Si CosyVoice 3 Flash ne restitue pas l’émotion demandée, vérifiez d’abord que la voix choisie prend en charge Instruct. Contrôlez ensuite la langue du texte, le format de l’instruction et la configuration du service. Une instruction acceptée ne signifie pas que toutes les voix peuvent l’appliquer.
CosyVoice 3 Flash : voix, langue et émotion: Schéma du processus, pas un résultat de modèle testé
Commencez avec la voix exacte
La liste officielle des voix, mise à jour le 8 octobre 2026, indique par voix les langues prises en charge ainsi que les capacités Instruct, SSML et horodatage.
Par exemple, longanyang prend en charge Instruct avec un format défini, tandis que longanlang_v3 est répertorié sans prise en charge de Instruct. La prise en charge de la synthèse vocale à elle seule n’implique pas les mêmes contrôles émotionnels.
Vérifiez l'entrée sous le modèle exact et l'identifiant vocal au lieu de vous fier à un nom vocal similaire provenant d'une autre version.
Identifiez la couche défaillante avec une courte comparaison
Synthétisez deux phrases sans instruction pour établir un point de comparaison. Gardez la voix et le texte, puis ajoutez une seule émotion prise en charge. Cette démarche aide au diagnostic ; elle ne mesure pas un taux de correction.
Symptôme: Tâche réussie, émotion peu perceptible · Premier contrôle: Prise en charge d’Instruct par cette voix · Action suivante: Comparer avec une voix explicitement compatible sur le même texte
Symptôme: Prononciation ou accent incorrect · Premier contrôle: Langues prises en charge par la voix sélectionnée · Action suivante: Vérifiez la lecture simple avant d'ajouter une émotion
Symptôme: Requête rejetée · Premier contrôle: mode, voice / voice_id, longueur d’instruction et champs requis · Action suivante: Conserver l’identifiant et l’erreur, puis corriger les entrées
Symptôme: Voix clonée non disponible · Premier contrôle: État de création, liaison modèle/utilisateur et région de service · Action suivante: Vérifiez la restriction spécifique à la fonctionnalité au lieu de déclarer une interdiction nationale
Symptôme: Échec d'accès sur un réseau ou dans un pays · Premier contrôle: Erreur de réseau, d'authentification ou d'autorisation · Action suivante: Séparer la connectivité de la plateforme des ressources de la région du fournisseur
Pour longanyang, le format officiel utilise un point chinois, tandis que l’exemple utilise un point ASCII. La requête ci-dessous suit le format officiel et n’a pas été exécutée. Si votre service précise d’autres exigences, vérifiez-les sur un court essai avant un traitement par lots. Cet exemple n’est pas une procédure de production validée.
Séparer la langue parlée de la langue d'instruction
Le texte doit utiliser une langue prise en charge par la voix. L'instruction de contrôle peut avoir des exigences différentes: la documentation du longanyang nécessite des instructions en chinois même lors de la synthèse de texte en anglais.
Un exemple de corps de requête APIXO non soumis est:
{
"request_type": "async",
"input": {
"mode": "speech",
"voice": "longanyang",
"prompt": "Welcome. We are glad you are here.",
"instruction": "你说话的情感是happy。",
"format": "mp3"
}
}
Conservez la chaîne de contrôle chinoise inchangée. Le format officiel utilise un point chinois, tandis que ses exemples affichés utilisent un point ASCII. Suivez les spécifications spécifiques à la voix et vérifiez un court échantillon plutôt que de traiter ce corps non testé comme une recette garantie.
Les Docs CosyVoice d’APIXO limitent actuellement l’instruction à 100 caractères. Testez une émotion avant d’ajouter des consignes de rôle, de scène ou de langue.
SSML est une capacité distincte
Une voix peut prendre en charge SSML sans prendre en charge Instruct. Confirmez chaque fonctionnalité séparément avant de les combiner.
Utilisez deux phrases courtes comme référence sans instruction, puis répétez le même texte et la même voix avec une seule instruction. Un résultat d’écoute inchangé ne suffit pas à diagnostiquer une restriction nationale.
Signification des limites de région de déploiement
La documentation régionale d'Alibaba Cloud décrit les points d'accès, le déploiement et la configuration des ressources. Pékin et Singapour nécessitent la configuration de service appropriée.
Le tableau officiel indique un déploiement international à Singapour pour V3 Flash ; longanyang est disponible dans les entrées Pékin et Singapour. Les sources consultées ne permettent pas d’affirmer que l’API est interdite à tous les utilisateurs hors de Chine. Elles ne garantissent pas non plus un accès sans restriction pour tout compte, pays ou réseau.
Les restrictions dépendent de la fonction. Le guide de clonage vocal indique que V3 Flash à Singapour ne permet pas la synthèse avec une voix clonée. C’est distinct de la disponibilité des voix prédéfinies. Le tableau officiel de déploiement décrit le fournisseur, pas les tarifs APIXO.
Diagnostiquer APIXO en utilisant son propre contrat
Utilisez l’interface et la configuration d’APIXO. Les Docs présentent speech, clone et design, avec des voix prédéfinies ou un voice_id créé pour la synthèse. Le déploiement amont d’APIXO n’a pas été vérifié : n’attribuez pas automatiquement une région Alibaba ou ses restrictions à APIXO.
Vérifiez la voix, la langue du texte, la longueur des instructions et la préparation de la voix personnalisée. En cas d'échec, conservez l'ID de tâche, le code d'erreur et les paramètres. Aucun test API transnational n'a été effectué pour ce guide.
Commencez par une voix explicitement compatible avec Instruct, un texte dans une langue prise en charge et une instruction conforme à cette voix. Comparez avec le résultat sans instruction, puis vérifiez la configuration ou le point d’accès si nécessaire. Pour le coût, consultez APIXO Pricing.
Tarifs d’usage API ; crédits mensuels Studio distincts.
Créez avec APIXO
Explorez des modèles d'image, de vidéo et d'audio en un seul endroit.
