qwen-audio-3.0-tts-plus
Μοντέλο εκφραστικής σύνθεσης ομιλίας από κείμενο για βίντεο, ηχητικά βιβλία και φωνητικό υλικό. Υποστηρίζει έλεγχο του τρόπου εκφοράς και επιλογή έτοιμης φωνής ή φωνής που έχει δημιουργηθεί βάσει δείγματος.
- Ailoot · Σύνθεση ομιλίας
POST /v1/audio/speechqwen-audio-3.0-tts-plus - Ailoot · Σύνθεση ομιλίας
POST /v1/audio/speechqwen-tts - Ailoot · Σύνθεση ομιλίας
POST /v1/audio/speechqwen-tts-latest
Σχετικά με το μοντέλο
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Qwen-Audio-3.0-TTS-Plus μετατρέπει το κείμενο σε εκφραστική ομιλία. Η Alibaba το σχεδιάζει για επαγγελματική εκφώνηση περιεχομένου, ηχητικών βιβλίων, βίντεο και υλικού με αναγνωρίσιμο χαρακτήρα φωνής. Δέχεται κείμενο και παράγει ήχο· υποστηρίζεται επίσης η τμηματική έξοδος ήχου κατά τη σύνθεση.
Ο τρόπος ομιλίας ως μέρος των οδηγιών
Η απόδοση μπορεί να καθορίζεται με οδηγίες φυσικής γλώσσας και λεπτομερείς σημάνσεις ελέγχου. Ορίζουν το συναίσθημα, τον τόνο, τον χαρακτήρα, τον ρυθμό, την ένταση και το ύφος της ομιλίας. Έτσι μπορεί να καθοδηγηθεί η εκφορά της ίδιας φράσης: από ήρεμη αφήγηση έως πιο ενεργητική ή συναισθηματική απόδοση.
Η εκφραστικότητα συνδέεται με την επιλεγμένη φωνή και το περιεχόμενο του κειμένου. Για σταθερή προφορά, η γλώσσα του υλικού πρέπει να αντιστοιχεί στις γλώσσες που υποστηρίζει η φωνή. Το μοντέλο προορίζεται για εκφώνηση γραπτού υλικού· η ανάλυση του νοήματος μιας συνομιλίας και η απομαγνητοφώνηση αρχικής ηχογράφησης ανήκουν σε άλλες εργασίες ήχου.
Έτοιμη φωνή και φωνή βάσει δείγματος
Υπάρχουν δύο φωνές του συστήματος: μια ζεστή γυναικεία και μια εύθυμη ανδρική. Υποστηρίζουν κινεζικά και αγγλικά. Πέρα από αυτές, προβλέπονται περισσότερες από 500 βασικές φωνές και δυνατότητα αναδημιουργίας φωνής βάσει δείγματος ομιλίας. Ο κατασκευαστής συνιστά τις φωνές του συστήματος όταν απαιτείται σταθερότητα στον ήχο.
Η φωνή που δημιουργείται βάσει δείγματος υποστηρίζει κινεζικά με τοπικές παραλλαγές προφοράς, αγγλικά, γαλλικά, γερμανικά, ιαπωνικά, κορεατικά, ρωσικά, πορτογαλικά, ταϊλανδικά, ινδονησιακά, βιετναμέζικα, ιταλικά, ισπανικά, μαλαϊκά, φιλιππινικά και αραβικά. Αυτή είναι γλωσσική δυνατότητα της συγκεκριμένης λειτουργίας· δεν μεταφέρεται αυτόματα σε κάθε έτοιμη φωνή.
