qwen-audio-3.0-tts-plus
Modèle de synthèse vocale expressive pour les vidéos, les livres audio et les contenus sonores. Il permet de contrôler la manière de parler et de choisir une voix prédéfinie ou créée à partir d’un échantillon.
- Ailoot · Synthèse vocale
POST /v1/audio/speechqwen-audio-3.0-tts-plus - Ailoot · Synthèse vocale
POST /v1/audio/speechqwen-tts - Ailoot · Synthèse vocale
POST /v1/audio/speechqwen-tts-latest
À propos du modèle
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Qwen-Audio-3.0-TTS-Plus transforme le texte en parole expressive. Alibaba le destine à la voix off professionnelle, aux livres audio, aux vidéos et aux contenus qui nécessitent une identité vocale reconnaissable. L’entrée est du texte et la sortie, de l’audio ; le son peut aussi être transmis progressivement pendant la synthèse.
La manière de parler dans les instructions
Le rendu peut être défini par des instructions en langage naturel et par des indications de contrôle détaillées. Elles déterminent l’émotion, le ton, le caractère, le rythme, le volume et le style de la parole. Une même phrase peut ainsi être orientée vers une narration calme ou un rendu plus énergique ou émotionnel.
L’expressivité dépend de la voix choisie et du contenu du texte. Pour une prononciation stable, la langue du texte doit correspondre aux langues prises en charge par la voix. Le modèle sert à donner une voix à un texte écrit ; l’analyse du sens d’une conversation et la transcription d’un enregistrement source relèvent d’autres tâches audio.
Voix prédéfinie et voix créée à partir d’un échantillon
Deux voix système sont proposées : une voix féminine chaleureuse et une voix masculine enjouée. Elles prennent en charge le chinois et l’anglais. Plus de 500 voix de base sont également prévues, ainsi que la reproduction d’une voix à partir d’un échantillon de parole. Le fabricant recommande les voix système lorsqu’une stabilité du rendu est nécessaire.
La voix créée à partir d’un échantillon prend en charge le chinois avec ses variantes régionales de prononciation, l’anglais, le français, l’allemand, le japonais, le coréen, le russe, le portugais, le thaï, l’indonésien, le vietnamien, l’italien, l’espagnol, le malais, le filipino et l’arabe. Cette capacité linguistique appartient au mode correspondant ; elle ne s’applique pas automatiquement à chaque voix prédéfinie.
Les exigences relatives à l’échantillon concernent une méthode distincte de création de voix chez le fabricant ; la synthèse utilise une voix déjà préparée. Cette voix doit correspondre au modèle de synthèse choisi : chez le fabricant, une voix d’un autre modèle provoque une erreur de synthèse. Un enregistrement de parole clair de 10–20 secondes est recommandé. La limite totale est de 60 secondes et de 10 Mo ; au moins cinq secondes de parole continue sont nécessaires. Les formats WAV sur 16 bits, MP3 et M4A sont pris en charge à une fréquence d’au moins 16 kHz. Un ou deux canaux sont admis, mais seul le premier est utilisé lorsqu’il y en a deux.
L’échantillon doit contenir une seule voix, sans personnes parlant simultanément, musique ni chant. Les exigences du fabricant limitent les courtes pauses de l’échantillon à deux secondes. Cela aide à isoler le timbre et les particularités de prononciation nécessaires à la synthèse ultérieure. Le contrôle du rendu et la reproduction d’une voix à partir d’un échantillon décrivent des aspects différents du modèle et peuvent servir à préparer la mise en voix d’un même contenu.
Ailoot · Synthèse vocale POST /v1/audio/speech qwen-audio-3.0-tts-plus
qwen-audio-3.0-tts-plusqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Pour commencer
Modèle de synthèse vocale expressive pour les vidéos, les livres audio et les contenus sonores. Il permet de contrôler la manière de parler et de choisir une voix prédéfinie ou créée à partir d’un échantillon.
- Entrées acceptées
- Texte
- Résultats
- speech
Disponible dans Ailoot · entrées et méthodes
Ailoot · Synthèse vocale POST /v1/audio/speech
- Entrée
text- Sortie
speech- Format de sortie
- format sélectionné : mp3/wav/pcm
| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen-audio-3.0-tts-plus | Par défaut— |
Champinput | Typestring | ExigenceObligatoire | Valeurs et limites Longueur minimale: 1 Longueur maximale: 600 Unité: caractères Unicode | Par défaut— |
Champvoice | Typestring | ExigenceFacultatif | Valeurs et limites Exemples : longanlingxin, longanlufeng Motif personnalisé accepté: ^qwen-audio-3\.0-tts-plus- Conditions: Les identifiants réels de voix personnalisées portant exactement le préfixe qwen-audio-3.0-tts-plus- sont acceptés. | Par défautlonganlingxin |
Champresponse_format | Typestring | ExigenceFacultatif | Valeurs et limites mp3, wav, pcm | Par défautmp3 |
Champsample_rate | Typeinteger | ExigenceFacultatif | Valeurs et limites 16 000, 24 000, 48 000 Unité: Hz | Par défaut24 000 |
Combinaisons d’éléments d’entrée
text_to_speech · Obligatoire : input
Paramètres et cycle de vie de la méthode
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext |
Paramètrerequired | Contratnull |
Paramètreoptional_controls | Contratnull |
Cycle de vie : synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effectivement renvoyé ou enregistrement de la bibliothèque multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Les structures des méthodes et les ID sont exacts ; la capacité du fournisseur est distincte de l’admission des requêtes.
