Source: https://ailoot.ai/models/fr-ch/qwen-qwen-audio-3-0-tts-flash/ Canonical: https://ailoot.ai/models/fr-ch/qwen-qwen-audio-3-0-tts-flash/ Language: fr-ch # Qwen: Qwen-Audio-3.0-TTS Flash [Markdown](https://ailoot.ai/models/fr-ch/qwen-qwen-audio-3-0-tts-flash/index.md) · [JSON](https://ailoot.ai/models/fr-ch/qwen-qwen-audio-3-0-tts-flash/facts.json) ## [Qwen: Qwen-Audio-3.0-TTS Flash](https://ailoot.ai/models/fr-ch/qwen-qwen-audio-3-0-tts-flash/) Qwen-Audio-3.0-TTS-Flash est le modèle de synthèse vocale de Qwen axé sur les assistants vocaux réactifs et le dialogue interactif. Il associe synthèse en streaming, voix prédéfinies ou clonées propres au modèle et instructions ou balises pour une parole expressive. - [**Ailoot Ultra · Synthèse vocale** `POST /v1/audio/speech` `qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/fr-ch/qwen-qwen-audio-3-0-tts-flash/#method-0) 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-Flash convertit un texte fourni en parole, l’édition Flash étant axée sur l’interaction en temps réel. Qwen présente les assistants vocaux, le dialogue interactif et le service client intelligent comme ses principales applications. Par rapport à la version précédente, le fabricant décrit une prise en charge élargie des langues peu dotées en ressources et des dialectes chinois, une expression dialectale plus authentique et un meilleur contrôle de l’émotion, du ton, du personnage, de la vitesse, du volume et du style de parole. Il indique également une clarté et une robustesse accrues dans des conditions acoustiques bruyantes ou réverbérantes. Il s’agit d’une synthèse de texte en audio, et non de la reconnaissance de la parole entrante ou d’un modèle de dialogue vocal. Flash privilégie le démarrage de la parole dans un échange interactif. Qwen annonce pour la synthèse en temps réel de ce modèle une latence du premier paquet ne dépassant pas 200 millisecondes ; son guide d’utilisation précise également que l’établissement initial de la connexion contribue au délai mesuré lors du premier envoi. Préparez séparément les mots à prononcer et la manière souhaitée de les dire. Pour la réponse d’un assistant vocal, un exemple de consigne pourrait associer une réponse concise à une instruction demandant une diction calme et claire. Le résultat attendu est la parole générée à partir de ce texte, l’application se chargeant de la lecture audio et de la conversation qui l’entoure. La liste des voix système du fabricant comprend des options propres au modèle, comme Long An Feng Yue pour une diction naturelle et amicale et Long An Xiao Xin pour une diction amicale et enjouée, toutes deux proposées en mandarin et en anglais. Elle comprend aussi des voix anglaises telles que loongmary, à l’accent britannique, et loongjohn, à l’accent américain calme et amical. Chaque modèle dispose en outre de plus de 500 voix de base. Qwen recommande de commencer par les voix système pour assurer la cohérence et d’écouter les aperçus pour choisir une voix de base. Une voix doit appartenir au modèle sélectionné, et le texte doit être dans une langue prise en charge par cette voix. Les voix clonées élargissent l’éventail de langues documenté au chinois, à l’anglais, au japonais, au coréen, au russe, au français, à l’allemand, au portugais, au thaï, à l’indonésien, au vietnamien, à l’espagnol, à l’italien, au malais, au filipino et à l’arabe. Pour le chinois, la couverture comprend le mandarin, le cantonais et les variétés de Chongqing, du Nord-Est, du Gansu, du Guizhou, du Zhejiang, du Hebei, du Henan, du Hubei, du Hunan, du Jiangxi, de Ningbo, du Ningxia, de Qingdao, du Shaanxi, du Shanxi, du Shandong, de Shanghai, du Sichuan et du Yunnan ; le choix du dialecte se fait par des instructions. Le tableau des modèles prend en charge le clonage vocal à partir d’un échantillon et le distingue de la création d’une nouvelle voix à partir d’une