Οι απαιτήσεις για το δείγμα αφορούν ξεχωριστό τρόπο δημιουργίας φωνής στην υπηρεσία του κατασκευαστή· κατά τη σύνθεση ομιλίας χρησιμοποιείται ήδη προετοιμασμένη φωνή. Η προετοιμασμένη φωνή πρέπει να είναι συμβατή με το επιλεγμένο μοντέλο σύνθεσης ομιλίας: στην υπηρεσία του κατασκευαστή η χρήση φωνής άλλου μοντέλου προκαλεί σφάλμα σύνθεσης. Συνιστάται δείγμα καθαρής ομιλίας διάρκειας 10–20 δευτερολέπτων. Το συνολικό όριο είναι 60 δευτερόλεπτα και 10 MB· απαιτούνται τουλάχιστον πέντε δευτερόλεπτα συνεχούς ομιλίας. Υποστηρίζονται WAV με αναπαράσταση 16 bit, MP3 και M4A, με συχνότητα τουλάχιστον 16 kHz. Επιτρέπονται ένα ή δύο κανάλια, αλλά στην περίπτωση δύο καναλιών χρησιμοποιείται το πρώτο.
Το δείγμα ομιλίας πρέπει να περιέχει μία φωνή, χωρίς ανθρώπους που μιλούν ταυτόχρονα, μουσική ή τραγούδι. Στις απαιτήσεις του κατασκευαστή, οι σύντομες παύσεις στο δείγμα περιορίζονται σε δύο δευτερόλεπτα. Αυτό βοηθά να απομονωθούν η χροιά και τα χαρακτηριστικά της προφοράς που χρειάζονται για τη μετέπειτα σύνθεση. Ο έλεγχος της εκφοράς και η αναδημιουργία φωνής βάσει δείγματος περιγράφουν διαφορετικές πτυχές της λειτουργίας του μοντέλου και μπορούν να χρησιμοποιηθούν για την προετοιμασία του ήχου του ίδιου υλικού.
Ailoot · Σύνθεση ομιλίας POST /v1/audio/speech qwen-audio-3.0-tts-plus
qwen-audio-3.0-tts-plusqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Εισαγωγή
Μοντέλο εκφραστικής σύνθεσης ομιλίας από κείμενο για βίντεο, ηχητικά βιβλία και φωνητικό υλικό. Υποστηρίζει έλεγχο του τρόπου εκφοράς και επιλογή έτοιμης φωνής ή φωνής που έχει δημιουργηθεί βάσει δείγματος.
- Αποδεκτές είσοδοι
- Κείμενο
- Αποτελέσματα
- speech
Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι
Ailoot · Σύνθεση ομιλίας POST /v1/audio/speech
- Είσοδος
text- Έξοδος
speech- Μορφή εξόδου
- επιλεγμένη μορφή mp3/wav/pcm
| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια qwen-audio-3.0-tts-plus | Προεπιλογή— |
Πεδίοinput | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο μήκος: 1 Μέγιστο μήκος: 600 Μονάδα: χαρακτήρες Unicode | Προεπιλογή— |
Πεδίοvoice | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Παραδείγματα: longanlingxin, longanlufeng Αποδεκτό προσαρμοσμένο μοτίβο: ^qwen-audio-3\.0-tts-plus- Συνθήκες: Γίνονται δεκτά πραγματικά προσαρμοσμένα ID φωνών με το ακριβές πρόθεμα qwen-audio-3.0-tts-plus-. | Προεπιλογήlonganlingxin |
Πεδίοresponse_format | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια mp3, wav, pcm | Προεπιλογήmp3 |
Πεδίοsample_rate | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια 16.000, 24.000, 48.000 Μονάδα: Hz | Προεπιλογή24.000 |
Συνδυασμοί υλικών εισόδου
text_to_speech · Υποχρεωτικό: input
Παράμετροι και κύκλος ζωής μεθόδου
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςrequired | Σύμβασηnull |
Παράμετροςoptional_controls | Σύμβασηnull |
Κύκλος ζωής: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Το πραγματικό task_id που επιστράφηκε ή μια εγγραφή στη βιβλιοθήκη πολυμέσων
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.
Τιμολόγηση
Χρεώσεις μεθόδων Ailoot
POST /v1/audio/speech- Είσοδος
- 20,00 $ ανά 1 εκατομμύριο χαρακτήρες
- Έξοδος
- 0,00 $ ανά αίτημα
20,00 $ ανά 1 εκατ. προσμετρούμενους χαρακτήρες. Ένα ιδεόγραμμα CJK προσμετράται ως 2 χαρακτήρες: 40,00 $ ανά 1 εκατ. ιδεογράμματα. Βάρος των υπόλοιπων χαρακτήρων Unicode: 1. Ήχος εξόδου: 0,00 $.
