Source: https://ailoot.ai/models/id/qwen-qwen-audio-3-0-tts-flash/
Canonical: https://ailoot.ai/models/id/qwen-qwen-audio-3-0-tts-flash/
Language: id

# Qwen: Qwen-Audio-3.0-TTS Flash

[Markdown](https://ailoot.ai/models/id/qwen-qwen-audio-3-0-tts-flash/index.md) · [JSON](https://ailoot.ai/models/id/qwen-qwen-audio-3-0-tts-flash/facts.json)

## [Qwen: Qwen-Audio-3.0-TTS Flash](https://ailoot.ai/models/id/qwen-qwen-audio-3-0-tts-flash/)

Qwen-Audio-3.0-TTS-Flash adalah model teks-ke-ucapan Qwen yang berfokus pada asisten suara yang responsif dan dialog interaktif. Model ini menggabungkan sintesis streaming, suara preset atau kloning khusus model, serta instruksi atau tag untuk ucapan yang ekspresif.

- [**Ailoot Ultra · Sintesis ucapan** `POST /v1/audio/speech` `qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/id/qwen-qwen-audio-3-0-tts-flash/#method-0)

Tentang model

Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.

Qwen-Audio-3.0-TTS-Flash mengubah naskah yang diberikan menjadi ucapan, dengan edisi Flash yang berfokus pada interaksi waktu nyata. Qwen menyebut asisten suara, dialog interaktif, dan layanan pelanggan cerdas sebagai aplikasi utamanya. Dibandingkan versi sebelumnya, produsen menjelaskan dukungan yang lebih luas untuk bahasa bersumber daya rendah dan dialek Tionghoa, ekspresi dialek yang lebih autentik, serta kendali yang lebih kuat atas emosi, nada, karakter, kecepatan, volume, dan gaya bicara. Produsen juga melaporkan peningkatan kejernihan dan ketahanan dalam kondisi akustik yang bising atau bergema. Ini adalah sintesis teks-ke-audio, bukan pengenalan ucapan yang masuk atau model dialog suara.

Flash memprioritaskan dimulainya ucapan dalam percakapan interaktif. Qwen melaporkan latensi paket pertama dalam 200 milidetik untuk sintesis waktu nyata model ini; panduan penggunaannya juga mencatat bahwa penyiapan koneksi awal ikut menambah jeda terukur pada pengiriman pertama. Siapkan kata-kata yang benar-benar akan diucapkan secara terpisah dari cara penyampaian yang diinginkan. Untuk respons asisten suara, contoh arahan dapat memadukan jawaban singkat dengan instruksi penyampaian yang tenang dan jelas. Hasil yang relevan adalah ucapan yang dihasilkan untuk teks tersebut, sementara aplikasi menangani pemutaran dan percakapan di sekitarnya.

Daftar suara sistem dari produsen mencakup pilihan khusus model, seperti Long An Feng Yue untuk penyampaian yang alami dan ramah, serta Long An Xiao Xin untuk penyampaian yang ramah dan ceria; keduanya tercantum untuk bahasa Mandarin dan Inggris. Daftar tersebut juga mencakup suara bahasa Inggris seperti loongmary dengan aksen Britania dan loongjohn dengan aksen Amerika yang tenang dan ramah. Setiap model juga memiliki lebih dari 500 suara dasar. Qwen menyarankan memulai dengan suara sistem demi konsistensi dan menilai pratinjau saat memilih suara dasar. Suara harus berasal dari model yang dipilih, dan naskah harus menggunakan bahasa yang didukung suara tersebut.

Suara kloning memperluas cakupan bahasa yang didokumentasikan menjadi bahasa Tionghoa, Inggris, Jepang, Korea, Rusia, Prancis, Jerman, Portugis, Thai, Indonesia, Vietnam, Spanyol, Italia, Melayu, Filipino, dan Arab. Cakupan bahasa Tionghoa meliputi Mandarin, Kanton, Chongqing, Timur Laut, Gansu, Guizhou, Zhejiang, Hebei, Henan, Hubei, Hunan, Jiangxi, Ningbo, Ningxia, Qingdao, Shaanxi, Shanxi, Shandong, Shanghai, Sichuan, dan Yunnan, dengan pemilihan dialek melalui instruksi. Tabel model mendukung kloning suara berbasis sampel dan membedakannya dari pembuatan suara baru hanya dari deskripsi teks, yang tidak didukung edisi ini.

