Если эмоциональная инструкция CosyVoice 3 Flash не даёт нужную подачу, сначала проверьте поддержку Instruct у выбранного голоса. Затем проверьте язык текста, формат инструкции и конфигурацию сервиса. Принятое поле инструкции не означает, что любой голос умеет его выполнять.
CosyVoice 3 Flash: эмоции, голоса и инструкции: Схема процесса, не проверенный результат модели
Начните с точного идентификатора голоса
Официальный список голосов, обновлённый 8 октября 2026 года, указывает для каждого голоса языки и поддержку Instruct, SSML и временных меток.
Например, longanyang поддерживает Instruct в определённом формате, а longanlang_v3 указан без такой поддержки. Наличие синтеза речи само по себе не означает одинаковое управление эмоциями. Проверяйте запись конкретной модели и идентификатора, а не похожее название из другой версии.
Найдите проблемный уровень коротким сравнением
Сначала подготовьте два предложения без инструкции. Затем добавьте одну поддерживаемую эмоцию, сохранив тот же голос и текст. Это способ диагностики, а не измеренная вероятность исправления.
Симптом: Задача успешна, эмоция почти не изменилась · Первая проверка: Поддержка Instruct у конкретного голоса · Следующее действие: Сравните тот же текст с явно поддерживаемым голосом
Симптом: Неправильное произношение или акцент · Первая проверка: Языки выбранного голоса · Следующее действие: Проверьте обычное чтение до добавления эмоции
Симптом: Запрос отклонён · Первая проверка: Режим, voice / voice_id, длина instruction и обязательные поля · Следующее действие: Сохраните ID и ошибку; исправьте документированный вход
Симптом: Клонированный голос недоступен · Первая проверка: Статус создания, привязка к модели/пользователю и регион сервиса · Следующее действие: Проверьте ограничение функции вместо вывода о запрете страны
Симптом: Ошибка доступа в одной сети или стране · Первая проверка: Сеть, аутентификация и разрешения · Следующее действие: Отделите доступность платформы от региональных ресурсов провайдера
В описании формата longanyang используется китайская точка, а в строке примера — ASCII-точка. Запрос ниже следует строке формата и не выполнялся. Если ваш маршрут задаёт более точные требования, проверьте их на коротком примере до пакетной обработки. Это не проверенный рецепт для продакшена.
Разделяйте язык чтения и язык инструкции
Текст должен быть на языке, который поддерживает голос. У управляющей инструкции могут быть другие требования: для longanyang документация требует китайскую инструкцию даже при синтезе английского текста.
Пример тела запроса APIXO, который не отправлялся:
{
"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"
}
}
Не переводите китайскую управляющую строку. Различие между китайской точкой в формате и ASCII-точкой в примерах нужно проверять по требованиям конкретного голоса и короткому тесту. Нельзя считать неисполненный пример гарантированно воспроизводимым.
APIXO CosyVoice Docs сейчас ограничивают instruction 100 символами. Проверьте одну эмоцию до совмещения указаний роли, ситуации и языка.
SSML — отдельная возможность
Голос может поддерживать SSML без Instruct. Проверяйте обе возможности отдельно перед их сочетанием. Сравнивайте те же два предложения и тот же голос без инструкции и с одной инструкцией. Неизменившееся звучание не доказывает ограничение страны.
Что означают ограничения региона развёртывания
Документация регионов Alibaba Cloud описывает точки доступа, развёртывание и ресурсы. Пекин и Сингапур требуют соответствующих настроек сервиса.
Текущие официальные таблицы указывают международное развёртывание V3 Flash в Сингапуре; longanyang присутствует и в Пекине, и в Сингапуре. Из проверенных документов нельзя сделать общий вывод, что пользователи вне Китая не могут пользоваться API модели. Это также не обещание неограниченного доступа для любой страны, сети или учётной записи.
По руководству клонирования голоса V3 Flash в Сингапуре не поддерживает синтез с клонированными голосами. Это ограничение конкретной функции, отличающееся от доступности готовых голосов. Официальная таблица развёртывания — источник о провайдере, не цены APIXO.
Проверяйте APIXO по его собственной спецификации
Используйте единый интерфейс и конфигурацию APIXO. Текущие Docs описывают speech, clone и design, готовые голоса и созданные voice_id. Регион используемого APIXO провайдера не был подтверждён: не предполагайте конкретный регион Alibaba и не переносите его ограничения автоматически.
Проверьте голос, язык текста, длину инструкции и готовность собственного голоса. При ошибке сохраняйте ID задачи, код и параметры. Для статьи не проводились API-тесты из разных стран.
Начните с голоса с явной поддержкой Instruct, поддерживаемого языка чтения и одной соответствующей голосу инструкции. Сравните с исходным чтением, затем при необходимости проверьте конфигурацию и маршрутизацию. Цены платформы проверяйте в APIXO Pricing.
Тарифы использования API; месячные кредиты Studio отдельно.
Разрабатывайте с APIXO
Исследуйте модели для работы с изображениями, видео и аудио в одном месте.