Tarifs
Tarifs des méthodes Ailoot
POST /v1/audio/speech- Entrée
- 20,00 USD par 1 million de caractères
- Sortie
- 0,00 USD par requête
20,00 USD pour 1 million de caractères comptabilisés. Un idéogramme CJK compte pour 2 caractères comptabilisés : 40,00 USD pour 1 million d’idéogrammes. Poids des autres caractères Unicode : 1. Audio en sortie : 0,00 USD.
Règles exactes de comptabilisation conditionnelle du catalogue
{
"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 réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Exemples de requêtes
Ailoot · Synthèse vocale
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
Recevoir et enregistrer les résultats
Ailoot · Synthèse vocale
format sélectionné : mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Conserver tous les résultats terminés
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez le résultat binaire complet et les en-têtes. Si une réponse JSON ou plusieurs sorties sont renvoyées, conservez chaque élément de données et récupérez chaque ressource via son URL signée réelle.
Si la réponse d’origine doit être vérifiée
Conservez l’operation_id/X-Client-Request-ID d’origine pour le rapprochement sans nouvelle soumission ; aucune route dédiée à l’interrogation du statut audio.
Champs de la réponse
| Champ | Type |
|---|---|
Champbinary audio | Typebytes |
Champresponse headers | Typeheaders |
Erreurs et étapes suivantes
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Réponseserver_error | ConditionLa réponse renvoyée indique que l’opération ou le résultat nécessite une vérification | Étape suivanteConservez l’identifiant d’opération/de tâche initialement renvoyé, les en-têtes de la requête et la réponse ; poursuivez les lectures prises en charge de cette opération d’origine. Ne soumettez pas à nouveau la requête de création. |
Alias
Alias du modèle
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Alias des chemins de méthode
Utilisez les chemins de méthode indiqués ci-dessus.
ID d’appel associés
Ailoot · Synthèse vocale POST /v1/audio/speech qwen-tts
qwen-ttsqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Pour commencer
Modèle de synthèse vocale expressive pour les vidéos, les livres audio et les contenus sonores. Il permet de contrôler la manière de parler et de choisir une voix prédéfinie ou créée à partir d’un échantillon.
- Entrées acceptées
- Texte
- Résultats
- speech
Disponible dans Ailoot · entrées et méthodes
Ailoot · Synthèse vocale POST /v1/audio/speech
- Entrée
text- Sortie
speech- Format de sortie
- format sélectionné : mp3/wav/pcm
| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen-tts | Par défaut— |
Champinput | Typestring | ExigenceObligatoire | Valeurs et limites Longueur minimale: 1 Longueur maximale: 600 Unité: caractères Unicode | Par défaut— |
Champvoice | Typestring | ExigenceFacultatif | Valeurs et limites Exemples : longanlingxin, longanlufeng Motif personnalisé accepté: ^qwen-audio-3\.0-tts-plus- Conditions: Les identifiants réels de voix personnalisées portant exactement le préfixe qwen-audio-3.0-tts-plus- sont acceptés. | Par défautlonganlingxin |
Champresponse_format | Typestring | ExigenceFacultatif | Valeurs et limites mp3, wav, pcm | Par défautmp3 |
Champsample_rate | Typeinteger | ExigenceFacultatif | Valeurs et limites 16 000, 24 000, 48 000 Unité: Hz | Par défaut24 000 |
Combinaisons d’éléments d’entrée
text_to_speech · Obligatoire : input
Paramètres et cycle de vie de la méthode
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext |
Paramètrerequired | Contratnull |
Paramètreoptional_controls | Contratnull |
Cycle de vie : synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effectivement renvoyé ou enregistrement de la bibliothèque multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Les structures des méthodes et les ID sont exacts ; la capacité du fournisseur est distincte de l’admission des requêtes.
Tarifs
Tarifs des méthodes Ailoot
POST /v1/audio/speech- Entrée
- 20,00 USD par 1 million de caractères
- Sortie
- 0,00 USD par requête
20,00 USD pour 1 million de caractères comptabilisés. Un idéogramme CJK compte pour 2 caractères comptabilisés : 40,00 USD pour 1 million d’idéogrammes. Poids des autres caractères Unicode : 1. Audio en sortie : 0,00 USD.
Règles exactes de comptabilisation conditionnelle du catalogue
{
"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 réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Exemples de requêtes
Ailoot · Synthèse vocale
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
Recevoir et enregistrer les résultats
Ailoot · Synthèse vocale
format sélectionné : mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Conserver tous les résultats terminés
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez le résultat binaire complet et les en-têtes. Si une réponse JSON ou plusieurs sorties sont renvoyées, conservez chaque élément de données et récupérez chaque ressource via son URL signée réelle.
