{ "aboutHtml": "

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.

", "aboutText": "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.\n\nPlus 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.\n\nتشمل 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.\n\nيدعم 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.\n\nالمرجع 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.\n\nيمكن 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.\n\nخيارات 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.\n\nيسمح 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.\n\nللنطق، 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.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "17a8df359a4425519e8ae3e2e131df21be2e640c5e24d9861c11b40af9ddeaff", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ar", "methods": [ { "html": "
Al

Qwen: Qwen-Audio-3.0-TTS Plus

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

البداية

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.

المدخلات المقبولة
النص
النتائج
الصوت
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.

متاح في Ailoot · المدخلات والطرائق

Ailoot Ultra · توليد الكلام POST /v1/audio/speech
الإدخال
text
الإخراج
audio
صيغة الإخراج
mp3
الحقلالنوعالمتطلبالقيم والحدودالقيمة الافتراضية
الحقلmodelالنوعstringالمتطلبمطلوبالقيم والحدود
qwen/qwen-audio-3.0-tts-plus
القيمة الافتراضية—
الحقلinputالنوعstringالمتطلبمطلوبالقيم والحدود
الحد الأدنى للطول: ⁦1⁩
الوحدة: محارف Unicode
القيمة الافتراضية—
الحقلvoiceالنوعstringالمتطلبمطلوبالقيم والحدود
longanlingxin, longanlufeng
القيمة الافتراضية—
الحقلresponse_formatالنوعstringالمتطلبمطلوبالقيم والحدود
mp3
القيمة الافتراضية—
تركيبات مواد الإدخال

text_to_speech · مطلوب: input

معلمات الطريقة ودورة حياتها
المعلمةالمواصفات
المعلمةcontent_typeالمواصفاتapplication/json
المعلمةrequiredالمواصفاتmodel, input, voice, response_format
المعلمةvoice_idsالمواصفاتlonganlingxin, longanlufeng
المعلمةresponse_formatالمواصفاتmp3
المعلمةmax_input_charactersالمواصفاتnull
المعلمةother_optionsالمواصفاتfalse
المعلمةinputالمواصفاتنص UTF-8 الدقيق؛ يُحصى عدد محارف Unicode دون تطبيع
المعلمةmaterial_typesالمواصفاتtext

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.

الإعداداتجدول التعرفةالكمية القابلة للفوترةوحدة الفوترةالرسوم
الإعداداتالتعرفات الأساسية للرموزجدول التعرفةالتعرفة الأساسيةالكمية 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
الإعداداتUltraجدول التعرفة—الكمية القابلة للفوترةتُحتسب كل نقطة ترميز Unicode حرفًا واحدًا، بما في ذلك محارف هان.وحدة الفوترةلكل 1K حرف مُدخلالرسوم
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

الإعداداتشروط الفوترةالرسوم
الإعداداتQwen: Qwen-Audio-3.0-TTS Plus · الإعداد الافتراضيشروط الفوترةالإعداد الافتراضيالرسوم
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

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "qwen/qwen-audio-3.0-tts-plus", "input": "Good afternoon! This is a short voice take."}')\nvoice=os.environ["AILOOT_VOICE_ID"]\nallowed=json.loads('["longanlingxin", "longanlufeng"]')\nif voice not in allowed: raise SystemExit("Choose an accepted voice ID from this exact model profile")\np["voice"]=voice\np["response_format"]="mp3"\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o speech.mp3\n

استلام النتائج وحفظها

Ailoot Ultra · توليد الكلام

mp3

عمليات أخرى لقراءة المحتوى
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json\n
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
الحقلالنوع
الحقلbinary audioالنوعbytes
الحقلresponse headersالنوعheaders
الأخطاء والخطوات التالية
الاستجابةالشرطالخطوة التالية
الاستجابة⁦400⁩ · invalid_request_errorالشرطحقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحةالخطوة التاليةصحّح الحقول المحددة قبل طلب إنشاء جديد.
الاستجابةserver_errorالشرطتشير الاستجابة المُعادة إلى أن العملية أو النتيجة تتطلب التحققالخطوة 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

