qwen-audio-3.0-tts-plus
Kifejező szövegfelolvasó modell videókhoz, hangoskönyvekhez és hanganyagokhoz. Támogatja a beszédmód vezérlését, valamint kész vagy hangminta alapján létrehozott hang választását.
- Ailoot · Felolvasás
POST /v1/audio/speechqwen-audio-3.0-tts-plus - Ailoot · Felolvasás
POST /v1/audio/speechqwen-tts - Ailoot · Felolvasás
POST /v1/audio/speechqwen-tts-latest
A modellről
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Qwen-Audio-3.0-TTS-Plus kifejező beszéddé alakítja a szöveget. Az Alibaba tartalmak, hangoskönyvek, videók és felismerhető hangkarakterű anyagok professzionális narrációjára tervezte. A bemenet szöveg, a kimenet hang; a hang szintézis közbeni visszaadása is támogatott.
A beszédmód az utasítás része
Az előadásmód természetes nyelvű utasításokkal és részletes vezérlőjelölésekkel adható meg. Ezek határozzák meg az érzelmet, a hangszínt, a karaktert, a tempót, a hangerőt és a beszédstílust. Így ugyanaz a mondat eltérően adható elő: a nyugodt elbeszéléstől az energikusabb vagy érzelmesebb megszólalásig.
A kifejezőerő a kiválasztott hanggal és a szöveg tartalmával függ össze. Az egyenletes kiejtéshez az anyag nyelvének a hang által támogatott nyelvek közé kell tartoznia. A modell írott anyag felolvasására szolgál; a beszélgetés jelentésének elemzése és a kiinduló felvétel átírása más hangfeldolgozási feladat.
Kész hang és hangminta alapján létrehozott hang
Két rendszerhang érhető el: egy meleg női és egy vidám férfihang. Ezek a kínai és az angol nyelvet támogatják. Rajtuk kívül több mint 500 alaphang és hangminta alapján történő hangreprodukció is rendelkezésre áll. A gyártó a rendszerhangokat ajánlja, ha egyenletes hangzásra van szükség.
A hangmintás mód támogatja a kínait regionális kiejtési változataival, az angolt, a franciát, a németet, a japánt, a koreait, az oroszt, a portugált, a thait, az indonézt, a vietnámit, az olaszt, a spanyolt, a malájt, a filippínót és az arabot. Ez az adott mód nyelvi képessége; nem vonatkozik automatikusan minden kész hangra.
A hangmintára vonatkozó követelmények a gyártó külön hangkészítési eljárásához tartoznak; beszédszintéziskor már előkészített hang használatos. Az előkészített hangnak illeszkednie kell a kiválasztott felolvasó modellhez: a gyártónál más modellhez tartozó hang használata szintézishibát okoz. Tiszta, 10–20 másodperces beszédminta ajánlott. Az általános korlát 60 másodperc és 10 MB; legalább öt másodperc megszakítás nélküli beszéd szükséges. Támogatott a 16 bites WAV, az MP3 és az M4A, legalább 16 kHz mintavétellel. Egy vagy két csatorna megengedett, de két csatorna esetén az első használatos.
A beszédmintában egyetlen hangnak kell hallatszania, egyszerre beszélő emberek, zene és ének nélkül. A gyártó követelményei a mintán belüli rövid szüneteket két másodpercben korlátozzák. Ez segít elkülöníteni a későbbi szintézishez szükséges hangszínt és kiejtési sajátosságokat. Az előadásmód vezérlése és a hangminta alapján történő hangreprodukció a modell működésének eltérő oldalait írja le, és egy anyag hangzásának kialakításához is használhatók.
Ailoot · Felolvasás POST /v1/audio/speech qwen-audio-3.0-tts-plus
qwen-audio-3.0-tts-plusqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Kezdő lépések
Kifejező szövegfelolvasó modell videókhoz, hangoskönyvekhez és hanganyagokhoz. Támogatja a beszédmód vezérlését, valamint kész vagy hangminta alapján létrehozott hang választását.
