Qwen: Qwen-Audio-3.0-TTS Plus

Qwen-Audio-3.0-TTS-Plus هو نموذج Qwen لتحويل النص إلى كلام، مع تركيز على صوت مفصّل وطبيعي ومعبّر للسرد والكتب الصوتية والدبلجة. يدعم أصواتًا جاهزة أو مستنسخة خاصة بالنموذج، ومخرجات متدفّقة، وتعليمات أو وسومًا لتشكيل الأداء.

Ailoot Ultra · توليد الكلام POST /v1/audio/speech qwen/qwen-audio-3.0-tts-plus

عن النموذج

يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.

Qwen-Audio-3.0-TTS-Plus يحوّل النص المكتوب إلى كلام معبّر، مع تركيز إصدار Plus على جودة التوليف وطبيعية الصوت وتفاصيل الأداء الصوتي. يذكر Qwen إنشاء المحتوى والكتب الصوتية ودبلجة الأفلام والفيديو والإنتاج الاحترافي للكلام بوصفها تطبيقاته الرئيسية. يصف الملف المحدّث للنموذج دعمًا أوسع للغات قليلة الموارد واللهجات الصينية، وتحسين أصالة اللهجات، وتحكّمًا أقوى في العاطفة والنبرة والشخصية وسرعة الكلام ومستوى الصوت والأسلوب. ويذكر المطوّر أيضًا تحسّن الوضوح والدقة والمتانة في الظروف الصوتية الصاخبة أو ذات الصدى.

Plus هو الإصدار الذي يركّز على الجودة ضمن عائلة تحويل النص إلى كلام هذه؛ أما Flash فموجّه بشكل منفصل للتفاعل في الوقت الحقيقي. جهّز السرد كنص معدّ للنطق، مع تحديد الجمهور المقصود والوتيرة والتوجّه العاطفي. لمقطع من كتاب صوتي، يمكن أن تستخدم تعليمات توضيحية نطقًا واضحًا ووتيرة متأنية ودفئًا منضبطًا؛ ولتعليق صوتي على فيديو، قد تطلب افتتاحية جادّة يتبعها شرح أكثر حيوية. هذه اختيارات لأداء كلمات مقدّمة. النموذج مولّف كلام، وليس خدمة نسخ كلام أو مولّدًا لمشهد بصري كامل.

تشمل أصوات النظام الرسمية لـ Plus الصوت Long An Ling Xin، الموصوف بأنه دافئ ومتعاطف، والصوت Long An Lu Feng، الموصوف بأنه مشرق ومبهج. كلاهما مدرج للماندرين والإنجليزية. يوفّر المطوّر أيضًا أكثر من 500 صوت أساسي لهذا الإصدار، مع معاينات لتقييمها قبل اختيار أحدها. ويوصي بأصوات النظام للحصول على توليف أكثر اتساقًا. اختر صوتًا من قائمة Plus الدقيقة وطابق لغة النص مع اللغات التي يدعمها ذلك الصوت؛ ولا يكون صوت من Flash قابلًا للتبادل لمجرّد انتمائه إلى العائلة الأوسع نفسها.

يدعم النموذج استنساخ الصوت القائم على عيّنة. تشمل لغات الأصوات المستنسخة الموثّقة الصينية والإنجليزية واليابانية والكورية والروسية والفرنسية والألمانية والبرتغالية والتايلاندية والإندونيسية والفيتنامية والإسبانية والإيطالية والملايوية والفلبينية والعربية. تشمل المتغيّرات الصينية Mandarin وCantonese وChongqing وNortheastern وGansu وGuizhou وZhejiang وHebei وHenan وHubei وHunan وJiangxi وNingbo وNingxia وQingdao وShaanxi وShanxi وShandong وShanghainese وSichuan وYunnan، مع التحكّم في اللهجات عبر التعليمات. يميّز جدول نموذج المطوّر الاستنساخ عن إنشاء صوت من وصف نصي: يدعم Plus الاستنساخ، ولا يدعم وضع تصميم الصوت المنفصل ذاك.

المرجع المناسب للاستنساخ هو كلام واضح بسرعة طبيعية، دون موسيقى أو ضوضاء خلفية أو متحدثين متداخلين أو غناء. يوصي المطوّر بمدة 10–20 ثانية ويسمح بما يصل إلى 60 ثانية، في ملف لا يتجاوز حجمه 10 MB. صيغ المرجع هي WAV بعمق 16 بت وMP3 وM4A، مع معدل أخذ عيّنات لا يقل عن 16 kHz. يلزم وجود خمس ثوانٍ على الأقل من الكلام الواضح المتواصل، وينبغي ألا تتجاوز فترات الصمت المتبقية ثانيتين. للصوت المجسّم، تُعالَج القناة الأولى فقط. يُربط معرّف الصوت المنشأ بـ Plus ويُستخدم للتوليف عند جاهزيته؛ وتتطلّب إعادة إنتاج المرجع نفسه عبر Flash صوت Flash منشأً بشكل منفصل.

