务均收取（按次，与 modelId 无关）
字符数统计规则与试听一致：按 Unicode 字符计数，排除 <#x#> 停顿标记。

​
示例请求

curl --request POST \
  --url 'https://www.jimmyai.cn/api/open-api/v1/soundCloning/audios' \
  --header 'Authorization: Bearer sk_xxx' \
  --header 'Content-Type: application/json' \
  --data '{
    "modelId": "model_123456789",
    "contentText": "欢迎使用声音克隆能力，这是一段用于生成正式音频的文本。",
    "language": "Chinese",
    "soundVersion": "v1",
    "emotion": "neutral",
    "speed": 1.0,
    "vol": 1.0,
    "pitch": 0,
    "subtitleEnable": false
  }'

​
响应示例

{
  "code": 20000,
  "msg": "ok",
  "data": {
    "id": "audio_764fb3e7-8af2-4d2d-89a0-e58f8f3eb9c4",
    "object": "audio",
    "created": 1781777280,
    "model": "soundCloningAudio",
    "status": "queued",
    "error": null
  }
}

授权

​
Authorization
string
header
必填

Bearer authentication header of the form Bearer <token>, where <token> is your auth token.

请求体

application/json
​
modelId
string
必填

试听任务完成后返回的声音模型 ID

​
contentText
string
必填

生成音频的文本，小于 10000 字符

​
soundVersion
enum<string>
可用选项:
v1,
v2
​
language
string
默认值:auto
​
emotion
enum<string>
默认值:neutral
可用选项:
happy,
sad,
angry,
fearful,
disgusted,
surprised,
neutral
​
speed
number
默认值:1
必填范围: 0.5 <= x <= 2
​
vol
number
默认值:1
必填范围: x <= 10
​
pitch
integer
默认值:0
必填范围: -12 <= x <= 12
​
subtitleEnable
boolean
默认值:false
​
subtitleType
enum<string>

不传为句级别字幕

可用选项:
word

响应

200 - application/json

任务创建成功

​
code
integer
示例:

20000

​
msg
string
示例:

"ok"

​
data
object
示例:
{
  "id": "audio_16b635ba-5889-4fa5-bbcc-bf67a38c353a",
  "object": "audio",
  "created": 1781777280,
  "model": "soundCloningClone",
  "status": "queued",
  "error": null
}