Untuk kloning, produsen menyarankan rekaman berdurasi 10–20 detik, dengan batas maksimum 60 detik dan ukuran berkas tidak lebih dari 10 MB. Format referensi yang didukung adalah WAV 16-bit, MP3, dan M4A, dengan laju sampel minimal 16 kHz. Rekaman harus memuat setidaknya lima detik ucapan yang jelas dan berkesinambungan; jeda lainnya sebaiknya tidak lebih dari dua detik. Hindari suara latar, suara orang lain, dan nyanyian. Stereo diterima, tetapi hanya kanal pertama yang diproses. Alur kerja kloning mengembalikan pengenal suara yang terikat pada model target yang tepat, dan sintesis menggunakan pengenal itu setelah suara siap. Rekaman yang sama memerlukan suara kloning terpisah untuk Flash dan Plus.

Instruksi bahasa alami mengendalikan penyampaian untuk suara sistem maupun suara kloning. Jelaskan kualitas yang dapat didengar, seperti nada lembut, artikulasi yang jelas, atau tempo yang sedikit lebih lambat. Tag sebaris memberikan kendali yang berbeda: \[empathetic\] atau \[serious\] menetapkan gaya untuk teks berikutnya, sedangkan \[laughing\] atau \[sighing\] menyisipkan efek vokal pada posisi tertentu. Tag kendali berlaku hingga tag kendali lain atau segmentasi kalimat otomatis. Tag emosi dan ekspresi bahasa yang kaya ini hanya didokumentasikan untuk streaming satu arah, bukan mode masukan teks dua arah. Siapkan kalimat ekspresif dalam mode yang sesuai dengan kendali tersebut.

Antarmuka ucapan produsen mendukung PCM, WAV, MP3, dan Opus. Laju sampel yang tercantum adalah 8.000, 16.000, 22.050, 24.000, 44.100, dan 48.000 Hz, dengan MP3 dan 22.050 Hz sebagai nilai bawaan. Volume berkisar dari 0 hingga 100; laju bicara dan tinggi nada masing-masing berkisar dari 0,5 hingga 2,0. MP3 dan Opus juga menyediakan pengaturan bitrate dari 6 hingga 510 kbps. Pilih format dan laju sampel yang sesuai dengan pemutar atau alur pemrosesan yang dituju. Untuk aplikasi interaktif, produsen mendokumentasikan bingkai audio streaming dan metadata kalimat, dengan stempel waktu tingkat kata yang tersedia pada keluaran streaming untuk suara yang memenuhi syarat, termasuk suara kloning.

Protokol teks WebSocket yang didokumentasikan menerima hingga 20.000 karakter dalam satu pesan teks dan total 200.000 karakter dalam satu tugas, dengan jeda antar-pengiriman tidak lebih dari 23 detik. Ini adalah batas protokol produsen, terpisah dari batas durasi keluaran model yang berlaku secara universal. Protokol ini mendukung pembatalan giliran sintesis saat ini dan tugas berikutnya pada koneksi yang sama. Pertahankan segmen teks dalam urutan pengucapan yang dimaksud dan akhiri masukan setelah naskah lengkap. Untuk persiapan pelafalan, produsen mendokumentasikan petunjuk bahasa target, anotasi pinyin, dan penggantian teks, yang berguna saat angka, singkatan, atau simbol diucapkan secara tidak terduga.

SSML adalah pilihan markup terpisah dengan ketentuan suara dan mode interaksi: Qwen mendokumentasikannya untuk suara kloning, dengan panggilan non-streaming atau streaming satu arah, dan satu kali pengiriman teks ketika SSML diaktifkan. Dukungan ini tidak boleh diasumsikan tersedia untuk setiap suara preset atau streaming dua arah. Untuk dialog biasa, mulailah dengan suara yang kompatibel, naskah ucapan yang bersih, dan instruksi penyampaian yang spesifik; tambahkan kendali pelafalan atau ekspresi yang terarah jika tugas memerlukannya. Dengan begitu, profil Flash tetap berpusat pada ucapan responsif dari teks yang telah disiapkan, bukan pada kemampuan model audio Qwen lainnya.

