黑色星期五充值赠礼·充值 $50 起送 $10 · 充值 $100 起送 $25·11月30日截止充值 →
文本转语音

用 3 到 15 秒片段克隆声音的语音克隆 API

用一段简短录音克隆声音,保存一次,即可用 Qwen3-TTS 或 ZONOS2 让它朗读任意文本。保存声音免费,语音按分钟计费。

最后更新于 2026-11-05

预付费,无订阅REST 或 MCP一个密钥搞定模型、数据和智能体
voices$ curl https://lovelyrouter.com/v1/audio/voices -F sample=@me.wav -… ✓ voice saved · voc_…$ curl https://lovelyrouter.com/v1/audio/speech -d '{"voice": "voc_… any text, in your voice ✓ 200 OK
黑色星期五

黑色星期五充值赠礼

每笔符合条件的充值都可获赠额度,并可与其他优惠叠加。

11月30日截止

充值 $50
+$10
额外赠送 20%
充值 $100
+$25
额外赠送 25%
注册并领取

克隆声音始于一段录音:一个人清晰说话的 3 到 15 秒。把它上传到 POST /v1/audio/voices 一次,你就会得到一个 voice_… id;把这个 id 作为 voice 传给 POST /v1/audio/speech,任何文本都会以那个声音返回,且覆盖模型所说的每一种语言。保存声音不花钱。你只需为用它们合成的语音付费,每分钟 $0.036,与在我们的文本转语音 API 上使用预设声音相同。

交给你的 AI 智能体

把这段提示词复制到 Claude Code、Cursor、Codex 或任何编程智能体中。它会告诉智能体文档在哪里,以及如何使用你的 API 密钥。

Clone a voice with the Lovely Router voices API and use it for speech.

- Docs (read first): https://lovelyrouter.com/docs/api/audio.md and https://lovelyrouter.com/docs/models/speech.md
- Save a voice once with POST https://lovelyrouter.com/v1/audio/voices (a short clean sample, `consent: true` = I confirm I may use this voice), then pass its id as `voice` to POST https://lovelyrouter.com/v1/audio/speech. A one-off clone can send `reference_audio` with the speech request instead.
- Only clone voices I have the right to use; ask me to confirm before saving one.
- Auth: read my API key from the LOVELY_API_KEY environment variable and send it as `Authorization: Bearer $LOVELY_API_KEY`. Never print or commit the key. If it is not set, ask me to create one at https://lovelyrouter.com/app/keys.
- Billing is prepaid: every call is charged to my balance, so test with a small request before running anything large.
- Every docs page is plain Markdown; the full index is https://lovelyrouter.com/llms.txt.

My task: <the voice sample, whose voice it is and what it should say>
01

录一段适合克隆的样本

样本就是全部输入,所以它的质量就是克隆的质量:

长度

:3 到 15 秒的语音。

只有一个人

,说话清晰,没有音乐,背景里没有第二个声音。

它说的内容。

把它作为 transcript 发送。有 transcript 时 Qwen3-TTS 克隆得更像;没有时它只匹配音色。ZONOS2 不需要它。

格式

:WAV、MP3、M4A、OGG/Opus、FLAC 或 WebM,最大 10 MB。

02

先克隆,再说话

  1. 保存声音

    把片段作为 multipart 的 file 发送,或用 JSON 把 audio 设为 https 或 data: URL。consent: true 是必需的。

    cURL
    curl https://lovelyrouter.com/v1/audio/voices \
      -H "Authorization: Bearer $LOVELY_API_KEY" \
      -F name="Narrator" \
      -F transcript="Thanks for listening. See you next week on the show." \
      -F consent=true \
      -F file=@narrator.wav

    返回 201 和声音对象:

    JSON
    {
      "id": "voice_8f2c4a1e9b7d3f60a5c2e1d4",
      "object": "voice",
      "name": "Narrator",
      "transcript": "Thanks for listening. See you next week on the show.",
      "type": "audio/wav",
      "bytes": 482044,
      "audio_url": "https://lovelyrouter.com/v1/audio/voices/voice_8f2c4a1e9b7d3f60a5c2e1d4/audio",
      "created_at": 1792915200
    }
  2. 用它说话

    把 id 作为 voice 用于任一模型。在 qwen3-tts 上你仍可添加 instructions 来改变克隆声音的说话方式。

    Python
    import os
    from openai import OpenAI
    
    client = OpenAI(base_url="https://lovelyrouter.com/v1", api_key=os.environ["LOVELY_API_KEY"])
    with client.audio.speech.with_streaming_response.create(
        model="qwen3-tts",
        voice="voice_8f2c4a1e9b7d3f60a5c2e1d4",
        input="Today we talk about the history of tea.",
        instructions="Relaxed, like the start of a podcast",
    ) as response:
        response.stream_to_file("episode.mp3")
  3. 或者换一种语言说