", "method_identity": { "effective_request_model_id": "qwen/qwen-audio-3.0-tts-plus", "fmt": "speech", "http": "POST", "path": "/v1/audio/speech", "request_model_id": "qwen/qwen-audio-3.0-tts-plus", "route_label": "Ultra" }, "method_key": "Ultra|speech|/v1/audio/speech|qwen%2Fqwen-audio-3.0-tts-plus", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep the complete binary result and headers. If JSON/multiple outputs are returned, retain every data item and fetch each actual signed asset URL.", "errors": [ { "code": null, "condition": "حقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة", "http_status": 400, "recovery": "صحّح الحقول المحددة قبل طلب إنشاء جديد.", "type": "invalid_request_error" }, { "code": null, "condition": "تشير الاستجابة المُعادة إلى أن العملية أو النتيجة تتطلب التحقق", "http_status": null, "recovery": "احتفظ بمعرّف العملية أو المهمة الأصلي المُعاد، وبترويسات الطلب وبالاستجابة؛ وواصل عمليات القراءة المدعومة لتلك العملية الأصلية. لا تُعِد إرسال طلب الإنشاء.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "احتفظ بقيمة operation_id/X-Client-Request-ID الأصلية للمطابقة دون إعادة الإرسال؛ لا يوجد مسار مخصص للاستعلام الدوري عن الصوت." }, "material_combinations": [ { "content_type": "application/json", "mode": "text_to_speech", "required": [ "input" ] } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "text_to_speech" ], "outputs": { "all_results": "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.", "family": "audio", "fields": [ { "description": null, "name": "binary audio", "type": "bytes" }, { "description": null, "name": "response headers", "type": "headers" } ], "format": "mp3", "http_success": 200 }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "qwen/qwen-audio-3.0-tts-plus" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "limit_known": false, "maximum_length": null, "min_length": 1, "name": "input", "required": true, "type": "string", "unit": "محارف Unicode" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "longanlingxin", "longanlufeng" ], "enum_known": true, "name": "voice", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "mp3" ], "enum_known": true, "name": "response_format", "required": true, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "every field outside exactmodel,input,voice,response_format", "stream/speed/reference speech options" ] }, "hints": [ "اختر الصوت المحدد من ملف إعداد هذا النموذج.", "أحرف الإدخال وثواني الصوت مقياسان مختلفان للاستخدام." ], "input": { "content_type": "application/json", "input": "نص UTF-8 الدقيق؛ يُحصى عدد محارف Unicode دون تطبيع", "material_types": [ "text" ], "max_input_characters": null, "other_options": false, "required": [ "model", "input", "voice", "response_format" ], "response_format": [ "mp3" ], "voice_ids": [ "longanlingxin", "longanlufeng" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "قيمة task_id الفعلية المُعادة أو سجل مكتبة الوسائط", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "operation_modes": [ "text_to_speech" ], "output": { "family": "audio", "format": "mp3", "http_success": 200, "response": "full binary MP3 plus response headers", "result": "complete playable owned MP3" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quantity_meter": "utf8.RuneCountInString(validUTF8): one Han codepoint=1; no Han weighting", "quoted_unit": "per 1000 input character" }, "label": "Ultra", "units": [ { "amount": "0.04000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00004", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } ], "declared_tariff_references": [ { "client_selectable": false, "key": "f97459395132c904c87d", "label": "Qwen: Qwen-Audio-3.0-TTS Plus", "profiles": [ { "basis": "", "dimensions": { "conditions": "الإعداد الافتراضي" }, "label": "Qwen: Qwen-Audio-3.0-TTS Plus · الإعداد الافتراضي", "units": [ { "amount": "0.00004", "amount_unit": "usd_per_exact_physical_unit", "billing_input": false, "key": "c9d83494b95201f9ee8ab13d", "label": "Input characters", "public_unit_label": "per input character", "quantity": "1", "rate_role": "declared_tariff_rate", "side": "in", "unit": "input_character" } ] } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}\"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"qwen/qwen-audio-3.0-tts-plus\", \"input\": \"Good afternoon! This is a short voice take.