qwen-audio-3.0-tts-plus
Model pro výrazné hlasové zpracování textu do videí, audioknih a dalších zvukových materiálů. Podporuje řízení způsobu řeči a výběr hotového hlasu nebo hlasu vytvořeného podle vzorku.
- Ailoot · Převod na řeč
POST /v1/audio/speechqwen-audio-3.0-tts-plus - Ailoot · Převod na řeč
POST /v1/audio/speechqwen-tts - Ailoot · Převod na řeč
POST /v1/audio/speechqwen-tts-latest
O modelu
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Qwen-Audio-3.0-TTS-Plus převádí text na výrazný mluvený projev. Alibaba jej zaměřuje na profesionální hlasové zpracování obsahu, audioknih, videí a materiálů s rozpoznatelným charakterem hlasu. Vstupem je text a výstupem zvuk; podporován je také průběžný výstup zvuku během syntézy.
Způsob řeči jako součást zadání
Projev lze zadat přirozenými jazykovými instrukcemi a podrobnými řídicími značkami. Určují emoce, tón, charakter, tempo, hlasitost a styl řeči. Lze tak usměrnit přednes stejné věty od klidného vyprávění po energičtější nebo emotivnější projev.
Výraznost souvisí s vybraným hlasem a obsahem textu. Pro stálou výslovnost musí jazyk materiálu odpovídat jazykům, které hlas podporuje. Model je určen k hlasovému zpracování napsaného materiálu; analýza smyslu rozhovoru a přepis původní nahrávky patří k jiným zvukovým úlohám.
Hotový hlas a hlas podle vzorku
K dispozici jsou dva systémové hlasy: hřejivý ženský a veselý mužský. Podporují čínštinu a angličtinu. Vedle nich je k dispozici více než 500 základních hlasů a možnost napodobení hlasu podle řečového vzorku. Výrobce doporučuje systémové varianty, pokud je potřeba stálé znění hlasu.
Hlas podle vzorku podporuje čínštinu s regionálními variantami výslovnosti, angličtinu, francouzštinu, němčinu, japonštinu, korejštinu, ruštinu, portugalštinu, thajštinu, indonéštinu, vietnamštinu, italštinu, španělštinu, malajštinu, filipínštinu a arabštinu. Jde o jazykovou schopnost příslušného režimu; nepřenáší se automaticky na každý hotový hlas.
Požadavky na vzorek se týkají samostatného způsobu vytváření hlasu u výrobce; při syntéze řeči se používá již připravený hlas. Připravený hlas musí odpovídat vybranému modelu pro syntézu řeči: hlas jiného modelu vede u výrobce k chybě syntézy. Pro vzorek se doporučuje čistá řeč o délce 10–20 sekund. Celkový limit je 60 sekund a 10 MB; vyžaduje se alespoň pět sekund nepřerušované řeči. Podporovány jsou WAV v 16bitovém formátu, MP3 a M4A při vzorkovací frekvenci alespoň 16 kHz. Přípustný je jeden nebo dva kanály, ale u dvou se používá první.
Řečový vzorek musí obsahovat jeden hlas bez současně mluvících lidí, hudby a zpěvu. V požadavcích výrobce jsou krátké pauzy ve vzorku omezeny na dvě sekundy. To pomáhá zachytit barvu hlasu a zvláštnosti výslovnosti potřebné pro následnou syntézu. Řízení přednesu a napodobení hlasu podle vzorku popisují různé stránky práce modelu a mohou sloužit k přípravě zvukové podoby jednoho materiálu.
Ailoot · Převod na řeč POST /v1/audio/speech qwen-audio-3.0-tts-plus
qwen-audio-3.0-tts-plusqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Úvod
Model pro výrazné hlasové zpracování textu do videí, audioknih a dalších zvukových materiálů. Podporuje řízení způsobu řeči a výběr hotového hlasu nebo hlasu vytvořeného podle vzorku.
