Source: https://ailoot.ai/models/da/qwen-qwen-audio-3-0-tts-plus/ Canonical: https://ailoot.ai/models/da/qwen-qwen-audio-3-0-tts-plus/ Language: da # Qwen: Qwen-Audio-3.0-TTS Plus [Markdown](https://ailoot.ai/models/da/qwen-qwen-audio-3-0-tts-plus/index.md) · [JSON](https://ailoot.ai/models/da/qwen-qwen-audio-3-0-tts-plus/facts.json) ## [Qwen: Qwen-Audio-3.0-TTS Plus](https://ailoot.ai/models/da/qwen-qwen-audio-3-0-tts-plus/) Qwen-Audio-3.0-TTS-Plus er Qwens tekst-til-tale-model med fokus på detaljeret, naturlig og udtryksfuld lyd til fortællerstemmer, lydbøger og dubbing. Den understøtter modelspecifikke forudindstillede eller klonede stemmer, streamingoutput og instruktioner eller tags til at forme fremførelsen. - [**Ailoot Ultra · Oplæsning** `POST /v1/audio/speech` `qwen/qwen-audio-3.0-tts-plus`](https://ailoot.ai/models/da/qwen-qwen-audio-3-0-tts-plus/#method-0) Om modellen Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode. Qwen-Audio-3.0-TTS-Plus omdanner skrevet tekst til udtryksfuld tale. Plus-versionen fokuserer på syntesekvalitet, naturlighed og detaljeret stemmeføring. Qwen angiver indholdsproduktion, lydbøger, film- og videodubbing og professionel taleproduktion som de vigtigste anvendelser. Modellens opdaterede profil beskriver bredere støtte til sprog med få træningsressourcer og kinesiske dialekter, forbedret dialektautenticitet og stærkere kontrol over følelse, tone, karakter, talehastighed, lydstyrke og stil. Producenten rapporterer også forbedret klarhed, opløsning og robusthed under støjende eller efterklangsprægede akustiske forhold. Plus er den kvalitetsorienterede version i denne tekst-til-tale-familie; Flash er særskilt rettet mod interaktion i realtid. Forbered en fortællerstemme som et talemanuskript med angivet målgruppe, tempo og følelsesmæssig retning. For et lydbogsafsnit kan en eksempelbeskrivelse bruge tydelig artikulation, et roligt tempo og afdæmpet varme; for en videofortællerstemme kan den bede om en alvorlig åbning efterfulgt af en mere energisk forklaring. Dette er fremførelsesvalg for de givne ord. Modellen er en talesyntesemodel, ikke en transskriptionstjeneste eller en generator af en komplet visuel scene. De officielle systemstemmer for Plus omfatter Long An Ling Xin, beskrevet som varm og empatisk, og Long An Lu Feng, beskrevet som lys og munter. Begge er angivet til mandarin og engelsk. Producenten leverer også mere end 500 basisstemmer til denne version med lydprøver, som kan vurderes før valget. Den anbefaler systemstemmer for mere ensartet syntese. Vælg en stemme fra den præcise Plus-liste, og tilpas manuskriptets sprog til den pågældende stemmes understøttede sprog; en Flash-stemme er ikke udskiftelig blot fordi den tilhører samme overordnede familie. Modellen understøtter stemmekloning ud fra en prøve. De dokumenterede sprog for klonede stemmer omfatter kinesisk, engelsk, japansk, koreansk, russisk, fransk, tysk, portugisisk, thai, indonesisk, vietnamesisk, spansk, italiensk, malajisk, filipino og arabisk. Kinesiske varianter omfatter mandarin, kantonesisk og dialekter fra Chongqing, det nordøstlige Kina, Gansu, Guizhou, Zhejiang, Hebei, Henan, Hubei, Hunan, Jiangxi, Ningbo, Ningxia, Qingdao, Shaanxi, Shanxi, Shandong, Shanghai, Sichuan og Yunnan. Dialekterne styres gennem instruktioner. Producentens modeltabel skelner kloning fra at skabe en stemme ud fra en tekstbeskrivelse: kloning understøttes for Plus, mens den separate stemmedesigntilstand ikke understøttes. En egnet kloningsreference er tydelig tale ved normal hastighed uden musik, baggrundsstøj, konkurrerende talere eller sang. Producenten anbefaler 10–20 sekunder og tillader op til 60 sekunder i en fil på højst 10 MB. Referenceformater