\"}')\nvoice=os.environ[\"AILOOT_VOICE_ID\"]\nallowed=json.loads('[\"longanlingxin\", \"longanlufeng\"]')\nif voice not in allowed: raise SystemExit(\"Choose an accepted voice ID from this exact model profile\")\np[\"voice\"]=voice\np[\"response_format\"]=\"mp3\"\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o speech.mp3\n", "label": "curl", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-assets.json\n", "label": "List actual media assets", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_MEDIA_TASK_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/tasks/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-task.json\").read_text())))\nPY_RESULT\n", "label": "Read actual media task", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_ASSET_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/assets/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-asset.json\").read_text())))\nPY_RESULT\n", "label": "Read actual asset metadata", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "hints": [ "Select exact voice from this model profile.", "Input characters and audio seconds are different meters." ], "http": "POST", "in": null, "input": [ "text" ], "label": "Озвучка текста", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_character": 4e-05 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quantity_meter": "utf8.RuneCountInString(validUTF8): one Han codepoint=1; no Han weighting", "quoted_unit": "per 1000 input character" }, "label": "Ultra", "units": [ { "amount": "0.04000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00004", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } ], "request_model_id": "qwen/qwen-audio-3.0-tts-plus", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.04000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00004", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } } ], "model_id": "qwen/qwen-audio-3.0-tts-plus", "nativeProvenance": { "input_facts_canonical_sha256": "ac03fa4b82a404653865a43485c4aa1641f819094008335c04e9401c8c092f85", "input_html_sha256": "ce002460997da731a16ba426117b139ab5f7c326a3b6516027ac44ba82d5ddeb", "private_audit_sha256": "9df0beb172f4d63b916c710ab6f4ab5c0caa4c175ffe01698017674710c8dfb1", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/ar/qwen-qwen-audio-3-0-tts-plus/", "description": "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.", "locale": "ar", "md_url": "https://ailoot.ai/models/ar/qwen-qwen-audio-3-0-tts-plus/index.md", "title": "Qwen: Qwen-Audio-3.0-TTS Plus — Ailoot", "url": "https://ailoot.ai/models/ar/qwen-qwen-audio-3-0-tts-plus/" }, "rawModel": { "about": "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.\n\nPlus 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.\n\nتشمل 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.\n\nيدعم 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.\n\nالمرجع 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.\n\nيمكن 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.\n\nخيارات 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.\n\nيسمح 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.\n\nللنطق، 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.", "alias_of": null, "aliases": [], "author": "Alibaba", "available": null, "canonical_model": "qwen/qwen-audio-3.0-tts-plus", "capabilities": { "context_length": 0, "manufacturer_input": [ "text" ], "manufacturer_output": [ "speech" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.04000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00004", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ], "summary": "التسعير الكامل للتكوين في التفاصيل." } ], "ctx": null, "entity_type": "model", "formats": [ "speech" ], "id": "qwen/qwen-audio-3.0-tts-plus", "input": [ "text" ], "kind": "speech", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep the complete binary result and headers. If JSON/multiple outputs are returned, retain every data item and fetch each actual signed asset URL.", "errors": [ { "code": null, "condition": "حقول مطلوبة أو تمثيل مادة أو قيمة معلمة غير صحيحة", "http_status": 400, "recovery": "صحّح الحقول المحددة قبل طلب إنشاء جديد.", "type": "invalid_request_error" }, { "code": null, "condition": "تشير الاستجابة المُعادة إلى أن العملية أو النتيجة تتطلب التحقق", "http_status": null, "recovery": "احتفظ بمعرّف العملية أو المهمة الأصلي المُعاد، وبترويسات الطلب وبالاستجابة؛ وواصل عمليات القراءة المدعومة لتلك العملية الأصلية. لا تُعِد إرسال طلب الإنشاء.