Si la réponse d’origine doit être vérifiée
Conservez l’operation_id/X-Client-Request-ID d’origine pour le rapprochement sans nouvelle soumission ; aucune route dédiée à l’interrogation du statut audio.
Champs de la réponse
| Champ | Type |
|---|---|
Champbinary audio | Typebytes |
Champresponse headers | Typeheaders |
Erreurs et étapes suivantes
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Réponseserver_error | ConditionLa réponse renvoyée indique que l’opération ou le résultat nécessite une vérification | Étape suivanteConservez l’identifiant d’opération/de tâche initialement renvoyé, les en-têtes de la requête et la réponse ; poursuivez les lectures prises en charge de cette opération d’origine. Ne soumettez pas à nouveau la requête de création. |
Alias
Alias du modèle
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Alias des chemins de méthode
Utilisez les chemins de méthode indiqués ci-dessus.
ID d’appel associés
Ailoot · Synthèse vocale POST /v1/audio/speech qwen-tts-latest
qwen-tts-latestqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Pour commencer
Modèle de synthèse vocale expressive pour les vidéos, les livres audio et les contenus sonores. Il permet de contrôler la manière de parler et de choisir une voix prédéfinie ou créée à partir d’un échantillon.
- Entrées acceptées
- Texte
- Résultats
- speech
Disponible dans Ailoot · entrées et méthodes
Ailoot · Synthèse vocale POST /v1/audio/speech
- Entrée
text- Sortie
speech- Format de sortie
- format sélectionné : mp3/wav/pcm
| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites qwen-tts-latest | Par défaut— |
Champinput | Typestring | ExigenceObligatoire | Valeurs et limites Longueur minimale: 1 Longueur maximale: 600 Unité: caractères Unicode | Par défaut— |
Champvoice | Typestring | ExigenceFacultatif | Valeurs et limites Exemples : longanlingxin, longanlufeng Motif personnalisé accepté: ^qwen-audio-3\.0-tts-plus- Conditions: Les identifiants réels de voix personnalisées portant exactement le préfixe qwen-audio-3.0-tts-plus- sont acceptés. | Par défautlonganlingxin |
Champresponse_format | Typestring | ExigenceFacultatif | Valeurs et limites mp3, wav, pcm | Par défautmp3 |
Champsample_rate | Typeinteger | ExigenceFacultatif | Valeurs et limites 16 000, 24 000, 48 000 Unité: Hz | Par défaut24 000 |
Combinaisons d’éléments d’entrée
text_to_speech · Obligatoire : input
Paramètres et cycle de vie de la méthode
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext |
Paramètrerequired | Contratnull |
Paramètreoptional_controls | Contratnull |
Cycle de vie : synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effectivement renvoyé ou enregistrement de la bibliothèque multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Les structures des méthodes et les ID sont exacts ; la capacité du fournisseur est distincte de l’admission des requêtes.
Tarifs
Tarifs des méthodes Ailoot
POST /v1/audio/speech- Entrée
- 20,00 USD par 1 million de caractères
- Sortie
- 0,00 USD par requête
20,00 USD pour 1 million de caractères comptabilisés. Un idéogramme CJK compte pour 2 caractères comptabilisés : 40,00 USD pour 1 million d’idéogrammes. Poids des autres caractères Unicode : 1. Audio en sortie : 0,00 USD.
Règles exactes de comptabilisation conditionnelle du catalogue
{
"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 réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Exemples de requêtes
Ailoot · Synthèse vocale
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
Recevoir et enregistrer les résultats
Ailoot · Synthèse vocale
format sélectionné : mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Conserver tous les résultats terminés
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez le résultat binaire complet et les en-têtes. Si une réponse JSON ou plusieurs sorties sont renvoyées, conservez chaque élément de données et récupérez chaque ressource via son URL signée réelle.
Si la réponse d’origine doit être vérifiée
Conservez l’operation_id/X-Client-Request-ID d’origine pour le rapprochement sans nouvelle soumission ; aucune route dédiée à l’interrogation du statut audio.
Champs de la réponse
| Champ | Type |
|---|---|
Champbinary audio | Typebytes |
Champresponse headers | Typeheaders |
Erreurs et étapes suivantes
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Réponseserver_error | ConditionLa réponse renvoyée indique que l’opération ou le résultat nécessite une vérification | Étape suivanteConservez l’identifiant d’opération/de tâche initialement renvoyé, les en-têtes de la requête et la réponse ; poursuivez les lectures prises en charge de cette opération d’origine. Ne soumettez pas à nouveau la requête de création. |
Alias
Alias du modèle
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Alias des chemins de méthode
Utilisez les chemins de méthode indiqués ci-dessus.
ID d’appel associés
FAQ · qwen-audio-3.0-tts-plus
- Quelles entrées et quels résultats sont disponibles ?
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- Quels champs la requête utilise-t-elle ?
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- Quelles limites s’appliquent ?
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