9 月 21 日上架的 Qwen-Audio-3.1-TTS-Next，主打的是“一段剧本进、一整场戏出”：人声、音效、环境声在同一次生成里按时序排好。本文把半天实测的 8 笔调用整理成四步走：接口怎么调、时序怎么控、上限在哪、钱怎么算，命令与数字全部来自实际调用。

一、先说结果：四个工种收进一次调用

传统做一段有声内容是四个工种接力：配音录对白、音效翻素材库、混音调层次、剪辑拼场景。这个模型把这几道手合并了：模态是 Text+Audio 进、Audio 出，写一段剧本式提示词，成品直接是排好顺序的声景。

官方给了两种落位：语音与对话（旁白、多人对话、播客、有声书、广播剧），以及综合声音场景（给台词配雨声、海浪、游戏音效）。提示词按官方六要素写：创作任务、人物及音色、台词（加引号、注明说话人）、表达方式、背景与音效、声音变化。

先摸能力面：

bl model list--modelqwen-audio-3.1-tts-next

返回里能看到 09-21 上架、按 token 计价，适用场景列了多语种语音合成、多人对话、播客、影视剧声景。要早知道的细节：它没有传统的“音色 ID”，角色音色直接写在提示词描述里。

8 笔实测的关键数字先放这儿：

• 298 字剧本出 32.08 秒三人广播剧；439 字出 69.96 秒双人播客。
• 参考音频可以自产自用：先用bl生成音色样本，base64 回喂，用@voice1/@voice2分配台词。
• 提示词超 3000 字符立刻报错；成品超 120 秒静默截断，结尾消失但账单照收。
• 输出 token = 生成内容秒数 × 200，每秒约 0.24 分钱；4 分钟满格播客约 6 毛钱。

二、环境准备

npminstall-gbailian-cli

CLI 负责外围：查目录、核账、回读。也可以走官方 skill 包让 Agent 代跑。合成要 API Key，去控制台签一个放进环境变量。

三、第一步：CLI 报 400，合成改走官方 HTTP 接口

用 CLI 自己的合成命令发请求：

bl speech synthesize--text"雨突然下大了。要伞吗？"\--modelqwen-audio-3.1-tts-next--voicelonganhuan_v3.6--formatwav--outsmoke.wav

返回 HTTP 400，报错原文：text_prompt must not be empty.。原因是请求体对不上：bl speech synthesize按经典语音合成发（input.text加voice），新模型要的是input.text_prompt，也不认voice。换回老模型qwen-audio-3.0-tts-flash，同样的命令一次过。合成走官方 HTTP：

curl-sS-XPOST\"https://$WORKSPACE_ID.cn-beijing.maas.aliyuncs.com/api/v1/services/audio/tts/SpeechSynthesizer"\-H"Authorization: Bearer$DASHSCOPE_API_KEY"\-H"Content-Type: application/json"\-d'{ "model": "qwen-audio-3.1-tts-next", "input": { "text_prompt": "<你的剧本>", "format": "wav", "sample_rate": 48000, "channels": 2 } }'

返回 JSON 里三个字段最有用：output.audio.url（成品地址，24 小时有效）、output.audio.duration（成品秒数）、usage（这一单记了多少 token）。冒烟那笔 6.6 秒成品，生成等了 41.5 秒。

四、第二步：跑三场戏，验证时序

面馆广播剧（298 字 → 32.08 秒）。三个角色（老板 55 岁、加班顾客 26 岁、骑手 23 岁）各标音色、情绪、语速，两组环境声（雨棚上的雨、后厨沸水），两个情绪转折。成品 32.08 秒，一个字约 0.11 秒；生成等了 121.6 秒。

验证靠回读：bl speech recognize直读生成的 wav，六句台词逐句对上。时间戳给出两个信息：人声第 2.7 秒进来（前面是雨声铺场），最后一句第 27.8 秒收，余下 4 秒雨声收尾。时序确实按剧本在走。

参考音频自举（37.36 秒）。做连续剧集要固定角色音色，机制是参考音频：最多三条，@voice1到@voice3引用，每条不超过 30 秒、10MB。没有现成素材，可以先用bl里的qwen-audio-3.0-tts-flash造两段音色样本，base64 塞进请求的references，提示词里分配台词。成品 37.36 秒，回读四句全对。注意：环境声写在最前面，它会先铺 18 秒环境声，人声 18.4 秒才进来，想让人声快点进来就把顺序写明。