Ακριβής καταμέτρηση υπό όρους από τον κατάλογο
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Παραδείγματα αιτημάτων
Ailoot · Σύνθεση ομιλίας
set -eu
: "${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
Λήψη και αποθήκευση αποτελεσμάτων
Ailoot · Σύνθεση ομιλίας
επιλεγμένη μορφή mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε ολόκληρο το δυαδικό αποτέλεσμα και τις κεφαλίδες. Αν επιστραφεί JSON ή επιστραφούν πολλαπλές έξοδοι, διατηρήστε κάθε στοιχείο δεδομένων και ανακτήστε κάθε πραγματικό υπογεγραμμένο URL πόρου.
Αν χρειάζεται έλεγχος της αρχικής απάντησης
Διατηρήστε το αρχικό operation_id/X-Client-Request-ID για τη συμφωνία των εγγραφών χωρίς νέα υποβολή· δεν υπάρχει ειδική διαδρομή περιοδικού ελέγχου για τον ήχο.
Πεδία απάντησης
| Πεδίο | Τύπος |
|---|---|
Πεδίοbinary audio | Τύποςbytes |
Πεδίοresponse headers | Τύποςheaders |
Σφάλματα και επόμενα βήματα
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Απάντησηserver_error | ΣυνθήκηΗ απόκριση που επιστράφηκε αναφέρει ότι η λειτουργία ή το αποτέλεσμα χρειάζεται έλεγχο | Επόμενο βήμαΔιατηρήστε το αρχικό ID της λειτουργίας/εργασίας που επιστράφηκε, τις κεφαλίδες του αιτήματος και την απόκριση· συνεχίστε με τις υποστηριζόμενες αναγνώσεις αυτής της αρχικής λειτουργίας. Μην υποβάλετε ξανά το αίτημα δημιουργίας. |
Εναλλακτικά ονόματα
Εναλλακτικά ονόματα μοντέλου
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Εναλλακτικές διαδρομές μεθόδων
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Σχετικά ID μοντέλων
Ailoot · Σύνθεση ομιλίας POST /v1/audio/speech qwen-tts
qwen-ttsqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Εισαγωγή
Μοντέλο εκφραστικής σύνθεσης ομιλίας από κείμενο για βίντεο, ηχητικά βιβλία και φωνητικό υλικό. Υποστηρίζει έλεγχο του τρόπου εκφοράς και επιλογή έτοιμης φωνής ή φωνής που έχει δημιουργηθεί βάσει δείγματος.
- Αποδεκτές είσοδοι
- Κείμενο
- Αποτελέσματα
- speech
Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι
Ailoot · Σύνθεση ομιλίας POST /v1/audio/speech
- Είσοδος
text- Έξοδος
speech- Μορφή εξόδου
- επιλεγμένη μορφή mp3/wav/pcm
| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια qwen-tts | Προεπιλογή— |
Πεδίοinput | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο μήκος: 1 Μέγιστο μήκος: 600 Μονάδα: χαρακτήρες Unicode | Προεπιλογή— |
Πεδίοvoice | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Παραδείγματα: longanlingxin, longanlufeng Αποδεκτό προσαρμοσμένο μοτίβο: ^qwen-audio-3\.0-tts-plus- Συνθήκες: Γίνονται δεκτά πραγματικά προσαρμοσμένα ID φωνών με το ακριβές πρόθεμα qwen-audio-3.0-tts-plus-. | Προεπιλογήlonganlingxin |
Πεδίοresponse_format | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια mp3, wav, pcm | Προεπιλογήmp3 |
Πεδίοsample_rate | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια 16.000, 24.000, 48.000 Μονάδα: Hz | Προεπιλογή24.000 |
Συνδυασμοί υλικών εισόδου
text_to_speech · Υποχρεωτικό: input
Παράμετροι και κύκλος ζωής μεθόδου
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςrequired | Σύμβασηnull |
Παράμετροςoptional_controls | Σύμβασηnull |
Κύκλος ζωής: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Το πραγματικό task_id που επιστράφηκε ή μια εγγραφή στη βιβλιοθήκη πολυμέσων
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.
