Qwen: Qwen-Audio-3.0-TTS Plus

Qwen-Audio-3.0-TTS-Plus הוא מודל הטקסט לדיבור של Qwen, המתמקד בשמע מפורט, טבעי והבעתי לקריינות, לספרי שמע ולדיבוב. הוא תומך בקולות מוכנים מראש או משוכפלים המיועדים למודל, בפלט בהזרמה ובהוראות או תגיות לעיצוב ההגשה.

Ailoot Ultra · הקראה POST /v1/audio/speech qwen/qwen-audio-3.0-tts-plus

על המודל

התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.

Qwen-Audio-3.0-TTS-Plus ממיר טקסט כתוב לדיבור הבעתי, וגרסת Plus מתמקדת באיכות הסינתזה, בטבעיות ובהגשה קולית מפורטת. Qwen מציין יצירת תוכן, ספרי שמע, דיבוב סרטים ווידאו והפקת דיבור מקצועית כיישומים העיקריים. הפרופיל המעודכן מתאר תמיכה רחבה יותר בשפות דלות משאבים ובניבים סיניים, שיפור באותנטיות של הניבים ושליטה טובה יותר ברגש, בטון, בדמות, בקצב הדיבור, בעוצמה ובסגנון. היצרן מדווח גם על שיפור בבהירות, ברזולוציה ובעמידות בתנאים אקוסטיים רועשים או מהדהדים.

Plus היא הגרסה הממוקדת באיכות במשפחת טקסט לדיבור זו; Flash ממוצבת בנפרד לאינטראקציה בזמן אמת. הכינו קריינות כתסריט לדיבור, עם קהל היעד, הקצב והכיוון הרגשי המוגדרים. לקטע מספר שמע, דוגמת הנחיה יכולה לבקש הגייה ברורה, קצב מדוד וחמימות מאופקת; לקריינות וידאו היא יכולה לבקש פתיחה רצינית ואחריה הסבר אנרגטי יותר. אלה בחירות הגשה למילים שסופקו. המודל הוא מסנתז דיבור, ולא שירות תמלול או מחולל של סצנה חזותית מלאה.

קולות המערכת הרשמיים של Plus כוללים את Long An Ling Xin, המתואר כחם ואמפתי, ואת Long An Lu Feng, המתואר כבהיר ועליז. שניהם רשומים למנדרינית ולאנגלית. היצרן מספק גם יותר מ-500 קולות בסיס לגרסה זו, עם דוגמאות להאזנה לפני בחירה. הוא ממליץ על קולות מערכת לסינתזה עקבית יותר. בחרו קול מהרשימה המדויקת של Plus והתאימו את שפת התסריט לשפות שבהן הקול תומך; קול של Flash אינו ניתן להחלפה רק משום שהוא שייך לאותה משפחה רחבה.

המודל תומך בשכפול קול על בסיס דגימה. השפות המתועדות לקולות משוכפלים כוללות סינית, אנגלית, יפנית, קוריאנית, רוסית, צרפתית, גרמנית, פורטוגזית, תאילנדית, אינדונזית, וייטנאמית, ספרדית, איטלקית, מלאית, פיליפינית וערבית. הגרסאות הסיניות כוללות Mandarin, Cantonese, Chongqing, Northeastern, Gansu, Guizhou, Zhejiang, Hebei, Henan, Hubei, Hunan, Jiangxi, Ningbo, Ningxia, Qingdao, Shaanxi, Shanxi, Shandong, Shanghainese, Sichuan ו-Yunnan, כשהניבים נשלטים באמצעות הוראות. טבלת המודל של היצרן מבחינה בין שכפול לבין יצירת קול מתיאור טקסטואלי: שכפול נתמך ב-Plus, ואילו מצב עיצוב הקול הנפרד אינו נתמך.

דגימת ייחוס מתאימה לשכפול היא דיבור ברור במהירות רגילה, ללא מוזיקה, רעש רקע, דוברים מתחרים או שירה. היצרן ממליץ על 10–20 שניות ומתיר עד 60 שניות בקובץ שגודלו אינו עולה על 10 MB. פורמטי הייחוס הם WAV של 16 ביט, MP3 ו-M4A, עם קצב דגימה של לפחות 16 kHz. נדרשות לפחות חמש שניות של דיבור ברור ורציף, ורצוי שההפסקות שנותרו לא יהיו ארוכות משתי שניות. בסטריאו, רק הערוץ הראשון מעובד. מזהה הקול שנוצר קשור ל-Plus ומשמש לסינתזה כשהוא מוכן; שימוש באותה דגימת ייחוס דרך Flash דורש קול Flash שנוצר בנפרד.