- Elfogadott bemenetek
- Szöveg
- Eredmények
- speech
Elérhető az Ailootban · bemenetek és metódusok
Ailoot · Felolvasás POST /v1/audio/speech
- Bemenet
text- Kimenet
speech- Kimeneti formátum
- kiválasztott mp3/wav/pcm
| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen-audio-3.0-tts-plus | Alapértelmezett— |
Mezőinput | Típusstring | KövetelményKötelező | Értékek és korlátok Minimális hossz: 1 Maximális hossz: 600 Egység: Unicode-karakterek | Alapértelmezett— |
Mezővoice | Típusstring | KövetelményOpcionális | Értékek és korlátok Példák: longanlingxin, longanlufeng Elfogadott egyéni minta: ^qwen-audio-3\.0-tts-plus- Feltételek: A pontos qwen-audio-3.0-tts-plus- előtaggal rendelkező tényleges egyéni hangazonosítók elfogadottak. | Alapértelmezettlonganlingxin |
Mezőresponse_format | Típusstring | KövetelményOpcionális | Értékek és korlátok mp3, wav, pcm | Alapértelmezettmp3 |
Mezősample_rate | Típusinteger | KövetelményOpcionális | Értékek és korlátok 16 000, 24 000, 48 000 Egység: Hz | Alapértelmezett24 000 |
Bemeneti anyagok kombinációi
text_to_speech · Kötelező: input
Metódus paraméterei és életciklusa
| Paraméter | Szerződés |
|---|---|
Paramétermaterial_types | Szerződéstext |
Paraméterrequired | Szerződésnull |
Paraméteroptional_controls | Szerződésnull |
Életciklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · A ténylegesen visszaadott task_id vagy a médiatár bejegyzése
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
A metódusok szerkezete és azonosítói pontosak; a beszállítói képesség különbözik a kérelmek befogadásától.
Díjcsomagok
Ailoot-metódusok díjai
POST /v1/audio/speech- Bemenet
- 20,00 USD 1 millió karakterenként
- Kimenet
- 0,00 USD kérésenként
20,00 USD 1 millió elszámolt karakterenként. Egy CJK-ideogramma 2 elszámolt karakternek számít: 40,00 USD 1 millió ideogrammánként. A többi Unicode-karakter súlya: 1. Kimeneti hang: 0,00 USD.
A katalógus szerinti pontos feltételes elszámolás
{
"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"
}Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
Példakérések
Ailoot · Felolvasás
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
Eredmények fogadása és mentése
Ailoot · Felolvasás
kiválasztott mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Őrizzen meg minden elkészült eredményt
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg a teljes bináris eredményt és a fejléceket. JSON vagy több kimenet esetén őrizzen meg minden adatelemet, és töltse le minden ténylegesen visszaadott, aláírt média-URL tartalmát.
Ha az eredeti választ ellenőrizni kell
Őrizze meg az eredeti operation_id/X-Client-Request-ID értéket az egyeztetéshez, újbóli beküldés nélkül; nincs külön hangállapot-lekérdezési útvonal.
Válaszmezők
| Mező | Típus |
|---|---|
Mezőbinary audio | Típusbytes |
Mezőresponse headers | Típusheaders |
Hibák és következő lépések
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Válaszserver_error | FeltételA visszaadott válasz szerint a művelet vagy az eredmény ellenőrzést igényel | Következő lépésŐrizze meg az eredetileg visszaadott művelet- vagy feladatazonosítót, a kérés fejléceit és a választ; folytassa az eredeti művelet támogatott lekérdezéseit. Ne küldje be újra a létrehozási kérést. |
Álnevek
Modell álnevei
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Metódusútvonalak álnevei
Használja a fent látható metódusútvonalakat.
Kapcsolódó modellazonosítók
Ailoot · Felolvasás POST /v1/audio/speech qwen-tts
qwen-ttsqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Kezdő lépések
Kifejező szövegfelolvasó modell videókhoz, hangoskönyvekhez és hanganyagokhoz. Támogatja a beszédmód vezérlését, valamint kész vagy hangminta alapján létrehozott hang választását.