Τιμολόγηση
Χρεώσεις μεθόδων Ailoot
POST /v1/audio/speech- Είσοδος
- 20,00 $ ανά 1 εκατομμύριο χαρακτήρες
- Έξοδος
- 0,00 $ ανά αίτημα
20,00 $ ανά 1 εκατ. προσμετρούμενους χαρακτήρες. Ένα ιδεόγραμμα CJK προσμετράται ως 2 χαρακτήρες: 40,00 $ ανά 1 εκατ. ιδεογράμματα. Βάρος των υπόλοιπων χαρακτήρων Unicode: 1. Ήχος εξόδου: 0,00 $.
Ακριβής καταμέτρηση υπό όρους από τον κατάλογο
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Παραδείγματα αιτημάτων
Ailoot · Σύνθεση ομιλίας
set -eu
: "${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
Λήψη και αποθήκευση αποτελεσμάτων
Ailoot · Σύνθεση ομιλίας
επιλεγμένη μορφή mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε ολόκληρο το δυαδικό αποτέλεσμα και τις κεφαλίδες. Αν επιστραφεί JSON ή επιστραφούν πολλαπλές έξοδοι, διατηρήστε κάθε στοιχείο δεδομένων και ανακτήστε κάθε πραγματικό υπογεγραμμένο URL πόρου.
Αν χρειάζεται έλεγχος της αρχικής απάντησης
Διατηρήστε το αρχικό operation_id/X-Client-Request-ID για τη συμφωνία των εγγραφών χωρίς νέα υποβολή· δεν υπάρχει ειδική διαδρομή περιοδικού ελέγχου για τον ήχο.
Πεδία απάντησης
| Πεδίο | Τύπος |
|---|---|
Πεδίοbinary audio | Τύποςbytes |
Πεδίοresponse headers | Τύποςheaders |
Σφάλματα και επόμενα βήματα
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Απάντησηserver_error | ΣυνθήκηΗ απόκριση που επιστράφηκε αναφέρει ότι η λειτουργία ή το αποτέλεσμα χρειάζεται έλεγχο | Επόμενο βήμαΔιατηρήστε το αρχικό ID της λειτουργίας/εργασίας που επιστράφηκε, τις κεφαλίδες του αιτήματος και την απόκριση· συνεχίστε με τις υποστηριζόμενες αναγνώσεις αυτής της αρχικής λειτουργίας. Μην υποβάλετε ξανά το αίτημα δημιουργίας. |
Εναλλακτικά ονόματα
Εναλλακτικά ονόματα μοντέλου
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Εναλλακτικές διαδρομές μεθόδων
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Σχετικά ID μοντέλων
Ailoot · Σύνθεση ομιλίας POST /v1/audio/speech qwen-tts-latest
qwen-tts-latestqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Εισαγωγή
Μοντέλο εκφραστικής σύνθεσης ομιλίας από κείμενο για βίντεο, ηχητικά βιβλία και φωνητικό υλικό. Υποστηρίζει έλεγχο του τρόπου εκφοράς και επιλογή έτοιμης φωνής ή φωνής που έχει δημιουργηθεί βάσει δείγματος.