er 16-bit WAV, MP3 og M4A med en samplingsfrekvens på mindst 16 kHz. Der kræves mindst fem sekunders sammenhængende tydelig tale, og de resterende pauser bør højst vare to sekunder. Ved stereo behandles kun den første kanal. Den oprettede stemmeidentifikator er bundet til Plus og bruges til syntese, når den er klar; gengivelse af samme reference gennem Flash kræver en særskilt oprettet Flash-stemme. Instruktioner på naturligt sprog kan forme tone, tempo, følelse og klangfarve for både systemstemmer og klonede stemmer. Brug konkrete beskrivelser af, hvordan stemmen skal lyde, frem for en vag anmodning om en god stemme. Følelsestags i manuskriptet kan fastlægge en stil, og tags til vokale effekter kan indsætte en stemmeeffekt et bestemt sted. For eksempel ændrer \[serious\] den efterfølgende fremførelse, mens \[sighing\] indsætter et suk uden at ændre den omgivende følelsesmæssige stil. Kontroltags gælder indtil næste kontroltag eller automatisk sætningssegmentering. Denne tagbaserede funktion er kun dokumenteret til envejsstreaming og har derfor en anden anvendelse end instruktioner med tovejs tekstinput. Producentens outputmuligheder er PCM, WAV, MP3 og Opus med angivne samplingsfrekvenser på 8.000, 16.000, 22.050, 24.000, 44.100 og 48.000 Hz. MP3 og 22.050 Hz er de dokumenterede standardvalg. Lydstyrken kan indstilles fra 0 til 100, og hastighed og tonehøjde fra 0,5 til 2,0; MP3 og Opus tillader desuden en bitrate fra 6 til 510 kbps. Vælg den repræsentation, der skal bruges til afspilning eller redigering, og hold indstillingerne ens på tværs af afsnittene i et længere værk. Streamingoutput indeholder lydframes og sætningsmetadata, med ordtidsstempler for stemmer, der understøtter funktionen, herunder klonede stemmer. Den dokumenterede WebSocket-arbejdsgang for tekstinput tillader 20.000 tegn pr. meddelelse og 200.000 tegn i alt og kræver et indsendelsesinterval på højst 23 sekunder. Den kan modtage et komplet manuskript eller ordnede tekstsegmenter og afsluttes, når input er komplet. Producenten dokumenterer også annullering af den aktuelle synteserunde. Dette er grænser og adfærd for protokollen, ikke et universelt loft over genereret varighed. Ved en lang fortællerstemme skal manuskriptet organiseres i sammenhængende afsnit, og rækkefølge og tekst bevares ved siden af den resulterende lyd, så værket kan samles og gennemgås ensartet. Til udtale tilbyder producenten hints om målsprog, pinyin-annoteringer og teksterstatninger for at håndtere uønsket oplæsning af cifre, forkortelser, symboler eller ord. SSML er en separat markup-tilstand med begrænsninger i understøttelsen: Qwens dokumentation understøtter den for klonede stemmer ved ikke-streamende eller envejsstreamende kald med kun én tekstindsendelse, når den er aktiveret. Det fastlægger ikke SSML for alle systemstemmer eller for tovejsstreaming. En praktisk Plus-arbejdsgang starter med en kompatibel stemme og et færdigt manuskript og tilføjer derefter præcise valg for fremførelse og udtale i det afsnit, der skal fortælles. **Ailoot Ultra · Oplæsning** `POST /v1/audio/speech` `qwen/qwen-audio-3.0-tts-plus` [`qwen/qwen-audio-3.0-tts-plus`](https://ailoot.ai/models/da/#m=qwen%2Fqwen-audio-3.0-tts-plus&route=Ultra&caller=qwen%2Fqwen-audio-3.0-tts-plus&fmt=speech) Alibaba /`qwen/qwen-audio-3.0-tts-plus` ### Start Qwen-Audio-3.0-TTS-Plus er Qwens tekst-til-tale-model med fokus på detaljeret, naturlig og udtryksfuld lyd til fortællerstemmer, lydbøger og dubbing. Den understøtter modelspecifikke forudindstillede eller klonede stemmer, streamingoutput og instruktioner eller tags til at forme fremførelsen. Accepterede input Tekst Resultater Lyd ### Tilgængelig i Ailoot · input og