**Ailoot Ultra · Sintesis ucapan** `POST /v1/audio/speech` `qwen/qwen-audio-3.0-tts-flash`

[`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/id/#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`

### Mulai

Qwen-Audio-3.0-TTS-Flash adalah model teks-ke-ucapan Qwen yang berfokus pada asisten suara yang responsif dan dialog interaktif. Model ini menggabungkan sintesis streaming, suara preset atau kloning khusus model, serta instruksi atau tag untuk ucapan yang ekspresif.

Masukan yang diterima

Teks

Hasil

Audio

### Tersedia di Ailoot · masukan & metode

**Ailoot Ultra · Sintesis ucapan** `POST /v1/audio/speech`

Masukan

`text`

Keluaran

`audio`

Format keluaran

mp3

| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
| --- | --- | --- | --- | --- |
| Kolom`model` | Jenis`string` | PersyaratanWajib | Nilai & batasan qwen/qwen-audio-3.0-tts-flash | Bawaan— |
| Kolom`input` | Jenis`string` | PersyaratanWajib | Nilai & batasan Panjang minimum: 1 Satuan: karakter Unicode | Bawaan— |
| Kolom`voice` | Jenis`string` | PersyaratanWajib | Nilai & batasan loongjohn, longanhuan\_v3.6 | Bawaan— |
| Kolom`response_format` | Jenis`string` | PersyaratanWajib | Nilai & batasan mp3 | Bawaan— |

Kombinasi bahan masukan

**text\_to\_speech** · Wajib: input

Parameter metode dan siklus hidup

| Parameter | Kontrak |
| --- | --- |
| Parameter`content_type` | Kontrakapplication/json |
| Parameter`required` | Kontrakmodel, input, voice, response\_format |
| Parameter`voice_ids` | Kontrakloongjohn, longanhuan\_v3.6 |
| Parameter`response_format` | Kontrakmp3 |
| Parameter`max_input_characters` | Kontraknull |
| Parameter`other_options` | Kontrakfalse |
| Parameter`input` | Kontrakteks UTF-8 persis; jumlah karakter Unicode tanpa normalisasi |
| Parameter`material_types` | Kontraktext |

Siklus hidup: `synchronous_result_then_owned_library`

`GET /v1/media/tasks/{task_id}` · task\_id aktual yang dikembalikan atau catatan pustaka media

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

`GET /v1/media/assets`

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

Pilih suara yang tepat dari profil model ini.

Karakter masukan dan detik audio merupakan satuan pengukuran yang berbeda.

### Paket

Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.

Mode Fast

Tidak ditentukan Saat mode fast dipilih

Mode Flex

Tidak ditentukan Saat mode flex dipilih

Upaya penalaran maksimum

Tidak ditentukan Saat upaya penalaran maksimum menggunakan penyesuaian default

#### Tarif Ailoot

#### Harga menurut konfigurasi

Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.

| Konfigurasi | Jadwal tarif | Jumlah yang ditagihkan | Satuan penagihan | Biaya |
| --- | --- | --- | --- | --- |
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Jumlah yang ditagihkan— | Satuan penagihan— | Biaya Masukan · Token masukan **—** / 1K token Keluaran · Token keluaran **—** / 1K token Masukan · Pembacaan cache **—** / 1K token Masukan · Penulisan cache **—** / 1K token Masukan · Penulisan cache, 1 jam **—** / 1K token |
| KonfigurasiUltra | Jadwal tarif— | Jumlah yang ditagihkanSetiap titik kode Unicode dihitung sebagai satu karakter, termasuk karakter Han. | Satuan penagihanper 1K karakter masukan | Biaya Masukan · karakter masukan **$0.03** per 1K karakter masukan |

#### Detail tarif referensi

Jadwal referensi tingkat model tidak mengubah pemilihan metode, estimasi harga, atau biaya. Biaya aktif menggunakan tarif metode Ailoot yang dipilih.