يمكن لتعليمات اللغة الطبيعية تشكيل النبرة والوتيرة والعاطفة والجرس الصوتي لأصوات النظام والأصوات المستنسخة معًا. استخدم أوصافًا سمعية محدّدة بدلًا من طلب غامض لصوت جيد. يمكن لوسوم العاطفة المضمّنة ضبط أسلوب داخل النص، ويمكن لوسوم اللغة الغنية إدراج تأثير صوتي في موضع مختار. مثلًا، يغيّر [serious] أداء الكلام التالي، بينما يدرج [sighing] تنهيدة دون تغيير الأسلوب العاطفي المحيط. تظل وسوم التحكّم مطبّقة حتى وسم التحكّم التالي أو التجزئة التلقائية للجمل. هذه الميزة القائمة على الوسوم موثّقة للبث أحادي الاتجاه فقط، لذا يختلف نطاقها عن التعليمات المستخدمة مع إدخال نص ثنائي الاتجاه.

خيارات مخرجات المطوّر هي PCM وWAV وMP3 وOpus، بمعدلات أخذ عيّنات مدرجة تبلغ 8,000 و16,000 و22,050 و24,000 و44,100 و48,000 Hz. الإعدادان الافتراضيان الموثّقان هما MP3 و22,050 Hz. يمكن ضبط مستوى الصوت من 0 إلى 100، وسرعة الكلام ودرجة الصوت من 0.5 إلى 2.0؛ ويتيح MP3 وOpus أيضًا معدل بت من 6 إلى 510 kbps. اختر التمثيل اللازم للتشغيل أو التحرير، ثم حافظ على اتساق هذه الإعدادات عبر أقسام عمل أطول. تشمل المخرجات المتدفّقة إطارات صوتية وبيانات وصفية للجمل، مع طوابع زمنية للكلمات للأصوات المؤهّلة، بما فيها الأصوات المستنسخة.

يسمح تدفّق إدخال النص الموثّق عبر WebSocket بـ 20,000 حرف لكل رسالة و200,000 حرف إجمالًا، ويتطلّب فاصلًا بين عمليات الإرسال لا يزيد على 23 ثانية. يمكنه تلقّي نص كامل أو مقاطع نصية مرتّبة والانتهاء عند اكتمال المدخلات. يوثّق المطوّر أيضًا إلغاء جولة التوليف الحالية. هذه حدود وسلوكيات لذلك البروتوكول، وليست سقفًا عامًا لمدة الصوت المولّد. للسرد الطويل، نظّم النص في أقسام مترابطة واحتفظ بترتيبها ونصها إلى جانب الصوت الناتج حتى يمكن تجميع العمل ومراجعته باتساق.

للنطق، يوفّر المطوّر تلميحات للغة المستهدفة وتعليقات pinyin واستبدالات نصية لمعالجة القراءات غير المرغوبة للأرقام أو الاختصارات أو الرموز أو الكلمات. SSML هو وضع ترميز منفصل مع قيود أهلية: تدعمه وثائق Qwen للأصوات المستنسخة في الطلبات غير المتدفّقة أو المتدفّقة أحادية الاتجاه، مع إرسال نص واحد فقط عند تمكينه. ولا تثبت دعم SSML لكل صوت نظام أو للبث ثنائي الاتجاه. يبدأ سير عمل Plus عملي بصوت متوافق ونص مكتمل، ثم يضيف اختيارات دقيقة للأداء والنطق للمقطع الجاري سرده.

Ailoot Ultra · توليد الكلام POST /v1/audio/speech qwen/qwen-audio-3.0-tts-plus

qwen/qwen-audio-3.0-tts-plus

Alibaba /qwen/qwen-audio-3.0-tts-plus

البداية

المدخلات المقبولة: النص
النتائج: الصوت

متاح في Ailoot · المدخلات والطرائق

Ailoot Ultra · توليد الكلام POST /v1/audio/speech

الإدخال: text
الإخراج: audio
صيغة الإخراج: mp3

الحقل	النوع	المتطلب	القيم والحدود	القيمة الافتراضية
الحقل`model`	النوع`string`	المتطلبمطلوب	القيم والحدود qwen/qwen-audio-3.0-tts-plus	القيمة الافتراضية—
الحقل`input`	النوع`string`	المتطلبمطلوب	القيم والحدود الحد الأدنى للطول: ⁦1⁩ الوحدة: محارف Unicode	القيمة الافتراضية—
الحقل`voice`	النوع`string`	المتطلبمطلوب	القيم والحدود longanlingxin, longanlufeng	القيمة الافتراضية—
الحقل`response_format`	النوع`string`	المتطلبمطلوب	القيم والحدود mp3	القيمة الافتراضية—

تركيبات مواد الإدخال

text_to_speech · مطلوب: input

معلمات الطريقة ودورة حياتها

المعلمة	المواصفات
المعلمة`content_type`	المواصفاتapplication/json
المعلمة`required`	المواصفاتmodel, input, voice, response_format
المعلمة`voice_ids`	المواصفاتlonganlingxin, longanlufeng
المعلمة`response_format`	المواصفاتmp3
المعلمة`max_input_characters`	المواصفاتnull
المعلمة`other_options`	المواصفاتfalse
المعلمة`input`	المواصفاتنص UTF-8 الدقيق؛ يُحصى عدد محارف Unicode دون تطبيع
المعلمة`material_types`	المواصفاتtext

دورة الحياة: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · قيمة task_id الفعلية المُعادة أو سجل مكتبة الوسائط

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

اختر الصوت المحدد من ملف إعداد هذا النموذج.