- Přijímané vstupy
- Text
- Výsledky
- speech
Dostupné v Ailoot · vstupy a metody
Ailoot · Převod na řeč POST /v1/audio/speech
- Vstup
text- Výstup
speech- Výstupní formát
- zvolené mp3/wav/pcm
| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen-audio-3.0-tts-plus | Výchozí— |
Poleinput | Typstring | PožadavekPovinné | Hodnoty a limity Minimální délka: 1 Maximální délka: 600 Jednotka: znaky Unicode | Výchozí— |
Polevoice | Typstring | PožadavekVolitelné | Hodnoty a limity Příklady: longanlingxin, longanlufeng Přijatý vlastní vzor: ^qwen-audio-3\.0-tts-plus- Podmínky: Přijímají se skutečná ID vlastních hlasů s přesným prefixem qwen-audio-3.0-tts-plus-. | Výchozílonganlingxin |
Poleresponse_format | Typstring | PožadavekVolitelné | Hodnoty a limity mp3, wav, pcm | Výchozímp3 |
Polesample_rate | Typinteger | PožadavekVolitelné | Hodnoty a limity 16 000, 24 000, 48 000 Jednotka: Hz | Výchozí24 000 |
Kombinace vstupních materiálů
text_to_speech · Povinné: input
Parametry a životní cyklus metody
| Parametr | Kontrakt |
|---|---|
Parametrmaterial_types | Kontrakttext |
Parametrrequired | Kontraktnull |
Parametroptional_controls | Kontraktnull |
Životní cyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · skutečně vrácené task_id nebo záznam v knihovně médií
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Struktury metod a ID jsou přesné; schopnosti dodavatele jsou oddělené od připuštění požadavku.
Tarify
Sazby metod Ailoot
POST /v1/audio/speech- Vstup
- 20,00 US$ za 1 milion znaků
- Výstup
- 0,00 US$ za požadavek
20,00 US$ za 1 mil. započtených znaků. Ideogram CJK se počítá jako 2 započtené znaky: 40,00 US$ za 1 mil. ideogramů. Váha ostatních znaků Unicode: 1. Výstupní audio: 0,00 US$.
Přesná pravidla podmíněného účtování z katalogu
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
Příklady požadavků
Ailoot · Převod na řeč
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen-audio-3.0-tts-plus", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
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
Přijímání a ukládání výsledků
Ailoot · Převod na řeč
zvolené mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Uchovejte všechny dokončené výsledky
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Uchovejte úplný binární výsledek a hlavičky. Pokud odpověď obsahuje JSON nebo více výstupů, uchovejte všechny datové položky a stáhněte každý soubor ze skutečně vrácené podepsané URL.
Pokud je nutné ověřit původní odpověď
Uchovejte původní operation_id/X-Client-Request-ID pro spárování záznamů bez opětovného odeslání; samostatná trasa pro dotazování na stav zvuku neexistuje.
Pole odpovědi
| Pole | Typ |
|---|---|
Polebinary audio | Typbytes |
Poleresponse headers | Typheaders |
Chyby a další kroky
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Odpověďserver_error | PodmínkaVrácená odpověď uvádí, že operaci nebo výsledek je třeba zkontrolovat | Další krokUchovejte původní vrácené ID operace nebo úlohy, hlavičky požadavku a odpověď; pokračujte v podporovaném načítání údajů o této původní operaci. Požadavek na vytvoření znovu neodesílejte. |
Aliasy
Aliasy modelu
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Aliasy cest metod
Použijte cesty metod uvedené výše.
Související ID modelů
Ailoot · Převod na řeč POST /v1/audio/speech qwen-tts
qwen-ttsqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Úvod
Model pro výrazné hlasové zpracování textu do videí, audioknih a dalších zvukových materiálů. Podporuje řízení způsobu řeči a výběr hotového hlasu nebo hlasu vytvořeného podle vzorku.
