Bilibili IndexTTS上传音色API-自定义音色-AutoRouter

上传自定义声音素材，用于后续音色语音合成。支持文件、Base64 或公网 URL 三种说话人音频来源。

成功后返回 uspeech: 前缀的音色 ID，可在音色语音合成接口的 voice 字段中使用。

Base URL

https://api.autorouter.top — Production

Authentication

BearerAuth: http (bearer) 使用 Bearer Token 认证。格式: Authorization: Bearer sk-xxxxxx

Endpoints

POST `/v1/audio/voice/upload`

上传自定义音色

请求中包含音色名称、模型与说话人音频，响应返回音色 ID。音频格式为 WAV / MP3，文件不超过 20MB，时长不超过 30 秒。说话人音频必须提供 speaker_file、speaker_file_base64、speaker_url 三者之一。

Request Body

Content-Type: multipart/form-data 或 application/x-www-form-urlencoded

Example:

{
  "name": "温柔女声",
  "model": "IndexTeam/IndexTTS-2",
  "speaker_url": "https://example.com/audio/speaker.wav",
  "emotion_url": "https://example.com/audio/emotion.wav"
}

Properties:

Name	Type	Required	Description
`name`	string	Yes	自定义音色名称。示例：`温柔女声`、`客服音色A`
`model`	string	Yes	模型名称。示例：`IndexTeam/IndexTTS-2`
`speaker_file`	file	Conditional	说话人音频文件（仅 multipart）。WAV / MP3，不超过 20MB，时长不超过 30 秒
`speaker_file_base64`	string	Conditional	说话人音频 Base64
`speaker_url`	string	Conditional	说话人音频公网 URL
`emotion_file`	file	No	情绪参考音频文件（仅 multipart）。WAV / MP3，不超过 20MB
`emotion_file_base64`	string	No	情绪参考音频 Base64
`emotion_url`	string	No	情绪参考音频公网 URL

application/x-www-form-urlencoded 不支持文件字段，需使用 speaker_file_base64 或 speaker_url。

speaker_filefile（条件必选）

说话人音频，用于提取音色特征。必须与 speaker_file_base64、speaker_url 三选一。

限制：

格式： wav、mp3
文件大小： 不超过 20MB
时长： 不超过 30 秒。上游按 WAV 文件头中的 data chunk size 计算时长；streaming WAV 若未回写真实长度，可能被误判为超时

Responses

200: 上传成功

Content-Type: application/json

400: 请求参数错误或音频约束不满足

Content-Type: application/json

401: Bearer Token 无效或缺失

Content-Type: application/json

请求示例

curl -X POST "https://api.autorouter.top/v1/audio/voice/upload" \
  -H "Authorization: Bearer sk-xxxxxx" \
  -F "name=温柔女声" \
  -F "model=IndexTeam/IndexTTS-2" \
  -F "speaker_file=@/path/to/speaker.wav" \
  -F "emotion_file=@/path/to/emotion.wav"

响应示例

{
  "id": "uspeech:xxxx-xxxx-xxxx-xxxx"
}

响应字段说明：

Name	Type	Description
`id`	string	自定义音色 ID，格式 `uspeech:...`，后续合成时作为 `voice` 传入

错误处理

HTTP 400 参数错误

场景	`error.code`
未传 `name`	`missing_name`
未提供说话人音频	`missing_speaker`
Base64 无效	`invalid_speaker_base64`
音频格式不支持	`unsupported_audio_format`
文件过大	`file_too_large`
时长超过 30 秒	`duration_out_of_range`
采样率过低	`sample_rate_too_low`

duration_out_of_range 由上游返回，HTTP 状态码 400，error.type 为 invalid_request_error。网关对 speaker_file 仅做 multipart 原样转发，本地只检查文件大小和扩展名，不计算音频时长。

示例：

{
  "error": {
    "message": "上游服务商错误: audio duration must be <= 30 seconds",
    "type": "invalid_request_error",
    "code": "duration_out_of_range"
  }
}

streaming WAV 被误判超时： 部分录音或导出工具会写出 streaming WAV：先把 RIFF chunk size、data chunk size 写成接近 0x7FFFFFFF（约 2.1GB），事后又未回写真实长度。Python wave 及多数服务端解析库会信任文件头中的 data size，从而算出数万秒并触发该错误；macOS afinfo 则按文件实际大小估算时长，同一文件可能仍显示只有几秒。

处理方式：重新导出为标准 WAV，让工具按实际数据回写 chunk size，或改用 MP3 后再上传。

HTTP 401 / 403 鉴权错误

401 Unauthorized：API Key 无效或已过期。示例：{"error":{"message":"Validate Certification failed.","type":"invalid_request_error","code":"auth_error","param":null}}
403 Forbidden：API Key 无权访问此模型

HTTP 402 余额不足

返回 insufficient user quota。请前往 AutoRouter 控制台充值。

上传音色

speaker_filefile（条件必选）

目录