Qwen: Qwen-Audio-3.0-TTS Flash

#### Harga menurut konfigurasi

| Konfigurasi | Kondisi penagihan | Biaya |
| --- | --- | --- |
| KonfigurasiQwen: Qwen-Audio-3.0-TTS Flash · Konfigurasi bawaan | Kondisi penagihanKonfigurasi bawaan | Biaya Masukan · Karakter masukan **US$0,00003** per karakter masukan |

Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. [Cara kerja cadangan dan penyelesaian tagihan →](https://ailoot.ai/docs/id/billing/reserve/)

### Contoh permintaan

#### Ailoot Ultra · Sintesis ucapan

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
```

### Terima dan simpan hasil

#### Ailoot Ultra · Sintesis ucapan

mp3

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

Pembacaan konten lain

Pustaka mediaStatus tugasDetail aset

```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
```

##### Simpan semua hasil yang selesai

Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.

Simpan hasil biner dan header secara lengkap. Jika JSON atau beberapa keluaran dikembalikan, simpan setiap item data dan ambil data dari setiap URL aset bertanda tangan yang benar-benar dikembalikan.

##### Jika respons asli perlu diperiksa

Simpan operation\_id/X-Client-Request-ID asli untuk rekonsiliasi tanpa pengiriman ulang; tidak ada rute polling khusus audio.

Kolom respons

| Kolom | Jenis |
| --- | --- |
| Kolom`binary audio` | Jenisbytes |
| Kolom`response headers` | Jenisheaders |

Kesalahan dan langkah berikutnya

| Respons | Kondisi | Langkah berikutnya |
| --- | --- | --- |
| Respons400 · `invalid_request_error` | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
| Respons`server_error` | KondisiRespons yang dikembalikan menyatakan bahwa operasi atau hasil perlu diperiksa | Langkah berikutnyaSimpan ID operasi/tugas asli yang dikembalikan, header permintaan, dan respons; lanjutkan pembacaan yang didukung untuk operasi asli tersebut. Jangan kirim ulang permintaan pembuatan. |

### Alias

#### Alias model

**Ailoot Ultra** [`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/id/#m=qwen%2Fqwen-audio-3.0-tts-flash&route=Ultra&caller=qwen%2Fqwen-audio-3.0-tts-flash&fmt=speech)

#### Alias jalur metode

Gunakan jalur metode yang ditampilkan di atas.

#### ID pemanggil terkait

[`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/id/#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

Input dan hasil apa yang tersedia?

`POST /v1/audio/speech` · `qwen/qwen-audio-3.0-tts-flash`: `text` → `audio`

Kolom apa yang digunakan permintaan?

`POST /v1/audio/speech` · `qwen/qwen-audio-3.0-tts-flash`: `model`, `input`, `voice`, `response_format`

Hubungkan Ailoot ke Claude Code, OpenCode, Hermes, atau aplikasi Anda.

## Perusahaan dan portofolio proyeknya

Perusahaan dan portofolio proyeknya: jutaan pelanggan; penjualan miliaran setiap bulan.

## Beli token dengan diskon.

Diskon langganan untuk pekerjaan rutin. Kode promo — hingga 50% untuk pembelian token.

Langganan

Pilih paket dengan diskon untuk permintaan rutin Anda.

Kode promo hingga 50%

Masukkan kode saat membeli. Harga dihitung ulang sesuai promosi aktif.

Biaya dalam riwayat

Model, token, dan jumlah tagihan disimpan untuk setiap permintaan.

[Pilih langganan](https://ailoot.ai/docs/id/billing/subscriptions/) · [Lihat harga model](https://ailoot.ai/models/id/)

## Hubungkan API ke produk yang Anda jual.

SaaS, aplikasi, dan bot — sesuai penawaran dan perjanjian lisensi Ailoot. Untuk penjualan kembali, mintalah lisensi reseller.

Aplikasi komersial

Integrasikan pembuatan teks, gambar, video, dan suara dalam fitur berbayar layanan Anda.

Lisensi reseller

Kirim deskripsi proyek dan skema akses. Mintalah ketentuan penggunaan dan penjualan kembali secara tertulis.

Dokumen di situs

Penawaran, perjanjian lisensi, dan kebijakan pemrosesan data tersedia sebelum koneksi.

[Minta lisensi reseller](mailto:support@ailoot.ai) · [Penawaran dan perjanjian lisensi](https://ailoot.ai/legal/offer?lang=id)

## Ailoot · Perusahaan dan portofolio proyeknya





Ailoot bertumpu pada pengalaman operasional yang teruji, basis pelanggan yang besar, layanan yang stabil, dan pemantauan KPI berkelanjutan.





Perusahaan dan portofolio proyeknya: jutaan pelanggan; penjualan miliaran setiap bulan.





Ailoot memanfaatkan pengalaman operasional ini untuk akses API ke fitur AI dalam produk pelanggan, agen, aplikasi, dan otomatisasi.