- Přijímané vstupy
- Text
- Výsledky
- speech
Dostupné v Ailoot · vstupy a metody
Ailoot · Převod na řeč POST /v1/audio/speech
- Vstup
text- Výstup
speech- Výstupní formát
- zvolené mp3/wav/pcm
| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen-tts | Výchozí— |
Poleinput | Typstring | PožadavekPovinné | Hodnoty a limity Minimální délka: 1 Maximální délka: 600 Jednotka: znaky Unicode | Výchozí— |
Polevoice | Typstring | PožadavekVolitelné | Hodnoty a limity Příklady: longanlingxin, longanlufeng Přijatý vlastní vzor: ^qwen-audio-3\.0-tts-plus- Podmínky: Přijímají se skutečná ID vlastních hlasů s přesným prefixem qwen-audio-3.0-tts-plus-. | Výchozílonganlingxin |
Poleresponse_format | Typstring | PožadavekVolitelné | Hodnoty a limity mp3, wav, pcm | Výchozímp3 |
Polesample_rate | Typinteger | PožadavekVolitelné | Hodnoty a limity 16 000, 24 000, 48 000 Jednotka: Hz | Výchozí24 000 |
Kombinace vstupních materiálů
text_to_speech · Povinné: input
Parametry a životní cyklus metody
| Parametr | Kontrakt |
|---|---|
Parametrmaterial_types | Kontrakttext |
Parametrrequired | Kontraktnull |
Parametroptional_controls | Kontraktnull |
Životní cyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · skutečně vrácené task_id nebo záznam v knihovně médií
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Struktury metod a ID jsou přesné; schopnosti dodavatele jsou oddělené od připuštění požadavku.
Tarify
Sazby metod Ailoot
POST /v1/audio/speech- Vstup
- 20,00 US$ za 1 milion znaků
- Výstup
- 0,00 US$ za požadavek
20,00 US$ za 1 mil. započtených znaků. Ideogram CJK se počítá jako 2 započtené znaky: 40,00 US$ za 1 mil. ideogramů. Váha ostatních znaků Unicode: 1. Výstupní audio: 0,00 US$.
Přesná pravidla podmíněného účtování z katalogu
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
Příklady požadavků
Ailoot · Převod na řeč
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen-tts", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
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
Přijímání a ukládání výsledků
Ailoot · Převod na řeč
zvolené mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Uchovejte všechny dokončené výsledky
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Uchovejte úplný binární výsledek a hlavičky. Pokud odpověď obsahuje JSON nebo více výstupů, uchovejte všechny datové položky a stáhněte každý soubor ze skutečně vrácené podepsané URL.
Pokud je nutné ověřit původní odpověď
Uchovejte původní operation_id/X-Client-Request-ID pro spárování záznamů bez opětovného odeslání; samostatná trasa pro dotazování na stav zvuku neexistuje.
Pole odpovědi
| Pole | Typ |
|---|---|
Polebinary audio | Typbytes |
Poleresponse headers | Typheaders |
Chyby a další kroky
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Odpověďserver_error | PodmínkaVrácená odpověď uvádí, že operaci nebo výsledek je třeba zkontrolovat | Další krokUchovejte původní vrácené ID operace nebo úlohy, hlavičky požadavku a odpověď; pokračujte v podporovaném načítání údajů o této původní operaci. Požadavek na vytvoření znovu neodesílejte. |
Aliasy
Aliasy modelu
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Aliasy cest metod
Použijte cesty metod uvedené výše.
Související ID modelů
Ailoot · Převod na řeč POST /v1/audio/speech qwen-tts-latest
qwen-tts-latestqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Úvod
Model pro výrazné hlasové zpracování textu do videí, audioknih a dalších zvukových materiálů. Podporuje řízení způsobu řeči a výběr hotového hlasu nebo hlasu vytvořeného podle vzorku.
