qwen-audio-3.0-tts-plus
動画、オーディオブック、音声コンテンツ向けに、テキストを表現豊かな音声で読み上げるモデルです。話し方の調整と、既成の声またはサンプルから作成した声の選択に対応しています。
- Ailoot · 音声合成
POST /v1/audio/speechqwen-audio-3.0-tts-plus - Ailoot · 音声合成
POST /v1/audio/speechqwen-tts - Ailoot · 音声合成
POST /v1/audio/speechqwen-tts-latest
モデルについて
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Qwen-Audio-3.0-TTS-Plusは、テキストを表現豊かな音声に変換します。Alibabaは、コンテンツ、オーディオブック、動画、個性が伝わる声を使った素材のプロフェッショナルな読み上げを想定しています。入力はテキスト、出力は音声で、合成の進行に合わせた音声出力にも対応しています。
指示の一部としての話し方
自然言語の指示や詳細な制御マーカーで表現を指定できます。感情、トーン、声の個性、速度、音量、話し方を定めます。同じフレーズでも、落ち着いた語りから、より力強い、あるいは感情のこもった表現まで、読み方を導けます。
表現力は、選択した声とテキストの内容に関係します。安定した発音のためには、素材の言語がその声の対応言語と一致する必要があります。モデルは書かれた素材を読み上げるためのものです。会話の意味の解析や元の録音の書き起こしは、別の音声タスクに属します。
既成の声とサンプルに基づく声
温かみのある女性の声と明るい男性の声という、二つのシステム音声があります。中国語と英語に対応しています。そのほかに500を超える基本音声と、音声サンプルに基づく声の再現機能が用意されています。メーカーは、安定した音声が必要な場合にはシステム音声を推奨しています。
サンプルに基づく声は、地域的な発音の違いを含む中国語、英語、フランス語、ドイツ語、日本語、韓国語、ロシア語、ポルトガル語、タイ語、インドネシア語、ベトナム語、イタリア語、スペイン語、マレー語、フィリピン語、アラビア語に対応しています。これは該当モードの言語対応であり、すべての既成の声に自動的に当てはまるわけではありません。
サンプルの要件は、メーカー側で声を作成する別の方法に関するものです。音声合成では、あらかじめ用意した声を使用します。その声は選択した読み上げモデルに対応している必要があり、メーカー側で別のモデル用の声を使うと合成エラーになります。サンプルには10〜20秒の明瞭な発話が推奨されます。全体の上限は60秒、10メガバイトで、少なくとも五秒の連続した発話が必要です。16ビットのWAV、MP3、M4Aに対応し、サンプリング周波数は16キロヘルツ以上である必要があります。一チャンネルまたは二チャンネルを使用できますが、二チャンネルの場合は最初のチャンネルを使用します。
音声サンプルには一人の声を収め、同時に話す人、音楽、歌声を含めないようにします。メーカーの要件では、サンプル内の短い無音区間は二秒以内に制限されています。これにより、後の合成に必要な声質や発音の特徴を抽出しやすくなります。表現の制御とサンプルに基づく声の再現は、モデルの異なる側面を表しており、一つの素材の音声を準備する際に利用できます。
Ailoot · 音声合成 POST /v1/audio/speech qwen-audio-3.0-tts-plus
qwen-audio-3.0-tts-plusqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
はじめに
動画、オーディオブック、音声コンテンツ向けに、テキストを表現豊かな音声で読み上げるモデルです。話し方の調整と、既成の声またはサンプルから作成した声の選択に対応しています。
- 対応する入力
- テキスト
- 結果
- speech
Ailootで利用可能 · 入力とメソッド
Ailoot · 音声合成 POST /v1/audio/speech
- 入力の種類
text- 出力の種類
speech- 出力形式
- 選択したmp3/wav/pcm
| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 qwen-audio-3.0-tts-plus | デフォルト— |
フィールドinput | 種類string | 要件必須 | 値と制限 最小の長さ: 1 最大の長さ: 600 単位: Unicode 文字 | デフォルト— |
フィールドvoice | 種類string | 要件任意 | 値と制限 例：longanlingxin, longanlufeng 対応するカスタムパターン: ^qwen-audio-3\.0-tts-plus- 条件: プレフィックスが正確にqwen-audio-3.0-tts-plus-である、実際のカスタム音声IDを受け付けます。 | デフォルトlonganlingxin |
フィールドresponse_format | 種類string | 要件任意 | 値と制限 mp3, wav, pcm | デフォルトmp3 |
フィールドsample_rate | 種類integer | 要件任意 | 値と制限 16,000, 24,000, 48,000 単位: Hz | デフォルト24,000 |
入力素材の組み合わせ
text_to_speech · 必須: input
メソッドのパラメータとライフサイクル
| パラメータ | 仕様 |
|---|---|
パラメータmaterial_types | 仕様text |
パラメータrequired | 仕様null |
パラメータoptional_controls | 仕様null |
ライフサイクル: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 実際に返された task_id またはメディアライブラリのレコード
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。
料金
Ailootのメソッド料金
POST /v1/audio/speech- 入力
- $20.00 1百万文字あたり
- 出力
- $0.00 リクエストあたり
$20.00 / 1百万課金対象文字。 CJK表意文字は課金対象文字2文字分として数えます: $40.00 / 1百万表意文字。 その他のUnicode文字の重み: 1. 出力音声: $0.00.