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "احتفظ بقيمة operation_id/X-Client-Request-ID الأصلية للمطابقة دون إعادة الإرسال؛ لا يوجد مسار مخصص للاستعلام الدوري عن الصوت." }, "material_combinations": [ { "content_type": "application/json", "mode": "text_to_speech", "required": [ "input" ] } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "text_to_speech" ], "outputs": { "all_results": "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.", "family": "audio", "fields": [ { "description": null, "name": "binary audio", "type": "bytes" }, { "description": null, "name": "response headers", "type": "headers" } ], "format": "mp3", "http_success": 200 }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "qwen/qwen-audio-3.0-tts-plus" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "limit_known": false, "maximum_length": null, "min_length": 1, "name": "input", "required": true, "type": "string", "unit": "محارف Unicode" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "longanlingxin", "longanlufeng" ], "enum_known": true, "name": "voice", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "mp3" ], "enum_known": true, "name": "response_format", "required": true, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "every field outside exactmodel,input,voice,response_format", "stream/speed/reference speech options" ] }, "hints": [ "اختر الصوت المحدد من ملف إعداد هذا النموذج.", "أحرف الإدخال وثواني الصوت مقياسان مختلفان للاستخدام." ], "input": { "content_type": "application/json", "input": "نص UTF-8 الدقيق؛ يُحصى عدد محارف Unicode دون تطبيع", "material_types": [ "text" ], "max_input_characters": null, "other_options": false, "required": [ "model", "input", "voice", "response_format" ], "response_format": [ "mp3" ], "voice_ids": [ "longanlingxin", "longanlufeng" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "قيمة task_id الفعلية المُعادة أو سجل مكتبة الوسائط", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "manufacturer_capability": null, "method": { "http": "POST", "path": "/v1/audio/speech" }, "method_aliases": [], "operation_modes": [ "text_to_speech" ], "output": { "family": "audio", "format": "mp3", "http_success": 200, "response": "full binary MP3 plus response headers", "result": "complete playable owned MP3" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quantity_meter": "utf8.RuneCountInString(validUTF8): one Han codepoint=1; no Han weighting", "quoted_unit": "per 1000 input character" }, "label": "Ultra", "units": [ { "amount": "0.04000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00004", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } ], "declared_tariff_references": [ { "client_selectable": false, "key": "f97459395132c904c87d", "label": "Qwen: Qwen-Audio-3.0-TTS Plus", "profiles": [ { "basis": "", "dimensions": { "conditions": "الإعداد الافتراضي" }, "label": "Qwen: Qwen-Audio-3.0-TTS Plus · الإعداد الافتراضي", "units": [ { "amount": "0.00004", "amount_unit": "usd_per_exact_physical_unit", "billing_input": false, "key": "c9d83494b95201f9ee8ab13d", "label": "Input characters", "public_unit_label": "per input character", "quantity": "1", "rate_role": "declared_tariff_rate", "side": "in", "unit": "input_character" } ] } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_VOICE_ID:?Choose an accepted voice ID from this exact model profile}\"\nexport AILOOT_VOICE_ID\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"qwen/qwen-audio-3.0-tts-plus\", \"input\": \"Good afternoon! This is a short voice take.\"}')\nvoice=os.environ[\"AILOOT_VOICE_ID\"]\nallowed=json.loads('[\"longanlingxin\", \"longanlufeng\"]')\nif voice not in allowed: raise SystemExit(\"Choose an accepted voice ID from this exact model profile\")\np[\"voice\"]=voice\np[\"response_format\"]=\"mp3\"\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o speech.mp3\n", "label": "curl", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-assets.json\n", "label": "List actual media assets", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_MEDIA_TASK_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_MEDIA_TASK_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/tasks/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-task.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-task.json\").read_text())))\nPY_RESULT\n", "label": "Read actual media task", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}\"\nexport AILOOT_ASSET_ID\nresource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ[\"AILOOT_ASSET_ID\"],safe=\"\"))')\ncurl --fail-with-body --silent --show-error \"https://api.ailoot.ai/v1/media/assets/$resource_id\" \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o media-asset.