播客（439 字 → 69.96 秒）。成品 69.96 秒（一个字约 0.16 秒），全文回读一句不缺；生成 101.6 秒，约是成品时长的 1.45 倍。长音频的生成效率更高：6.6 秒冒烟等了 41.5 秒（六倍多），70 秒这一笔压在 1.5 倍以内。

五、第三步：两个上限，第二个会静默切尾

提示词上限 3000 字符是软墙：3058 字符的脚本 0.2 秒返回text_prompt exceeds the maximum length of 3000 characters.，拦在门口。

时长上限是硬墙：469 字的独白（按 0.16 秒/字估约 75 秒）成品正好 120.0 秒顶格，最后一句没了，finish_reason却显示stop。超时长不报错、不提醒，直接切结尾，账单按 120 秒照收（约 3 毛钱）。做有声书的最容易踩。土办法：按“一个字约 0.16 秒”估时长（对话多按 0.12 到 0.15），接近 120 秒就拆段生成。

六、第四步：逐单成本核算

规律：每 1 秒生成内容记 200 个输出 token。6.6 秒记 1320、32.08 秒记 6416、69.96 秒记 13992、37.36 秒记 7472、120 秒记 24000，8 笔全部吻合。按目录价（输入 6 元、输出 12 元每百万 token）折算，每秒约 0.24 分钱：

一集 4 分钟满格播客约 6 毛钱；8 笔共 289 秒成品、总花费约 0.77 元。模型有单独的免费额度（90 天、每模型独立、仅北京地域），输出侧 100 万 token 约够 83 分钟成品。

核账两个经验。先记一个前提：核账这两条命令在bl帮助里标着[Console]，要bl auth login --console浏览器登录，和合成、回读用的 API Key 是两拨凭证。bl usage free面板有入账延迟，逐单对账走bl log audit list --output json；语速参数不省钱，rate=1.6让成品从 9 秒缩到 5.3 秒，但计费量只从 1808 缩到 1688 个输出 token（-6.6%）。另外同一提示词两遍的 md5 不一样，满意版本马上存档。

bl log audit list--outputjson

七、常见问题

Q1：bl speech synthesize报text_prompt must not be empty.？
请求体字段不匹配。CLI 按经典语音合成发input.text加voice，新模型要input.text_prompt且不认voice，改用官方 HTTP 接口（见第三步）。

Q2：怎么控制角色音色？
两条路：写进提示词描述（六要素之“人物及音色”），或用参考音频@voice1到@voice3（最多三条、每条不超过 30 秒、10MB、支持 WAV/MP3/OGG Opus）。参考音频可以先自己用bl造样本。

Q3：怎么确认台词没被吞？
bl speech recognize读回成品逐句对稿；时间戳还能看人声进入时间和各句落点。

Q4：怎么提前发现 120 秒截断？
按 0.16 秒/字估成品时长（对话多按 0.12 到 0.15），接近 120 秒就拆段。截断发生在服务端，finish_reason仍显示stop，只能靠回读发现。

Q5：一次调用多少钱怎么算？
输出 token = 生成内容秒数 × 200；乘以 12 元每百万就是输出侧金额。每秒约 0.24 分钱。逐单金额用bl log audit list --output json核对。

Q6：调rate参数能省钱吗？
不能。同一段稿子rate=1.6再跑，成品从 9 秒缩到 5.3 秒，计费量只从 1808 缩到 1688 个输出 token（-6.6%）。省钱的开关是缩短内容。

Q7：同一个提示词两次结果一样吗？
不一样，md5 每次不同，固定随机种子也一样。满意的版本立即归档。

Q8：免费额度怎么算？
90 天有效、每模型独立、仅北京地域、过期不补发。输出侧 100 万 token 约够 83 分钟成品。

八、怎么选：什么时候值得上

播客和有声书的初稿最合适：一集 6 毛钱以内，哪句太长、哪个转场生硬，听一遍就暴露。游戏 NPC 台词、短剧声景的概念验证也比写需求文档直观。批量口播就是标准 HTTP 调用接进流水线。要等的部分：接话密度和情感演播与真人还有差距，精修得人耳过一遍；偶尔配一段音，控制台里的开箱即用产品可能更省事。

三场戏成品还开着：面馆广播剧、复刻对话、播客。想自己跑：官方 skill 包或npm install -g bailian-cli；合成要 Key，这里签。