カタログに記載された条件付き計量の詳細
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
リクエスト例
Ailoot · 音声合成
set -eu
: "${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
結果を受け取って保存
Ailoot · 音声合成
選択したmp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
完了した結果をすべて保存
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
バイナリ結果の全体とヘッダーを保存してください。JSON または複数の出力が返された場合は、すべてのデータ項目を保存し、実際に返された署名付きアセット URL から各アセットを取得してください。
元のレスポンスを確認する場合
再送せずに照合できるよう、元の operation_id/X-Client-Request-ID を保存してください。音声専用のポーリングルートはありません。
レスポンスのフィールド
| フィールド | 種類 |
|---|---|
フィールドbinary audio | 種類bytes |
フィールドresponse headers | 種類headers |
エラーと次の手順
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
レスポンスserver_error | 条件返されたレスポンスは、操作または結果の確認が必要であることを示しています | 次の手順最初に返された操作／タスク ID、リクエストヘッダー、レスポンスを保存し、その元の操作に対してサポートされている読み取りを継続してください。作成リクエストを再送しないでください。 |
エイリアス
モデルのエイリアス
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
メソッドパスのエイリアス
上記に表示されたメソッドパスを使用してください。
関連する呼び出し用ID
Ailoot · 音声合成 POST /v1/audio/speech qwen-tts
qwen-ttsqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
はじめに
動画、オーディオブック、音声コンテンツ向けに、テキストを表現豊かな音声で読み上げるモデルです。話し方の調整と、既成の声またはサンプルから作成した声の選択に対応しています。
- 対応する入力
- テキスト
- 結果
- speech
Ailootで利用可能 · 入力とメソッド
Ailoot · 音声合成 POST /v1/audio/speech
- 入力の種類
text- 出力の種類
speech- 出力形式
- 選択したmp3/wav/pcm
| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 qwen-tts | デフォルト— |
フィールドinput | 種類string | 要件必須 | 値と制限 最小の長さ: 1 最大の長さ: 600 単位: Unicode 文字 | デフォルト— |
フィールドvoice | 種類string | 要件任意 | 値と制限 例：longanlingxin, longanlufeng 対応するカスタムパターン: ^qwen-audio-3\.0-tts-plus- 条件: プレフィックスが正確にqwen-audio-3.0-tts-plus-である、実際のカスタム音声IDを受け付けます。 | デフォルトlonganlingxin |
フィールドresponse_format | 種類string | 要件任意 | 値と制限 mp3, wav, pcm | デフォルトmp3 |
フィールドsample_rate | 種類integer | 要件任意 | 値と制限 16,000, 24,000, 48,000 単位: Hz | デフォルト24,000 |
入力素材の組み合わせ
text_to_speech · 必須: input
メソッドのパラメータとライフサイクル
| パラメータ | 仕様 |
|---|---|
パラメータmaterial_types | 仕様text |
パラメータrequired | 仕様null |
パラメータoptional_controls | 仕様null |
ライフサイクル: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 実際に返された task_id またはメディアライブラリのレコード
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。
料金
Ailootのメソッド料金
POST /v1/audio/speech- 入力
- $20.00 1百万文字あたり
- 出力
- $0.00 リクエストあたり
$20.00 / 1百万課金対象文字。 CJK表意文字は課金対象文字2文字分として数えます: $40.00 / 1百万表意文字。 その他のUnicode文字の重み: 1. 出力音声: $0.00.