simple description textuelle, que cette édition ne prend pas en charge. Pour le clonage, le fabricant recommande un enregistrement de 10–20 secondes, avec un maximum de 60 secondes et une taille de fichier ne dépassant pas 10 MB. Les formats de référence pris en charge sont WAV 16 bits, MP3 et M4A, avec une fréquence d’échantillonnage d’au moins 16 kHz. L’enregistrement doit contenir au moins cinq secondes de parole claire et continue ; les autres pauses ne doivent pas dépasser deux secondes. Évitez les bruits de fond, les autres voix et le chant. La stéréo est acceptée, mais seul le premier canal est traité. Le processus de clonage renvoie un identifiant de voix lié au modèle cible exact, que la synthèse utilise une fois la voix prête. Un même enregistrement nécessite des voix clonées distinctes pour Flash et Plus. Les instructions en langage naturel contrôlent la diction des voix système comme des voix clonées. Décrivez des qualités audibles, par exemple un ton doux, une articulation claire ou un débit légèrement plus lent. Les balises intégrées au texte offrent un autre type de contrôle : \[empathetic\] ou \[serious\] définit un style pour le texte qui suit, tandis que \[laughing\] ou \[sighing\] insère un effet vocal à un emplacement précis. Une balise de contrôle reste active jusqu’à une autre balise de contrôle ou jusqu’à la segmentation automatique des phrases. Ces balises émotionnelles et d’enrichissement de la parole ne sont documentées que pour le streaming unidirectionnel, et non pour le mode de saisie de texte bidirectionnel. Préparez une phrase expressive dans le mode adapté à ces commandes. L’interface vocale du fabricant prend en charge PCM, WAV, MP3 et Opus. Les fréquences d’échantillonnage indiquées sont 8 000, 16 000, 22 050, 24 000, 44 100 et 48 000 Hz, avec MP3 et 22 050 Hz comme valeurs par défaut. Le volume va de 0 à 100 ; le débit de parole et la hauteur tonale vont chacun de 0,5 à 2,0. MP3 et Opus proposent aussi un réglage du débit binaire de 6 à 510 kbps. Choisissez un format et une fréquence d’échantillonnage adaptés au lecteur ou au processus de traitement prévu. Pour une application interactive, le fabricant documente des trames audio en streaming et des métadonnées de phrases, avec des horodatages au niveau des mots disponibles dans la sortie en streaming pour les voix compatibles, y compris les voix clonées. Le protocole textuel WebSocket documenté accepte jusqu’à 20 000 caractères dans un message texte et 200 000 caractères cumulés dans une tâche, avec au plus 23 secondes entre les envois. Il s’agit de limites du protocole du fabricant, distinctes d’une limite universelle de durée audio produite par le modèle. Il permet d’annuler le tour de synthèse en cours et de lancer une tâche ultérieure sur la même connexion. Conservez les segments de texte dans l’ordre où ils doivent être prononcés et terminez la saisie une fois le texte complet. Pour préparer la prononciation, le fabricant documente des indications de langue cible, des annotations en pinyin et des substitutions de texte, utiles lorsque des chiffres, des abréviations ou des symboles sont prononcés de manière inattendue. SSML est une option de balisage distincte soumise à des conditions de voix et de mode d’interaction : Qwen la documente pour les voix clonées, avec des appels sans streaming ou en streaming unidirectionnel, et un seul envoi de texte lorsque SSML est activé. Il ne faut pas supposer sa prise en charge pour toutes les voix prédéfinies ni pour tous les flux bidirectionnels. Pour un dialogue ordinaire, commencez par une voix compatible, un texte à prononcer propre et une instruction de diction précise ; ajoutez des commandes ciblées de prononciation ou d’expression lorsque la tâche l’exige. Le profil Flash reste ainsi centré sur une parole réactive à partir d’un texte préparé, plutôt que sur les capacités d’autres modèles audio