qwen-audio-3.0-tts-plus
Modello per la sintesi vocale espressiva di testi destinati a video, audiolibri e altri contenuti audio. Supporta il controllo dello stile del parlato e la scelta di una voce pronta oppure creata da un campione.
- Ailoot · Sintesi vocale
POST /v1/audio/speechqwen-audio-3.0-tts-plus - Ailoot · Sintesi vocale
POST /v1/audio/speechqwen-tts - Ailoot · Sintesi vocale
POST /v1/audio/speechqwen-tts-latest
Informazioni sul modello
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Qwen-Audio-3.0-TTS-Plus trasforma il testo in parlato espressivo. Alibaba lo orienta al doppiaggio e alla lettura professionale di contenuti, audiolibri, video e materiali con un carattere vocale riconoscibile. Riceve testo in ingresso e produce audio; è supportata anche l'emissione dell'audio durante la sintesi.
Lo stile del parlato come parte dell'istruzione
La resa può essere definita con istruzioni in linguaggio naturale e indicazioni di controllo dettagliate. Stabiliscono emozione, tono, carattere, ritmo, volume e stile del parlato. Si può così guidare l'esecuzione della stessa frase, da una narrazione pacata a una resa più energica o emotiva.
L'espressività dipende dalla voce scelta e dal contenuto del testo. Per una pronuncia stabile, la lingua del materiale deve corrispondere alle lingue supportate dalla voce. Il modello è pensato per leggere materiale scritto; l'analisi del significato di una conversazione e la trascrizione di una registrazione originale appartengono ad altre attività audio.
Voce pronta e voce basata su un campione
Sono disponibili due voci di sistema: una voce femminile calda e una maschile allegra. Supportano cinese e inglese. Sono inoltre previste oltre 500 voci di base e la possibilità di riprodurre una voce da un campione vocale. Il produttore consiglia le voci di sistema quando è importante la stabilità del suono.
La voce basata su un campione supporta il cinese con varianti regionali di pronuncia, oltre a inglese, francese, tedesco, giapponese, coreano, russo, portoghese, thailandese, indonesiano, vietnamita, italiano, spagnolo, malese, filippino e arabo. È una capacità linguistica della modalità corrispondente; non si estende automaticamente a ogni voce pronta.
I requisiti del campione riguardano una modalità separata di creazione della voce presso il produttore; per la sintesi vocale si utilizza una voce già preparata. La voce preparata deve corrispondere al modello di sintesi scelto: presso il produttore, una voce appartenente a un altro modello causa un errore di sintesi. Per il campione si consiglia parlato pulito della durata di 10–20 secondi. Il limite complessivo è di 60 secondi e 10 MB; sono richiesti almeno cinque secondi di parlato continuo. Sono supportati WAV a 16 bit, MP3 e M4A con una frequenza non inferiore a 16 kHz. Sono ammessi uno o due canali, ma in presenza di due si utilizza il primo.
Il campione vocale deve contenere una sola voce, senza persone che parlano contemporaneamente, musica o canto. Nei requisiti del produttore, le brevi pause nel campione sono limitate a due secondi. Questo aiuta a isolare il timbro e le caratteristiche di pronuncia necessari per la sintesi successiva. Il controllo della resa e la riproduzione di una voce da un campione descrivono aspetti diversi del modello e possono essere utilizzati per preparare la resa dello stesso materiale.
Ailoot · Sintesi 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
Introduzione
Modello per la sintesi vocale espressiva di testi destinati a video, audiolibri e altri contenuti audio. Supporta il controllo dello stile del parlato e la scelta di una voce pronta oppure creata da un campione.
- Input accettati
- Testo
- Risultati
- speech
Disponibile in Ailoot · input e metodi
Ailoot · Sintesi vocale POST /v1/audio/speech
- Tipi di input
text- Tipi di output
speech- Formato di output
- formato selezionato mp3/wav/pcm
| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen-audio-3.0-tts-plus | Predefinito— |
Campoinput | Tipostring | RequisitoObbligatorio | Valori e limiti Lunghezza minima: 1 Lunghezza massima: 600 Unità: caratteri Unicode | Predefinito— |
Campovoice | Tipostring | RequisitoFacoltativo | Valori e limiti Esempi: longanlingxin, longanlufeng Schema personalizzato accettato: ^qwen-audio-3\.0-tts-plus- Condizioni: Sono accettati ID di voci personalizzate reali con il prefisso esatto qwen-audio-3.0-tts-plus-. | Predefinitolonganlingxin |
Camporesponse_format | Tipostring | RequisitoFacoltativo | Valori e limiti mp3, wav, pcm | Predefinitomp3 |
Camposample_rate | Tipointeger | RequisitoFacoltativo | Valori e limiti 16.000, 24.000, 48.000 Unità: Hz | Predefinito24.000 |
Combinazioni di materiali in input
text_to_speech · Obbligatorio: input
Parametri e ciclo di vita del metodo
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext |
Parametrorequired | Contrattonull |
Parametrooptional_controls | Contrattonull |
Ciclo di vita: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effettivamente restituito o record della libreria multimediale
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
Tariffe
Tariffe dei metodi Ailoot
POST /v1/audio/speech- Input
- 20,00 USD per 1 milione di caratteri
- Output
- 0,00 USD per richiesta
20,00 USD per 1 milione di caratteri conteggiati ai fini della fatturazione. Un ideogramma CJK conta come 2 caratteri ai fini della fatturazione: 40,00 USD per 1 milione di ideogrammi. Peso degli altri caratteri Unicode: 1. Audio in output: 0,00 USD.