    同一个保存的声音在其模型所说的每种语言里都可用。短文本请设置 language:

    Node.js
    import fs from 'node:fs';
    import OpenAI from 'openai';
    
    const client = new OpenAI({ baseURL: 'https://lovelyrouter.com/v1', apiKey: process.env.LOVELY_API_KEY });
    const audio = await client.audio.speech.create({
      model: 'zonos2',
      voice: 'voice_8f2c4a1e9b7d3f60a5c2e1d4',
      input: 'Merci de nous avoir écoutés. À la semaine prochaine !',
      language: 'fr',
      emotion: 'happy',
    });
    fs.writeFileSync('outro-fr.mp3', Buffer.from(await audio.arrayBuffer()));
03

用哪个引擎来克隆

两个模型都从同一个保存的声音克隆,所以你可以先试一个,再切换,无需重新上传。

  • zonos2 能做出接近的克隆,且不需要 transcript。它说 40 多种语言,英语、中文和日语最佳,采样率 44.1 kHz,其 emotion 字段能改变表达方式,而声音保持不变。
  • qwen3-tts 在样本带有 transcript 时克隆得更像,并允许你用大白话的 instructions 引导克隆声音。它说 10 种语言,采样率 24 kHz。
04

保存的声音还是一次性片段

search_toolsrun_toolget_run
保存的声音一次性片段
方式POST /v1/audio/voices,然后 voice: "voice_…"在语音请求里用 reference_audio
片段上传一次,保留到你删除为止每次请求都发送:https URL、data: URL 或 base64
Transcript声音上的 transcript请求上的 reference_text
授权保存时的 consent: true每次请求的 consent: true
最适合旁白、品牌声音、反复使用的角色试听样本,或不想存储的声音
cURL
curl https://lovelyrouter.com/v1/audio/speech \
  -H "Authorization: Bearer $LOVELY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3-tts",
    "input": "This line is spoken in the voice from the clip.",
    "reference_audio": "https://example.com/sample.wav",
    "reference_text": "Hi, this is a short sample of how I speak.",
    "consent": true
  }' \
  --output line.mp3

同一个请求里 reference_audio 不能和 voice 一起用。

05

管理你的声音

请求作用
GET /v1/audio/voices你保存的声音,最新的在前
GET /v1/audio/voices/{id}单个声音;其他账号的声音返回 404
GET /v1/audio/voices/{id}/audio按你上传的原样下载样本
PATCH /v1/audio/voices/{id}重命名或修改它的 transcript
DELETE /v1/audio/voices/{id}永久删除该声音及其样本

保存的声音免费,仅你的账号可见,保留到你删除为止,每个账号最多 100 个。

06

保留设计出来的声音

你不需要真人录音也能得到稳定的声音。在 instructions 里向 qwen3-tts 描述一个声音,不带 voice,它就会按该描述设计一个新声音。设计出的声音每次都会有些许差异,所以当某个听起来合适时,用 POST /v1/audio/voices 保存那段音频,并从那时起使用它的 id:之后每一句都保持同一个说话人。

07

为视频角色准备声音

保存的声音可以属于一个已保存的角色。在视频镜头中,被标记且带声音的角色会用那个声音——它的音色、音高和说话方式——说出自己的台词,每个镜头最多 3 个带声音的角色。直播视频也接受声音片段:直播视频 API 会在整个直播流中保持同一个说话人的声音。

09

常见问题

?
声音样本应该多长?+

一个人清晰说话的 3 到 15 秒,不要音乐。把片段说的内容作为 transcript 发送,可在 qwen3-tts 上获得最接近的克隆。

克隆声音要多少钱?+

保存声音免费。用克隆声音合成语音每分钟音频 $0.036,按秒计费,与其他任何声音相同。

克隆的声音能说其他语言吗?+

能。保存的声音在其模型所说的每种语言里都可用:qwen3-tts 10 种,zonos2 40 多种。

我能保存多少个声音?+

每个账号最多 100 个。它们仅你的账号可见,保留到你删除为止。

克隆声音需要授权吗?+

需要。每个保存的声音和每个一次性片段都需要 consent: true,它确认声音是你的,或你已获得说话人许可。

能改变克隆声音的情绪吗?+

能。在 zonos2 上设置 emotion;在 qwen3-tts 上,用 instructions 描述表达方式。说话人保持不变。

语音指南有更多示例,音频 API 参考列出了每个字段和错误。

一个预付费密钥,搞定模型、数据和智能体

无需订阅。充值后按需使用,每笔费用都能在日志中查看。