metoder **Ailoot Ultra · Oplæsning** `POST /v1/audio/speech` Inputtyper `text` Outputtyper `audio` Outputformat mp3 | Felt | Type | Krav | Værdier og grænser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrævet | Værdier og grænser qwen/qwen-audio-3.0-tts-plus | Standard— | | Felt`input` | Type`string` | KravPåkrævet | Værdier og grænser Minimumslængde: 1 Enhed: Unicode-tegn | Standard— | | Felt`voice` | Type`string` | KravPåkrævet | Værdier og grænser longanlingxin, longanlufeng | Standard— | | Felt`response_format` | Type`string` | KravPåkrævet | Værdier og grænser mp3 | Standard— | Kombinationer af inputmaterialer **text\_to\_speech** · Påkrævet: input Metodeparametre og livscyklus | Parameter | Kontrakt | | --- | --- | | Parameter`content_type` | Kontraktapplication/json | | Parameter`required` | Kontraktmodel, input, voice, response\_format | | Parameter`voice_ids` | Kontraktlonganlingxin, longanlufeng | | Parameter`response_format` | Kontraktmp3 | | Parameter`max_input_characters` | Kontraktnull | | Parameter`other_options` | Kontraktfalse | | Parameter`input` | Kontraktpræcis UTF-8-tekst; antal Unicode-tegn uden normalisering | | Parameter`material_types` | Kontrakttext | Livscyklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · det faktisk returnerede task\_id eller posten i mediebiblioteket `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Vælg den præcise stemme fra denne modelprofil. Inputtegn og lydsekunder er forskellige måleenheder. ### Priser Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode. Hurtig tilstand Ikke angivet Når hurtig tilstand er valgt flex-tilstand Ikke angivet Når flex-tilstanden er valgt Maksimal ræsonneringsindsats Ikke angivet Når default-justeringen anvendes ved maksimal ræsonneringsindsats #### Ailoot-takster #### Priser efter konfiguration Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer. | Konfiguration | Takstplan | Afregningsmængde | Afregningsenhed | Beløb | | --- | --- | --- | --- | --- | | KonfigurationGrundpriser for tokens | TakstplanGrundtakst | Afregningsmængde— | Afregningsenhed— | Beløb Input · Inputtokens **—** / 1K tokens Output · Outputtokens **—** / 1K tokens Input · Cachelæsning **—** / 1K tokens Input · Cacheskrivning **—** / 1K tokens Input · Cacheskrivning, 1 time **—** / 1K tokens | | KonfigurationUltra | Takstplan— | AfregningsmængdeHvert Unicode-kodepunkt tæller som ét tegn, herunder Han-tegn. | Afregningsenhedpr. 1K inputtegn | Beløb Input · inputtegn **$0.04** pr. 1K inputtegn | #### Detaljer om referencetariffen Referenceplaner på modelniveau ændrer ikke metodevalg, prisoverslag eller opkrævninger. Ved den aktive afregning anvendes taksterne for den valgte Ailoot-metode. Qwen: Qwen-Audio-3.0-TTS Plus #### Priser efter konfiguration | Konfiguration | Afregningsbetingelser | Beløb | | --- | --- | --- | | KonfigurationQwen: Qwen-Audio-3.0-TTS Plus · Standardkonfiguration | AfregningsbetingelserStandardkonfiguration | Beløb Input · Inputtegn **0,00004 US$** pr. inputtegn | Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. [Sådan fungerer reservation og afregning →](https://ailoot.ai/docs/da/billing/reserve/) ### Eksempelanmodninger #### Ailoot Ultra · Oplæsning curl ```bash 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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o speech.mp3 ``` ### Hent og gem resultater #### Ailoot Ultra · Oplæsning mp3 - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Læsning af andet indhold MediebibliotekOpgavestatusFildetaljer ```bash set -eu : "${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 $AILOOT_API_KEY" -o media-assets.json ``` ```bash set -eu : "${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 $AILOOT_API_KEY" -o media-task.