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"media-asset.json\").read_text())))\nPY_RESULT\n", "label": "Read actual asset metadata", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "speech", "hints": [ "Select exact voice from this model profile.", "Input characters and audio seconds are different meters." ], "http": "POST", "in": null, "input": [ "text" ], "label": "Озвучка текста", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "audio" ], "path": "/v1/audio/speech", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_character": 4e-05 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quantity_meter": "utf8.RuneCountInString(validUTF8): one Han codepoint=1; no Han weighting", "quoted_unit": "per 1000 input character" }, "label": "Ultra", "units": [ { "amount": "0.04000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00004", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } ], "request_model_id": "qwen/qwen-audio-3.0-tts-plus", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.04000", "amount_unit": "usd_per_1000_characters", "billing_input": true, "estimate_only": false, "key": "audio_input_character", "label": "input character", "native_amount_usd_per_unit": "0.00004", "native_quantity": 1, "public_unit_label": "per 1000 input character", "quantity": "1000", "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_character" } ] } ], "model_aliases": [ { "canonical_model_id": "qwen/qwen-audio-3.0-tts-plus", "request_model_id": "qwen/qwen-audio-3.0-tts-plus", "route_label": "Ultra" } ], "name": "Qwen: Qwen-Audio-3.0-TTS Plus", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "pricing_profiles": [ { "applicability": { "client_selectable": false, "native_profile_selection_pending": true, "scope": "manufacturer_reference" }, "dimensions": { "Model ID": "qwen-audio-3.0-tts-plus", "Service deployment scope": "International", "character_counting_rule": "Han characters incl Chinese/Japanese kanji/Korean hanja=2; other characters=1; SSML markup excluded; actual synthesized text counts", "maker_published_model_id": "qwen-audio-3.0-tts-plus" }, "label": "Ultra", "units": [ { "amount": "0.00004", "amount_unit": "usd_per_input_character", "conditions": { "Model ID": "qwen-audio-3.0-tts-plus", "Service deployment scope": "International", "character_counting_rule": "Han characters incl Chinese/Japanese kanji/Korean hanja=2; other characters=1; SSML markup excluded; actual synthesized text counts", "maker_published_model_id": "qwen-audio-3.0-tts-plus" }, "key": "input_character", "label": "input character", "profile_index": 0, "quantity": "1", "rate_role": "binding_component_rate", "side": "in", "unit": "input_character" } ] }, { "applicability": { "client_selectable": false, "native_profile_selection_pending": true, "scope": "manufacturer_reference" }, "dimensions": { "Model ID": "qwen-audio-3.0-tts-plus", "Service deployment scope": "Mainland China", "character_counting_rule": "Han characters incl Chinese/Japanese kanji/Korean hanja=2; other characters=1; SSML markup excluded; actual synthesized text counts", "maker_published_model_id": "qwen-audio-3.0-tts-plus" }, "label": "Ultra", "units": [ { "amount": "0.000038506", "amount_unit": "usd_per_input_character", "conditions": { "Model ID": "qwen-audio-3.0-tts-plus", "Service deployment scope": "Mainland China", "character_counting_rule": "Han characters incl Chinese/Japanese kanji/Korean hanja=2; other characters=1; SSML markup excluded; actual synthesized text counts", "maker_published_model_id": "qwen-audio-3.0-tts-plus" }, "key": "input_character", "label": "input character", "profile_index": 1, "quantity": "1", "rate_role": "binding_component_rate", "side": "in", "unit": "input_character" } ] } ], "public_id": "qwen/qwen-audio-3.0-tts-plus", "short": "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." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "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.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "a56bed74fa686cdaa471dff872e171951932aad9755b786424456976272e32d2", "renderer_sha256": "081ee0fd5b6b1b60564b02c52d62547e01e922c8c0a16e91a0d055073e76a10e" }, "sourceRevision": "5451f3f31dfa14850f51d277f6a1400ed6d18cf998883cb78ff6596ebccb873b" }