Conteggio condizionale esatto dal catalogo
{
"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 prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
Esempi di richieste
Ailoot · Sintesi 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
Ricevi e salva i risultati
Ailoot · Sintesi vocale
formato selezionato mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Conserva tutti i risultati completati
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva il risultato binario completo e gli header. Se vengono restituiti JSON o più output, conserva ogni elemento data e recupera ogni URL firmato effettivo della risorsa.
Se occorre verificare la risposta originale
Conserva operation_id/X-Client-Request-ID originale per la riconciliazione senza reinvio; non esiste una rotta dedicata al polling audio.
Campi della risposta
| Campo | Tipo |
|---|---|
Campobinary audio | Tipobytes |
Camporesponse headers | Tipoheaders |
Errori e passaggi successivi
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Rispostaserver_error | CondizioneLa risposta restituita indica che l'operazione o il risultato richiede una verifica | Passaggio successivoConserva l'ID originale di operazione/task restituito, gli header della richiesta e la risposta; continua a leggere l'operazione originale tramite le modalità supportate. Non reinviare la richiesta di creazione. |
Alias
Alias del modello
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Alias dei percorsi dei metodi
Usa i percorsi dei metodi indicati sopra.
ID di chiamata correlati
Ailoot · Sintesi vocale POST /v1/audio/speech qwen-tts
qwen-ttsqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Introduzione
Modello per la sintesi vocale espressiva di testi destinati a video, audiolibri e altri contenuti audio. Supporta il controllo dello stile del parlato e la scelta di una voce pronta oppure creata da un campione.
- Input accettati
- Testo
- Risultati
- speech
Disponibile in Ailoot · input e metodi
Ailoot · Sintesi vocale POST /v1/audio/speech
- Tipi di input
text- Tipi di output
speech- Formato di output
- formato selezionato mp3/wav/pcm
| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen-tts | Predefinito— |
Campoinput | Tipostring | RequisitoObbligatorio | Valori e limiti Lunghezza minima: 1 Lunghezza massima: 600 Unità: caratteri Unicode | Predefinito— |
Campovoice | Tipostring | RequisitoFacoltativo | Valori e limiti Esempi: longanlingxin, longanlufeng Schema personalizzato accettato: ^qwen-audio-3\.0-tts-plus- Condizioni: Sono accettati ID di voci personalizzate reali con il prefisso esatto qwen-audio-3.0-tts-plus-. | Predefinitolonganlingxin |
Camporesponse_format | Tipostring | RequisitoFacoltativo | Valori e limiti mp3, wav, pcm | Predefinitomp3 |
Camposample_rate | Tipointeger | RequisitoFacoltativo | Valori e limiti 16.000, 24.000, 48.000 Unità: Hz | Predefinito24.000 |
Combinazioni di materiali in input
text_to_speech · Obbligatorio: input
Parametri e ciclo di vita del metodo
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext |
Parametrorequired | Contrattonull |
Parametrooptional_controls | Contrattonull |
Ciclo di vita: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effettivamente restituito o record della libreria multimediale
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
Tariffe
Tariffe dei metodi Ailoot
POST /v1/audio/speech- Input
- 20,00 USD per 1 milione di caratteri
- Output
- 0,00 USD per richiesta
20,00 USD per 1 milione di caratteri conteggiati ai fini della fatturazione. Un ideogramma CJK conta come 2 caratteri ai fini della fatturazione: 40,00 USD per 1 milione di ideogrammi. Peso degli altri caratteri Unicode: 1. Audio in output: 0,00 USD.
Conteggio condizionale esatto dal catalogo
{
"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 prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
Esempi di richieste
Ailoot · Sintesi 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
Ricevi e salva i risultati
Ailoot · Sintesi vocale
formato selezionato mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Conserva tutti i risultati completati
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva il risultato binario completo e gli header. Se vengono restituiti JSON o più output, conserva ogni elemento data e recupera ogni URL firmato effettivo della risorsa.