Qwen. **Ailoot Ultra · Synthèse vocale** `POST /v1/audio/speech` `qwen/qwen-audio-3.0-tts-flash` [`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/fr-ch/#m=qwen%2Fqwen-audio-3.0-tts-flash&route=Ultra&caller=qwen%2Fqwen-audio-3.0-tts-flash&fmt=speech) Alibaba /`qwen/qwen-audio-3.0-tts-flash` ### Premiers pas Qwen-Audio-3.0-TTS-Flash est le modèle de synthèse vocale de Qwen axé sur les assistants vocaux réactifs et le dialogue interactif. Il associe synthèse en streaming, voix prédéfinies ou clonées propres au modèle et instructions ou balises pour une parole expressive. Entrées acceptées Texte Résultats Audio ### Disponible dans Ailoot · entrées et méthodes **Ailoot Ultra · Synthèse vocale** `POST /v1/audio/speech` Entrée `text` Sortie `audio` Format de sortie mp3 | Champ | Type | Exigence | Valeurs et limites | Par défaut | | --- | --- | --- | --- | --- | | Champ`model` | Type`string` | ExigenceObligatoire | Valeurs et limites qwen/qwen-audio-3.0-tts-flash | Par défaut— | | Champ`input` | Type`string` | ExigenceObligatoire | Valeurs et limites Longueur minimale: 1 Unité: caractères Unicode | Par défaut— | | Champ`voice` | Type`string` | ExigenceObligatoire | Valeurs et limites loongjohn, longanhuan\_v3.6 | Par défaut— | | Champ`response_format` | Type`string` | ExigenceObligatoire | Valeurs et limites mp3 | Par défaut— | Combinaisons d’éléments d’entrée **text\_to\_speech** · Obligatoire : input Paramètres et cycle de vie de la méthode | Paramètre | Contrat | | --- | --- | | Paramètre`content_type` | Contratapplication/json | | Paramètre`required` | Contratmodel, input, voice, response\_format | | Paramètre`voice_ids` | Contratloongjohn, longanhuan\_v3.6 | | Paramètre`response_format` | Contratmp3 | | Paramètre`max_input_characters` | Contratnull | | Paramètre`other_options` | Contratfalse | | Paramètre`input` | Contrattexte UTF-8 exact ; nombre de caractères Unicode sans normalisation | | Paramètre`material_types` | Contrattext | 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}` Sélectionnez la voix exacte dans le profil de ce modèle. Les caractères en entrée et les secondes d’audio sont des unités de mesure différentes. ### Tarifs Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée. Mode rapide Non précisé Lorsque le mode rapide est sélectionné Mode Flex Non précisé Lorsque le mode flex est sélectionné Effort de raisonnement maximal Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default) #### Tarifs Ailoot #### Prix par configuration Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives. | Configuration | Barème tarifaire | Quantité facturable | Unité de facturation | Coût | | --- | --- | --- | --- | --- | | ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Quantité facturable— | Unité de facturation— | Coût Entrée · Tokens en entrée **—** / 1K tokens Sortie · Tokens en sortie **—** / 1K tokens Entrée · Lecture du cache **—** / 1K tokens Entrée · Écriture dans le cache **—** / 1K tokens Entrée · Écriture dans le cache, 1 h **—** / 1K tokens | | ConfigurationUltra | Barème tarifaire— | Quantité facturableChaque point de code Unicode compte pour un caractère, y compris les caractères Han. | Unité de facturationpar 1K caractères en entrée | Coût Entrée · caractère en entrée **$0.03** par 1K caractères en entrée | #### Détails du tarif de référence Les barèmes de référence du modèle ne modifient ni la sélection de méthode, ni les devis, ni les coûts. Les frais actifs utilisent les tarifs de la méthode Ailoot sélectionnée. Qwen: Qwen-Audio-3.0-TTS Flash #### Prix par configuration | Configuration | Conditions de facturation | Coût | | --- | --- | --- | | ConfigurationQwen: Qwen-Audio-3.0-TTS Flash · Configuration par défaut | Conditions de facturationConfiguration par défaut | Coût Entrée · Caractères en entrée **0.00003 USD** par caractère en entrée | Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. [Fonctionnement de la réservation et du débit →](https://ailoot.ai/docs/fr-ch/billing/reserve/) ### Exemples de requêtes #### Ailoot Ultra · Synthèse vocale curl ```bash set -eu : "${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-flash", "input": "Good afternoon! This is a short voice take."