カタログに記載された条件付き計量の詳細
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
リクエスト例
Ailoot · 音声合成
set -eu
: "${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
結果を受け取って保存
Ailoot · 音声合成
選択したmp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
完了した結果をすべて保存
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
バイナリ結果の全体とヘッダーを保存してください。JSON または複数の出力が返された場合は、すべてのデータ項目を保存し、実際に返された署名付きアセット URL から各アセットを取得してください。
元のレスポンスを確認する場合
再送せずに照合できるよう、元の operation_id/X-Client-Request-ID を保存してください。音声専用のポーリングルートはありません。
レスポンスのフィールド
| フィールド | 種類 |
|---|---|
フィールドbinary audio | 種類bytes |
フィールドresponse headers | 種類headers |
エラーと次の手順
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
レスポンスserver_error | 条件返されたレスポンスは、操作または結果の確認が必要であることを示しています | 次の手順最初に返された操作／タスク ID、リクエストヘッダー、レスポンスを保存し、その元の操作に対してサポートされている読み取りを継続してください。作成リクエストを再送しないでください。 |
エイリアス
モデルのエイリアス
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
メソッドパスのエイリアス
上記に表示されたメソッドパスを使用してください。
関連する呼び出し用ID
Ailoot · 音声合成 POST /v1/audio/speech qwen-tts-latest
qwen-tts-latestqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
はじめに
動画、オーディオブック、音声コンテンツ向けに、テキストを表現豊かな音声で読み上げるモデルです。話し方の調整と、既成の声またはサンプルから作成した声の選択に対応しています。
- 対応する入力
- テキスト
- 結果
- speech
Ailootで利用可能 · 入力とメソッド
Ailoot · 音声合成 POST /v1/audio/speech
- 入力の種類
text- 出力の種類
speech- 出力形式
- 選択したmp3/wav/pcm
| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 qwen-tts-latest | デフォルト— |
フィールドinput | 種類string | 要件必須 | 値と制限 最小の長さ: 1 最大の長さ: 600 単位: Unicode 文字 | デフォルト— |
フィールドvoice | 種類string | 要件任意 | 値と制限 例：longanlingxin, longanlufeng 対応するカスタムパターン: ^qwen-audio-3\.0-tts-plus- 条件: プレフィックスが正確にqwen-audio-3.0-tts-plus-である、実際のカスタム音声IDを受け付けます。 | デフォルトlonganlingxin |
フィールドresponse_format | 種類string | 要件任意 | 値と制限 mp3, wav, pcm | デフォルトmp3 |
フィールドsample_rate | 種類integer | 要件任意 | 値と制限 16,000, 24,000, 48,000 単位: Hz | デフォルト24,000 |
入力素材の組み合わせ
text_to_speech · 必須: input
メソッドのパラメータとライフサイクル
| パラメータ | 仕様 |
|---|---|
パラメータmaterial_types | 仕様text |
パラメータrequired | 仕様null |
パラメータoptional_controls | 仕様null |
ライフサイクル: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 実際に返された task_id またはメディアライブラリのレコード
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
メソッドの形式とIDは正確に記載しています。供給元の対応能力とリクエストの受け入れは別です。
料金
Ailootのメソッド料金
POST /v1/audio/speech- 入力
- $20.00 1百万文字あたり
- 出力
- $0.00 リクエストあたり
$20.00 / 1百万課金対象文字。 CJK表意文字は課金対象文字2文字分として数えます: $40.00 / 1百万表意文字。 その他のUnicode文字の重み: 1. 出力音声: $0.00.
カタログに記載された条件付き計量の詳細
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
リクエスト例
Ailoot · 音声合成
set -eu
: "${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
結果を受け取って保存
Ailoot · 音声合成
選択したmp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
完了した結果をすべて保存
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
バイナリ結果の全体とヘッダーを保存してください。JSON または複数の出力が返された場合は、すべてのデータ項目を保存し、実際に返された署名付きアセット URL から各アセットを取得してください。
元のレスポンスを確認する場合
再送せずに照合できるよう、元の operation_id/X-Client-Request-ID を保存してください。音声専用のポーリングルートはありません。
レスポンスのフィールド
| フィールド | 種類 |
|---|---|
フィールドbinary audio | 種類bytes |
フィールドresponse headers | 種類headers |
エラーと次の手順
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
レスポンスserver_error | 条件返されたレスポンスは、操作または結果の確認が必要であることを示しています | 次の手順最初に返された操作／タスク ID、リクエストヘッダー、レスポンスを保存し、その元の操作に対してサポートされている読み取りを継続してください。作成リクエストを再送しないでください。 |
エイリアス
モデルのエイリアス
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
メソッドパスのエイリアス
上記に表示されたメソッドパスを使用してください。
関連する呼び出し用ID
FAQ · qwen-audio-3.0-tts-plus
- 利用できる入力と結果は何ですか？
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- リクエストはどの項目を使用しますか？
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- どの制限が適用されますか？
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