Se occorre verificare la risposta originale
Conserva operation_id/X-Client-Request-ID originale per la riconciliazione senza reinvio; non esiste una rotta dedicata al polling audio.
Campi della risposta
| Campo | Tipo |
|---|---|
Campobinary audio | Tipobytes |
Camporesponse headers | Tipoheaders |
Errori e passaggi successivi
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Rispostaserver_error | CondizioneLa risposta restituita indica che l'operazione o il risultato richiede una verifica | Passaggio successivoConserva l'ID originale di operazione/task restituito, gli header della richiesta e la risposta; continua a leggere l'operazione originale tramite le modalità supportate. Non reinviare la richiesta di creazione. |
Alias
Alias del modello
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Alias dei percorsi dei metodi
Usa i percorsi dei metodi indicati sopra.
ID di chiamata correlati
Ailoot · Sintesi vocale POST /v1/audio/speech qwen-tts-latest
qwen-tts-latestqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Introduzione
Modello per la sintesi vocale espressiva di testi destinati a video, audiolibri e altri contenuti audio. Supporta il controllo dello stile del parlato e la scelta di una voce pronta oppure creata da un campione.
- Input accettati
- Testo
- Risultati
- speech
Disponibile in Ailoot · input e metodi
Ailoot · Sintesi vocale POST /v1/audio/speech
- Tipi di input
text- Tipi di output
speech- Formato di output
- formato selezionato mp3/wav/pcm
| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti qwen-tts-latest | Predefinito— |
Campoinput | Tipostring | RequisitoObbligatorio | Valori e limiti Lunghezza minima: 1 Lunghezza massima: 600 Unità: caratteri Unicode | Predefinito— |
Campovoice | Tipostring | RequisitoFacoltativo | Valori e limiti Esempi: longanlingxin, longanlufeng Schema personalizzato accettato: ^qwen-audio-3\.0-tts-plus- Condizioni: Sono accettati ID di voci personalizzate reali con il prefisso esatto qwen-audio-3.0-tts-plus-. | Predefinitolonganlingxin |
Camporesponse_format | Tipostring | RequisitoFacoltativo | Valori e limiti mp3, wav, pcm | Predefinitomp3 |
Camposample_rate | Tipointeger | RequisitoFacoltativo | Valori e limiti 16.000, 24.000, 48.000 Unità: Hz | Predefinito24.000 |
Combinazioni di materiali in input
text_to_speech · Obbligatorio: input
Parametri e ciclo di vita del metodo
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext |
Parametrorequired | Contrattonull |
Parametrooptional_controls | Contrattonull |
Ciclo di vita: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effettivamente restituito o record della libreria multimediale
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
Tariffe
Tariffe dei metodi Ailoot
POST /v1/audio/speech- Input
- 20,00 USD per 1 milione di caratteri
- Output
- 0,00 USD per richiesta
20,00 USD per 1 milione di caratteri conteggiati ai fini della fatturazione. Un ideogramma CJK conta come 2 caratteri ai fini della fatturazione: 40,00 USD per 1 milione di ideogrammi. Peso degli altri caratteri Unicode: 1. Audio in output: 0,00 USD.
Conteggio condizionale esatto dal catalogo
{
"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 prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
Esempi di richieste
Ailoot · Sintesi 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
Ricevi e salva i risultati
Ailoot · Sintesi vocale
formato selezionato mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Conserva tutti i risultati completati
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva il risultato binario completo e gli header. Se vengono restituiti JSON o più output, conserva ogni elemento data e recupera ogni URL firmato effettivo della risorsa.
Se occorre verificare la risposta originale
Conserva operation_id/X-Client-Request-ID originale per la riconciliazione senza reinvio; non esiste una rotta dedicata al polling audio.
Campi della risposta
| Campo | Tipo |
|---|---|
Campobinary audio | Tipobytes |
Camporesponse headers | Tipoheaders |
Errori e passaggi successivi
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Rispostaserver_error | CondizioneLa risposta restituita indica che l'operazione o il risultato richiede una verifica | Passaggio successivoConserva l'ID originale di operazione/task restituito, gli header della richiesta e la risposta; continua a leggere l'operazione originale tramite le modalità supportate. Non reinviare la richiesta di creazione. |
Alias
Alias del modello
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Alias dei percorsi dei metodi
Usa i percorsi dei metodi indicati sopra.
ID di chiamata correlati
FAQ · qwen-audio-3.0-tts-plus
- Quali input e risultati sono disponibili?
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- Quali campi usa la richiesta?
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- Quali limiti si applicano?
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