- Elfogadott bemenetek
- Szöveg
- Eredmények
- speech
Elérhető az Ailootban · bemenetek és metódusok
Ailoot · Felolvasás POST /v1/audio/speech
- Bemenet
text- Kimenet
speech- Kimeneti formátum
- kiválasztott mp3/wav/pcm
| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen-tts | Alapértelmezett— |
Mezőinput | Típusstring | KövetelményKötelező | Értékek és korlátok Minimális hossz: 1 Maximális hossz: 600 Egység: Unicode-karakterek | Alapértelmezett— |
Mezővoice | Típusstring | KövetelményOpcionális | Értékek és korlátok Példák: longanlingxin, longanlufeng Elfogadott egyéni minta: ^qwen-audio-3\.0-tts-plus- Feltételek: A pontos qwen-audio-3.0-tts-plus- előtaggal rendelkező tényleges egyéni hangazonosítók elfogadottak. | Alapértelmezettlonganlingxin |
Mezőresponse_format | Típusstring | KövetelményOpcionális | Értékek és korlátok mp3, wav, pcm | Alapértelmezettmp3 |
Mezősample_rate | Típusinteger | KövetelményOpcionális | Értékek és korlátok 16 000, 24 000, 48 000 Egység: Hz | Alapértelmezett24 000 |
Bemeneti anyagok kombinációi
text_to_speech · Kötelező: input
Metódus paraméterei és életciklusa
| Paraméter | Szerződés |
|---|---|
Paramétermaterial_types | Szerződéstext |
Paraméterrequired | Szerződésnull |
Paraméteroptional_controls | Szerződésnull |
Életciklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · A ténylegesen visszaadott task_id vagy a médiatár bejegyzése
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
A metódusok szerkezete és azonosítói pontosak; a beszállítói képesség különbözik a kérelmek befogadásától.
Díjcsomagok
Ailoot-metódusok díjai
POST /v1/audio/speech- Bemenet
- 20,00 USD 1 millió karakterenként
- Kimenet
- 0,00 USD kérésenként
20,00 USD 1 millió elszámolt karakterenként. Egy CJK-ideogramma 2 elszámolt karakternek számít: 40,00 USD 1 millió ideogrammánként. A többi Unicode-karakter súlya: 1. Kimeneti hang: 0,00 USD.
A katalógus szerinti pontos feltételes elszámolás
{
"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"
}Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
Példakérések
Ailoot · Felolvasás
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
Eredmények fogadása és mentése
Ailoot · Felolvasás
kiválasztott mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Őrizzen meg minden elkészült eredményt
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg a teljes bináris eredményt és a fejléceket. JSON vagy több kimenet esetén őrizzen meg minden adatelemet, és töltse le minden ténylegesen visszaadott, aláírt média-URL tartalmát.
Ha az eredeti választ ellenőrizni kell
Őrizze meg az eredeti operation_id/X-Client-Request-ID értéket az egyeztetéshez, újbóli beküldés nélkül; nincs külön hangállapot-lekérdezési útvonal.
Válaszmezők
| Mező | Típus |
|---|---|
Mezőbinary audio | Típusbytes |
Mezőresponse headers | Típusheaders |
Hibák és következő lépések
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Válaszserver_error | FeltételA visszaadott válasz szerint a művelet vagy az eredmény ellenőrzést igényel | Következő lépésŐrizze meg az eredetileg visszaadott művelet- vagy feladatazonosítót, a kérés fejléceit és a választ; folytassa az eredeti művelet támogatott lekérdezéseit. Ne küldje be újra a létrehozási kérést. |
Álnevek
Modell álnevei
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Metódusútvonalak álnevei
Használja a fent látható metódusútvonalakat.
Kapcsolódó modellazonosítók
Ailoot · Felolvasás POST /v1/audio/speech qwen-tts-latest
qwen-tts-latestqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Kezdő lépések
Kifejező szövegfelolvasó modell videókhoz, hangoskönyvekhez és hanganyagokhoz. Támogatja a beszédmód vezérlését, valamint kész vagy hangminta alapján létrehozott hang választását.