أحرف الإدخال وثواني الصوت مقياسان مختلفان للاستخدام.

الباقات

مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.

الوضع السريع: غير محدد عند اختيار الوضع السريع
الوضع المرن: غير محدد عند اختيار وضع flex
أقصى جهد للاستدلال: غير محدد عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال

تعرفات Ailoot

الأسعار حسب الإعدادات

طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.

الإعدادات	جدول التعرفة	الكمية القابلة للفوترة	وحدة الفوترة	الرسوم
الإعداداتالتعرفات الأساسية للرموز	جدول التعرفةالتعرفة الأساسية	الكمية القابلة للفوترة—	وحدة الفوترة—	الرسوم الإدخال · رموز الإدخال — / 1K من الرموز الإخراج · رموز الإخراج — / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز
الإعداداتUltra	جدول التعرفة—	الكمية القابلة للفوترةتُحتسب كل نقطة ترميز Unicode حرفًا واحدًا، بما في ذلك محارف هان.	وحدة الفوترةلكل 1K حرف مُدخل	الرسوم الإدخال · محرف إدخال $0.04 لكل 1K حرف مُدخل

تفاصيل التعرفة المرجعية

لا تغيّر جداول التعرفة المرجعية على مستوى النموذج اختيار الطريقة أو عروض الأسعار أو الرسوم. وتستخدم الرسوم الفعلية تعرفات طريقة Ailoot المحددة.

Qwen: Qwen-Audio-3.0-TTS Plus

الأسعار حسب الإعدادات

الإعدادات	شروط الفوترة	الرسوم
الإعداداتQwen: Qwen-Audio-3.0-TTS Plus · الإعداد الافتراضي	شروط الفوترةالإعداد الافتراضي	الرسوم الإدخال · أحرف الإدخال ⁦‏0.00004 US$⁩ لكل حرف مُدخل

تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →

أمثلة للطلبات

Ailoot Ultra · توليد الكلام

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"
export AILOOT_VOICE_ID
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen/qwen-audio-3.0-tts-plus", "input": "Good afternoon! This is a short voice take."}')
voice=os.environ["AILOOT_VOICE_ID"]
allowed=json.loads('["longanlingxin", "longanlufeng"]')
if voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")
p["voice"]=voice
p["response_format"]="mp3"
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o speech.mp3

استلام النتائج وحفظها

Ailoot Ultra · توليد الكلام

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

عمليات أخرى لقراءة المحتوى

مكتبة الوسائطحالة المهمةتفاصيل الأصل

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

الاحتفاظ بكل النتائج المكتملة

احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.

احتفظ بالنتيجة الثنائية كاملة وبجميع الترويسات. إذا أُعيدت بيانات JSON أو مخرجات متعددة، فاحتفظ بكل عنصر بيانات واجلب محتوى كل عنوان URL فعلي موقّع لأصل من أصول الوسائط.

عند الحاجة إلى التحقق من الاستجابة الأصلية

احتفظ بقيمة operation_id/X-Client-Request-ID الأصلية للمطابقة دون إعادة الإرسال؛ لا يوجد مسار مخصص للاستعلام الدوري عن الصوت.

حقول الاستجابة

الحقل	النوع
الحقل`binary audio`	النوعbytes
الحقل`response headers`	النوعheaders

الأخطاء والخطوات التالية

الاستجابة	الشرط	الخطوة التالية
الاستجابة⁦400⁩ · `invalid_request_error`	الشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة	الخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد.
الاستجابة`server_error`	الشرطتشير الاستجابة المُعادة إلى أن العملية أو النتيجة تتطلب التحقق	الخطوة التاليةاحتفظ بمعرّف العملية أو المهمة الأصلي المُعاد، وبترويسات الطلب وبالاستجابة؛ وواصل عمليات القراءة المدعومة لتلك العملية الأصلية. لا تُعِد إرسال طلب الإنشاء.

الأسماء البديلة

الأسماء البديلة للنموذج

Ailoot Ultra qwen/qwen-audio-3.0-tts-plus

الأسماء البديلة لمسارات الطرائق

استخدم مسارات الطرائق المعروضة أعلاه.

معرّفات النماذج ذات الصلة IDs

qwen/qwen-audio-3.0-tts-plus

FAQ · Qwen: Qwen-Audio-3.0-TTS Plus

ما المدخلات والنتائج المتاحة؟: POST /v1/audio/speech · qwen/qwen-audio-3.0-tts-plus: text → audio
ما الحقول التي يستخدمها الطلب؟: POST /v1/audio/speech · qwen/qwen-audio-3.0-tts-plus: model, input, voice, response_format

Qwen: Qwen-Audio-3.0-TTS Plus