}') voice=os.environ["AILOOT_VOICE_ID"] allowed=json.loads('["loongjohn", "longanhuan_v3.6"]') 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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o speech.mp3 ``` ### Recevoir et enregistrer les résultats #### Ailoot Ultra · Synthèse vocale mp3 - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Autres lectures de contenu MédiathèqueÉtat de la tâcheDétails des ressources ```bash set -eu : "${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 ``` ##### 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 | | --- | --- | | Champ`binary audio` | Typebytes | | Champ`response headers` | Typeheaders | Erreurs et étapes suivantes | Réponse | Condition | Étape suivante | | --- | --- | --- | | Réponse400 · `invalid_request_error` | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. | | Réponse`server_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 Ultra** [`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/fr-ch/#m=qwen%2Fqwen-audio-3.0-tts-flash&route=Ultra&caller=qwen%2Fqwen-audio-3.0-tts-flash&fmt=speech) #### Alias des chemins de méthode Utilisez les chemins de méthode indiqués ci-dessus. #### ID d’appel associés [`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/fr-ch/#m=qwen%2Fqwen-audio-3.0-tts-flash&route=Ultra&caller=qwen%2Fqwen-audio-3.0-tts-flash&fmt=speech) FAQ · Qwen: Qwen-Audio-3.0-TTS Flash Quelles entrées et quels résultats sont disponibles ? `POST /v1/audio/speech` · `qwen/qwen-audio-3.0-tts-flash`: `text` → `audio` Quels champs la requête utilise-t-elle ? `POST /v1/audio/speech` · `qwen/qwen-audio-3.0-tts-flash`: `model`, `input`, `voice`, `response_format` Connectez Ailoot à Claude Code, OpenCode, Hermes ou à votre application. ## L’entreprise et son portefeuille de projets L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. ## Achetez des tokens à prix réduit. Une remise d’abonnement pour le travail régulier. Des codes promo jusqu’à 50% sur l’achat de tokens. Abonnement Choisissez une offre à tarif réduit pour vos requêtes régulières. Code promo jusqu’à 50% Saisissez le code à l’achat. Le prix est recalculé selon la promotion en cours. Dépenses dans l’historique Modèle, tokens et montant sont enregistrés pour chaque requête. [Choisir un abonnement](https://ailoot.ai/docs/fr-ch/billing/subscriptions/) · [Voir les prix des modèles](https://ailoot.ai/models/fr-ch/) ## Connectez l’API au produit que vous vendez. SaaS, applications et bots selon l’offre officielle et le contrat de licence Ailoot. Pour la revente, demandez une licence revendeur. Application commerciale Intégrez la génération de texte, d’images, de vidéo et de son aux fonctions payantes de votre service. Licence revendeur Envoyez la description du projet et le mode d’accès. Demandez des conditions écrites d’utilisation et de revente. Documents sur le site L’offre officielle, le contrat de licence et la politique de traitement des données sont accessibles avant connexion. [Demander une licence revendeur](mailto:support@ailoot.ai) · [Offre officielle et contrat de licence](https://ailoot.ai/legal/offer?lang=fr-ch) ## Ailoot · L’entreprise et son portefeuille de projets Ailoot s’appuie sur une expérience opérationnelle éprouvée, une large clientèle, un service stable et un suivi continu des KPI. L’entreprise et son portefeuille de projets : des millions de clients ; des ventes qui se chiffrent en milliards chaque mois. Ailoot met cette expérience opérationnelle au service de l’accès API aux fonctions d’IA dans les produits des clients, leurs agents, applications et automatisations.