- Přijímané vstupy
- Text
- Výsledky
- speech
Dostupné v Ailoot · vstupy a metody
Ailoot · Převod na řeč POST /v1/audio/speech
- Vstup
text- Výstup
speech- Výstupní formát
- zvolené mp3/wav/pcm
| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity qwen-tts-latest | Výchozí— |
Poleinput | Typstring | PožadavekPovinné | Hodnoty a limity Minimální délka: 1 Maximální délka: 600 Jednotka: znaky Unicode | Výchozí— |
Polevoice | Typstring | PožadavekVolitelné | Hodnoty a limity Příklady: longanlingxin, longanlufeng Přijatý vlastní vzor: ^qwen-audio-3\.0-tts-plus- Podmínky: Přijímají se skutečná ID vlastních hlasů s přesným prefixem qwen-audio-3.0-tts-plus-. | Výchozílonganlingxin |
Poleresponse_format | Typstring | PožadavekVolitelné | Hodnoty a limity mp3, wav, pcm | Výchozímp3 |
Polesample_rate | Typinteger | PožadavekVolitelné | Hodnoty a limity 16 000, 24 000, 48 000 Jednotka: Hz | Výchozí24 000 |
Kombinace vstupních materiálů
text_to_speech · Povinné: input
Parametry a životní cyklus metody
| Parametr | Kontrakt |
|---|---|
Parametrmaterial_types | Kontrakttext |
Parametrrequired | Kontraktnull |
Parametroptional_controls | Kontraktnull |
Životní cyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · skutečně vrácené task_id nebo záznam v knihovně médií
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Struktury metod a ID jsou přesné; schopnosti dodavatele jsou oddělené od připuštění požadavku.
Tarify
Sazby metod Ailoot
POST /v1/audio/speech- Vstup
- 20,00 US$ za 1 milion znaků
- Výstup
- 0,00 US$ za požadavek
20,00 US$ za 1 mil. započtených znaků. Ideogram CJK se počítá jako 2 započtené znaky: 40,00 US$ za 1 mil. ideogramů. Váha ostatních znaků Unicode: 1. Výstupní audio: 0,00 US$.
Přesná pravidla podmíněného účtování z katalogu
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
Příklady požadavků
Ailoot · Převod na řeč
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen-tts-latest", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
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
Přijímání a ukládání výsledků
Ailoot · Převod na řeč
zvolené mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Uchovejte všechny dokončené výsledky
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Uchovejte úplný binární výsledek a hlavičky. Pokud odpověď obsahuje JSON nebo více výstupů, uchovejte všechny datové položky a stáhněte každý soubor ze skutečně vrácené podepsané URL.
Pokud je nutné ověřit původní odpověď
Uchovejte původní operation_id/X-Client-Request-ID pro spárování záznamů bez opětovného odeslání; samostatná trasa pro dotazování na stav zvuku neexistuje.
Pole odpovědi
| Pole | Typ |
|---|---|
Polebinary audio | Typbytes |
Poleresponse headers | Typheaders |
Chyby a další kroky
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Odpověďserver_error | PodmínkaVrácená odpověď uvádí, že operaci nebo výsledek je třeba zkontrolovat | Další krokUchovejte původní vrácené ID operace nebo úlohy, hlavičky požadavku a odpověď; pokračujte v podporovaném načítání údajů o této původní operaci. Požadavek na vytvoření znovu neodesílejte. |
Aliasy
Aliasy modelu
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Aliasy cest metod
Použijte cesty metod uvedené výše.
Související ID modelů
FAQ · qwen-audio-3.0-tts-plus
- Jaké vstupy a výsledky jsou dostupné?
POST /v1/audio/speech·qwen-audio-3.0-tts-plus:text→speechPOST /v1/audio/speech·qwen-tts:text→speechPOST /v1/audio/speech·qwen-tts-latest:text→speech- Jaká pole požadavek používá?
POST /v1/audio/speech·qwen-audio-3.0-tts-plus:model,input,voice,response_format,sample_ratePOST /v1/audio/speech·qwen-tts:model,input,voice,response_format,sample_ratePOST /v1/audio/speech·qwen-tts-latest:model,input,voice,response_format,sample_rate- Jaké limity platí?
POST /v1/audio/speech·qwen-audio-3.0-tts-plus:input.maximum_length:600POST /v1/audio/speech·qwen-tts:input.maximum_length:600POST /v1/audio/speech·qwen-tts-latest:input.maximum_length:600