- Elfogadott bemenetek
- Szöveg
- Eredmények
- speech
Elérhető az Ailootban · bemenetek és metódusok
Ailoot · Felolvasás POST /v1/audio/speech
- Bemenet
text- Kimenet
speech- Kimeneti formátum
- kiválasztott mp3/wav/pcm
| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok qwen-tts-latest | Alapértelmezett— |
Mezőinput | Típusstring | KövetelményKötelező | Értékek és korlátok Minimális hossz: 1 Maximális hossz: 600 Egység: Unicode-karakterek | Alapértelmezett— |
Mezővoice | Típusstring | KövetelményOpcionális | Értékek és korlátok Példák: longanlingxin, longanlufeng Elfogadott egyéni minta: ^qwen-audio-3\.0-tts-plus- Feltételek: A pontos qwen-audio-3.0-tts-plus- előtaggal rendelkező tényleges egyéni hangazonosítók elfogadottak. | Alapértelmezettlonganlingxin |
Mezőresponse_format | Típusstring | KövetelményOpcionális | Értékek és korlátok mp3, wav, pcm | Alapértelmezettmp3 |
Mezősample_rate | Típusinteger | KövetelményOpcionális | Értékek és korlátok 16 000, 24 000, 48 000 Egység: Hz | Alapértelmezett24 000 |
Bemeneti anyagok kombinációi
text_to_speech · Kötelező: input
Metódus paraméterei és életciklusa
| Paraméter | Szerződés |
|---|---|
Paramétermaterial_types | Szerződéstext |
Paraméterrequired | Szerződésnull |
Paraméteroptional_controls | Szerződésnull |
Életciklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · A ténylegesen visszaadott task_id vagy a médiatár bejegyzése
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
A metódusok szerkezete és azonosítói pontosak; a beszállítói képesség különbözik a kérelmek befogadásától.
Díjcsomagok
Ailoot-metódusok díjai
POST /v1/audio/speech- Bemenet
- 20,00 USD 1 millió karakterenként
- Kimenet
- 0,00 USD kérésenként
20,00 USD 1 millió elszámolt karakterenként. Egy CJK-ideogramma 2 elszámolt karakternek számít: 40,00 USD 1 millió ideogrammánként. A többi Unicode-karakter súlya: 1. Kimeneti hang: 0,00 USD.
A katalógus szerinti pontos feltételes elszámolás
{
"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"
}Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
Példakérések
Ailoot · Felolvasás
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
Eredmények fogadása és mentése
Ailoot · Felolvasás
kiválasztott mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Őrizzen meg minden elkészült eredményt
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg a teljes bináris eredményt és a fejléceket. JSON vagy több kimenet esetén őrizzen meg minden adatelemet, és töltse le minden ténylegesen visszaadott, aláírt média-URL tartalmát.
Ha az eredeti választ ellenőrizni kell
Őrizze meg az eredeti operation_id/X-Client-Request-ID értéket az egyeztetéshez, újbóli beküldés nélkül; nincs külön hangállapot-lekérdezési útvonal.
Válaszmezők
| Mező | Típus |
|---|---|
Mezőbinary audio | Típusbytes |
Mezőresponse headers | Típusheaders |
Hibák és következő lépések
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Válaszserver_error | FeltételA visszaadott válasz szerint a művelet vagy az eredmény ellenőrzést igényel | Következő lépésŐrizze meg az eredetileg visszaadott művelet- vagy feladatazonosítót, a kérés fejléceit és a választ; folytassa az eredeti művelet támogatott lekérdezéseit. Ne küldje be újra a létrehozási kérést. |
Álnevek
Modell álnevei
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Metódusútvonalak álnevei
Használja a fent látható metódusútvonalakat.
Kapcsolódó modellazonosítók
FAQ · qwen-audio-3.0-tts-plus
- Milyen bemenetek és eredmények érhetők el?
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- Mely mezőket használja a kérés?
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- Milyen korlátok érvényesek?
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