הוראות בשפה טבעית יכולות לעצב את הטון, הקצב, הרגש והגוון של קולות מערכת ושל קולות משוכפלים. השתמשו בתיאורים שמיעתיים מוחשיים במקום בקשה עמומה לקול טוב. תגיות רגש בתוך התסריט יכולות לקבוע סגנון, ותגיות שפה עשירה יכולות להוסיף אפקט קולי בנקודה נבחרת. לדוגמה, [serious] משנה את ההגשה שאחריו, ואילו [sighing] מוסיף אנחה בלי לשנות את הסגנון הרגשי שסביבה. תגיות שליטה חלות עד תגית השליטה הבאה או עד החלוקה האוטומטית למשפטים. תכונה מבוססת תגיות זו מתועדת להזרמה חד-כיוונית בלבד, ולכן היקפה שונה מהוראות המשמשות עם קלט טקסט דו-כיווני.

אפשרויות הפלט של היצרן הן PCM, WAV, MP3 ו-Opus, בקצבי הדגימה הרשומים 8,000, 16,000, 22,050, 24,000, 44,100 ו-48,000 Hz. MP3 ו-22,050 Hz הם ברירות המחדל המתועדות. אפשר להגדיר עוצמה מ-0 עד 100, וקצב וגובה צליל מ-0.5 עד 2.0; MP3 ו-Opus מאפשרים גם קצב סיביות מ-6 עד 510 kbps. בחרו את הייצוג הדרוש להשמעה או לעריכה ואז שמרו על עקביות ההגדרות בין חלקי יצירה ארוכה יותר. פלט בהזרמה כולל פריימים של שמע ומטא-נתונים של משפטים, עם חותמות זמן למילים בקולות מתאימים, לרבות קולות משוכפלים.

תהליך קלט הטקסט המתועד באמצעות WebSocket מאפשר 20,000 תווים להודעה ו-200,000 תווים במצטבר, ודורש מרווח של לא יותר מ-23 שניות בין הגשות. הוא יכול לקבל תסריט מלא או מקטעי טקסט מסודרים ולסיים כשהקלט הושלם. היצרן מתעד גם ביטול של סבב הסינתזה הנוכחי. אלה מגבלות והתנהגויות של הפרוטוקול, ולא תקרת משך אוניברסלית לפלט שנוצר. לקריינות ארוכה, ארגנו את התסריט בחלקים רציפים ושמרו את סדרם ואת הטקסט שלהם לצד השמע המתקבל כדי שאפשר יהיה להרכיב ולבדוק את היצירה באופן עקבי.

להגייה, היצרן מספק רמזים לשפת היעד, סימוני pinyin והחלפות טקסט לטיפול בקריאות לא רצויות של ספרות, קיצורים, סמלים או מילים. SSML הוא מצב סימון נפרד עם מגבלות התאמה: תיעוד Qwen תומך בו לקולות משוכפלים בקריאות ללא הזרמה או בהזרמה חד-כיוונית, עם הגשת טקסט אחת בלבד כשהוא מופעל. הוא אינו קובע תמיכה ב-SSML לכל קול מערכת או להזרמה דו-כיוונית. תהליך עבודה מעשי ב-Plus מתחיל בקול מתאים ובתסריט גמור, ואז מוסיף בחירות מדויקות של הגשה והגייה לקטע הנקרא.

Ailoot Ultra · הקראה POST /v1/audio/speech qwen/qwen-audio-3.0-tts-plus

qwen/qwen-audio-3.0-tts-plus

Alibaba /qwen/qwen-audio-3.0-tts-plus

התחלה

סוגי קלט נתמכים: טקסט
תוצאות: שמע

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · הקראה POST /v1/audio/speech

סוגי קלט: text
סוגי פלט: audio
פורמט פלט: mp3

שדה	סוג	דרישה	ערכים ומגבלות	ברירת מחדל
שדה`model`	סוג`string`	דרישהחובה	ערכים ומגבלות qwen/qwen-audio-3.0-tts-plus	ברירת מחדל—
שדה`input`	סוג`string`	דרישהחובה	ערכים ומגבלות אורך מזערי: ⁦1⁩ יחידה: תווי Unicode	ברירת מחדל—
שדה`voice`	סוג`string`	דרישהחובה	ערכים ומגבלות longanlingxin, longanlufeng	ברירת מחדל—
שדה`response_format`	סוג`string`	דרישהחובה	ערכים ומגבלות mp3	ברירת מחדל—