- Αποδεκτές είσοδοι
- Κείμενο
- Αποτελέσματα
- speech
Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι
Ailoot · Σύνθεση ομιλίας POST /v1/audio/speech
- Είσοδος
text- Έξοδος
speech- Μορφή εξόδου
- επιλεγμένη μορφή mp3/wav/pcm
| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια qwen-tts-latest | Προεπιλογή— |
Πεδίοinput | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο μήκος: 1 Μέγιστο μήκος: 600 Μονάδα: χαρακτήρες Unicode | Προεπιλογή— |
Πεδίοvoice | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Παραδείγματα: longanlingxin, longanlufeng Αποδεκτό προσαρμοσμένο μοτίβο: ^qwen-audio-3\.0-tts-plus- Συνθήκες: Γίνονται δεκτά πραγματικά προσαρμοσμένα ID φωνών με το ακριβές πρόθεμα qwen-audio-3.0-tts-plus-. | Προεπιλογήlonganlingxin |
Πεδίοresponse_format | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια mp3, wav, pcm | Προεπιλογήmp3 |
Πεδίοsample_rate | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια 16.000, 24.000, 48.000 Μονάδα: Hz | Προεπιλογή24.000 |
Συνδυασμοί υλικών εισόδου
text_to_speech · Υποχρεωτικό: input
Παράμετροι και κύκλος ζωής μεθόδου
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςmaterial_types | Σύμβασηtext |
Παράμετροςrequired | Σύμβασηnull |
Παράμετροςoptional_controls | Σύμβασηnull |
Κύκλος ζωής: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Το πραγματικό task_id που επιστράφηκε ή μια εγγραφή στη βιβλιοθήκη πολυμέσων
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.
Τιμολόγηση
Χρεώσεις μεθόδων Ailoot
POST /v1/audio/speech- Είσοδος
- 20,00 $ ανά 1 εκατομμύριο χαρακτήρες
- Έξοδος
- 0,00 $ ανά αίτημα
20,00 $ ανά 1 εκατ. προσμετρούμενους χαρακτήρες. Ένα ιδεόγραμμα CJK προσμετράται ως 2 χαρακτήρες: 40,00 $ ανά 1 εκατ. ιδεογράμματα. Βάρος των υπόλοιπων χαρακτήρων Unicode: 1. Ήχος εξόδου: 0,00 $.
Ακριβής καταμέτρηση υπό όρους από τον κατάλογο
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
Παραδείγματα αιτημάτων
Ailoot · Σύνθεση ομιλίας
set -eu
: "${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
Λήψη και αποθήκευση αποτελεσμάτων
Ailoot · Σύνθεση ομιλίας
επιλεγμένη μορφή mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε ολόκληρο το δυαδικό αποτέλεσμα και τις κεφαλίδες. Αν επιστραφεί JSON ή επιστραφούν πολλαπλές έξοδοι, διατηρήστε κάθε στοιχείο δεδομένων και ανακτήστε κάθε πραγματικό υπογεγραμμένο URL πόρου.
Αν χρειάζεται έλεγχος της αρχικής απάντησης
Διατηρήστε το αρχικό operation_id/X-Client-Request-ID για τη συμφωνία των εγγραφών χωρίς νέα υποβολή· δεν υπάρχει ειδική διαδρομή περιοδικού ελέγχου για τον ήχο.
Πεδία απάντησης
| Πεδίο | Τύπος |
|---|---|
Πεδίοbinary audio | Τύποςbytes |
Πεδίοresponse headers | Τύποςheaders |
Σφάλματα και επόμενα βήματα
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Απάντησηserver_error | ΣυνθήκηΗ απόκριση που επιστράφηκε αναφέρει ότι η λειτουργία ή το αποτέλεσμα χρειάζεται έλεγχο | Επόμενο βήμαΔιατηρήστε το αρχικό ID της λειτουργίας/εργασίας που επιστράφηκε, τις κεφαλίδες του αιτήματος και την απόκριση· συνεχίστε με τις υποστηριζόμενες αναγνώσεις αυτής της αρχικής λειτουργίας. Μην υποβάλετε ξανά το αίτημα δημιουργίας. |
Εναλλακτικά ονόματα
Εναλλακτικά ονόματα μοντέλου
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Εναλλακτικές διαδρομές μεθόδων
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Σχετικά ID μοντέλων
FAQ · qwen-audio-3.0-tts-plus
- Ποιες είσοδοι και αποτελέσματα διατίθενται;
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- Ποια πεδία χρησιμοποιεί το αίτημα;
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- Ποια όρια ισχύουν;
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