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("media-task.json").read_text()))) PY_RESULT ``` ```bash set -eu : "${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 ``` ##### Behold alle færdige resultater Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel. Gem hele det binære resultat og alle headere. Hvis der returneres JSON eller flere output, skal du gemme hvert dataelement og hente alle de faktiske signerede asset-URL'er. ##### Hvis det oprindelige svar skal kontrolleres Gem det oprindelige operation\_id/X-Client-Request-ID til afstemning uden genindsendelse; der er ingen særskilt rute til polling af lyd. Svarfelter | Felt | Type | | --- | --- | | Felt`binary audio` | Typebytes | | Felt`response headers` | Typeheaders | Fejl og næste trin | Svar | Betingelse | Næste trin | | --- | --- | --- | | Svar400 · `invalid_request_error` | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. | | Svar`server_error` | BetingelseDet returnerede svar angiver, at operationen eller resultatet skal kontrolleres | Næste trinGem det oprindeligt returnerede operations-/opgave-ID, anmodningens headere og svaret; fortsæt med de understøttede læseanmodninger for den oprindelige operation. Send ikke oprettelsesanmodningen igen. | ### Aliaser #### Modelaliaser **Ailoot Ultra** [`qwen/qwen-audio-3.0-tts-plus`](https://ailoot.ai/models/da/#m=qwen%2Fqwen-audio-3.0-tts-plus&route=Ultra&caller=qwen%2Fqwen-audio-3.0-tts-plus&fmt=speech) #### Aliaser for metodestier Brug metodestierne vist ovenfor. #### Relaterede kalder-ID’er [`qwen/qwen-audio-3.0-tts-plus`](https://ailoot.ai/models/da/#m=qwen%2Fqwen-audio-3.0-tts-plus&route=Ultra&caller=qwen%2Fqwen-audio-3.0-tts-plus&fmt=speech) FAQ · Qwen: Qwen-Audio-3.0-TTS Plus Hvilke input og resultater er tilgængelige? `POST /v1/audio/speech` · `qwen/qwen-audio-3.0-tts-plus`: `text` → `audio` Hvilke felter bruger anmodningen? `POST /v1/audio/speech` · `qwen/qwen-audio-3.0-tts-plus`: `model`, `input`, `voice`, `response_format` Tilslut Ailoot til Claude Code, OpenCode, Hermes eller din egen applikation. ## Virksomheden og dens projektportefølje Virksomheden og dens projektportefølje: millioner af kunder; månedligt salg for milliarder. ## Køb tokens med rabat. Abonnementsrabat til regelmæssigt arbejde. Rabatkoder giver op til 50% på tokenkøb. Abonnement Vælg et abonnement med rabat til dine regelmæssige anmodninger. Rabatkode på op til 50% Indtast koden ved købet. Prisen genberegnes efter den aktuelle kampagne. Udgifter i historikken Model, tokens og beløb gemmes for hver anmodning. [Vælg abonnement](https://ailoot.ai/docs/da/billing/subscriptions/) · [Se modelpriser](https://ailoot.ai/models/da/) ## Tilslut API’et til produktet, du sælger. SaaS, apps og bots efter Ailoots tilbudsvilkår og licensaftale. Anmod om en forhandlerlicens til videresalg. Kommerciel applikation Byg generering af tekst, billeder, video og lyd ind i tjenestens betalte funktioner. Licens til forhandlere Send projektbeskrivelse og adgangsmodel. Bed om skriftlige vilkår for anvendelse og videresalg. Dokumenter på websitet Tilbudsvilkår, licensaftale og politik for behandling af data kan læses før tilslutning. [Anmod om forhandlerlicens](mailto:support@ailoot.ai) · [Tilbudsvilkår og licensaftale](https://ailoot.ai/legal/offer?lang=da) ## Ailoot · Virksomheden og dens projektportefølje Ailoot bygger på solid driftserfaring, en stor kundebase, stabil service og løbende kontrol af KPI. Virksomheden og dens projektportefølje: millioner af kunder; månedligt salg for milliarder. Ailoot bruger denne driftserfaring til API-adgang til AI-funktioner i kundernes produkter, agenter, applikationer og automatiseringer.