שילובים של חומרי קלט

text_to_speech · נדרש: input

פרמטרים ומחזור חיים של השיטה

פרמטר	מפרט
פרמטר`content_type`	מפרטapplication/json
פרמטר`required`	מפרטmodel, input, voice, response_format
פרמטר`voice_ids`	מפרטlonganlingxin, longanlufeng
פרמטר`response_format`	מפרטmp3
פרמטר`max_input_characters`	מפרטnull
פרמטר`other_options`	מפרטfalse
פרמטר`input`	מפרטטקסט UTF-8 מדויק; ספירת תווי Unicode ללא נרמול
פרמטר`material_types`	מפרטtext

מחזור חיים: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · ערך task_id שהוחזר בפועל או רשומה בספריית המדיה

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

יש לבחור קול מדויק מתוך פרופיל המודל הזה.

תווי קלט ושניות אודיו הם מדדי חיוב שונים.

תעריפים

מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.

מצב מהיר: לא צוין כאשר נבחר מצב מהיר
מצב Flex: לא צוין כאשר נבחר מצב flex
מאמץ חשיבה מרבי: לא צוין כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)

תעריפי Ailoot

מחירים לפי תצורה

התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.

תצורה	טבלת תעריפים	כמות לחיוב	יחידת חיוב	חיוב
תצורהתעריפי בסיס לטוקנים	טבלת תעריפיםתעריף בסיס	כמות לחיוב—	יחידת חיוב—	חיוב קלט · טוקני קלט — / 1K טוקנים פלט · טוקני פלט — / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים
תצורהUltra	טבלת תעריפים—	כמות לחיובכל נקודת קוד של Unicode נספרת כתו אחד, כולל סימני האן.	יחידת חיובלכל 1K תווי קלט	חיוב קלט · תו בקלט $0.04 לכל 1K תווי קלט

פרטי תעריף הייחוס

טבלאות הייחוס ברמת המודל אינן משנות את בחירת השיטה, הצעות המחיר או החיובים. החיובים בפועל משתמשים בתעריפי שיטת Ailoot שנבחרה.

Qwen: Qwen-Audio-3.0-TTS Plus

מחירים לפי תצורה

תצורה	תנאי חיוב	חיוב
תצורהQwen: Qwen-Audio-3.0-TTS Plus · תצורת ברירת המחדל	תנאי חיובתצורת ברירת מחדל	חיוב קלט · תווי קלט ⁦‏0.00004 ‏$⁩ לכל תו בקלט

לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →

דוגמאות לבקשות

Ailoot Ultra · הקראה

curl

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

קבלה ושמירה של תוצאות

Ailoot Ultra · הקראה

mp3

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

קריאות תוכן נוספות

ספריית מדיהמצב המשימהפרטי הנכס

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

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

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

שמירת כל התוצאות שהושלמו

שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.

שמרו את התוצאה הבינארית המלאה ואת הכותרות. אם מוחזרים JSON או פלטים מרובים, שמרו כל פריט נתונים והורידו כל נכס מה־URL החתום שלו שהוחזר בפועל.

כשצריך לבדוק את התגובה המקורית

שמרו את operation_id/X-Client-Request-ID המקורי לצורך התאמת רישומים ללא שליחה מחדש; אין נתיב ייעודי לתשאול סטטוס אודיו.

שדות התגובה

שדה	סוג
שדה`binary audio`	סוגbytes
שדה`response headers`	סוגheaders

שגיאות והשלבים הבאים

תגובה	תנאי	השלב הבא
תגובה⁦400⁩ · `invalid_request_error`	תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים	השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה.
תגובה`server_error`	תנאיהתשובה שהוחזרה מציינת שהפעולה או התוצאה דורשת בדיקה	השלב הבאשמרו את מזהה הפעולה/המשימה המקורי שהוחזר, את כותרות הבקשה ואת התשובה; המשיכו לבצע פעולות קריאה נתמכות של אותה פעולה מקורית. אל תשלחו שוב את בקשת היצירה.

כינויים

כינויים למודל

Ailoot Ultra qwen/qwen-audio-3.0-tts-plus

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

qwen/qwen-audio-3.0-tts-plus

FAQ · Qwen: Qwen-Audio-3.0-TTS Plus

אילו קלטים ותוצאות זמינים?: POST /v1/audio/speech · qwen/qwen-audio-3.0-tts-plus: text → audio
באילו שדות הבקשה משתמשת?: POST /v1/audio/speech · qwen/qwen-audio-3.0-tts-plus: model, input, voice, response_format

Qwen: Qwen-Audio-3.0-TTS Plus