Source: https://ailoot.ai/models/ja/qwen-qwen-audio-3-0-tts-flash/ Canonical: https://ailoot.ai/models/ja/qwen-qwen-audio-3-0-tts-flash/ Language: ja # Qwen: Qwen-Audio-3.0-TTS Flash [Markdown](https://ailoot.ai/models/ja/qwen-qwen-audio-3-0-tts-flash/index.md) · [JSON](https://ailoot.ai/models/ja/qwen-qwen-audio-3-0-tts-flash/facts.json) ## [Qwen: Qwen-Audio-3.0-TTS Flash](https://ailoot.ai/models/ja/qwen-qwen-audio-3-0-tts-flash/) Qwen-Audio-3.0-TTS-Flashは、応答性の高い音声アシスタントや対話に重点を置いたQwenの音声合成モデルです。ストリーミング合成、モデルごとのプリセット音声やクローン音声、表現豊かな発話を指定する指示やタグを組み合わせて使えます。 - [**Ailoot Ultra · 音声合成** `POST /v1/audio/speech` `qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/ja/qwen-qwen-audio-3-0-tts-flash/#method-0) 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-Flashは、提供された台本を音声に変換するモデルで、Flash版はリアルタイムのやり取りに重点を置いています。Qwenは、音声アシスタント、対話、インテリジェントなカスタマーサービスを主な用途に挙げています。メーカーは前のバージョンと比べ、低リソース言語や中国語方言への対応範囲の拡大、より本格的な方言表現、感情、トーン、キャラクター、速度、音量、話し方の制御強化を説明しています。また、雑音や残響のある音響環境での明瞭性と頑健性の改善も報告しています。これはテキストから音声を合成するモデルであり、入力音声を認識するモデルや音声対話モデルではありません。 Flashは、対話の中で音声を話し始めるまでの速さを重視しています。Qwenは、このモデルのリアルタイム合成では最初のパケットまでの遅延が200ミリ秒以内と報告しています。一方、利用ガイドでは、初回送信で測定される遅延には最初の接続確立にかかる時間も影響すると説明しています。実際に読み上げる言葉と、望む話し方は分けて用意します。音声アシスタントの応答なら、簡潔な回答と、落ち着いて明瞭に話す指示を組み合わせる例が考えられます。得られる結果はそのテキストから生成された音声で、再生や前後の会話はアプリケーションが扱います。 メーカーのシステム音声一覧には、自然で親しみやすい話し方のLong An Feng Yueや、親しみやすく生き生きとした話し方のLong An Xiao Xinなど、モデルごとの選択肢があります。いずれも普通話と英語に対応すると記載されています。英語音声には、英国アクセントのloongmaryや、落ち着いた親しみやすい米国アクセントのloongjohnなどもあります。各モデルには、このほかに500種類を超えるベース音声があります。Qwenは一貫性のためにまずシステム音声を使い、ベース音声を選ぶ際はプレビューを確認することを推奨しています。音声は選択したモデルに属している必要があり、台本にはその音声が対応する言語を使います。 クローン音声を使うと、文書に記載された対応言語は中国語、英語、日本語、韓国語、ロシア語、フランス語、ドイツ語、ポルトガル語、タイ語、インドネシア語、ベトナム語、スペイン語、イタリア語、マレー語、フィリピノ語、アラビア語に広がります。中国語では、普通話、広東語、重慶、東北、甘粛、貴州、浙江、河北、河南、湖北、湖南、江西、寧波、寧夏、青島、陝西、山西、山東、上海、四川、雲南の各方言が対象で、指示によって方言を選択します。モデル表では音声サンプルを使うクローン作成に対応し、テキストの説明だけから新しい音声を作る機能とは区別されています。この版は後者には対応していません。 クローン作成用には、メーカーは10～20秒の録音を推奨しており、上限は60秒、ファイルサイズは10 MB以下です。参照音声の対応形式は16ビットのWAV、MP3、M4Aで、サンプリング周波数は16 kHz以上です。録音には少なくとも5秒の連続した明瞭な発話が必要で、それ以外の間は2秒以下にします。背景音、ほかの人の声、歌声は避けます。ステレオ音声も受け付けますが、処理されるのは最初のチャンネルのみです。クローン作成のワークフローは対象モデルそのものに紐づいた音声識別子を返し、音声が利用可能になったら合成時にその識別子を使います。同じ録音でも、FlashとPlusには別々のクローン音声が必要です。 システム音声とクローン音声のどちらも、自然言語の指示で話し方を制御できます。柔らかい口調、明瞭な発音、少しゆっくりしたペースなど、耳で聞き取れる特徴を説明します。文中のタグは別の制御手段です。\[empathetic\]や\[serious\]は後続のテキストのスタイルを指定し、\[laughing\]や\[sighing\]は特定の位置に声の効果を挿入します。制御タグは、別の制御タグが現れるか、自動的に文が分割されるまで有効です。こうした感情や表現を豊かにするタグが文書で説明されているのは単方向ストリーミングのみで、双方向のテキスト入力モードではありません。その制御に対応するモードで、表現を付けたい一文を用意します。 メーカーの音声インターフェースはPCM、WAV、MP3、Opusに対応しています。記載されたサンプリング周波数は8,000、16,000、22,050、24,000、44,100、48,000 Hzで、既定値はMP3と22,050 Hzです。音量は0～100、話速とピッチはそれぞれ0.5～2.0の範囲です。MP3とOpusでは6～510 kbpsのビットレートも指定できます。使用するプレーヤーや処理ワークフローに合う形式とサンプリング周波数を選びます。対話型アプリケーション向けには、ストリーミング音声フレームと文のメタデータが文書で説明されています。クローン音声を含む対応音声では、ストリーミング出力で単語単位のタイムスタンプも利用できます。 文書化されたWebSocketテキストプロトコルは、1つのテキストメッセージで最大20,000文字、1つのタスクで累計200,000文字を受け付け、送信間隔は23秒以内です。これはメーカーのプロトコル上の制限であり、モデル全般に共通する出力音声の長さの上限とは別です。進行中の合成ターンをキャンセルし、同じ接続上で次のタスクを実行することにも対応しています。テキストの各区間は読み上げる順番で送り、台本が完了したら入力を終了します。発音の準備には、対象言語のヒント、ピンイン注記、テキスト置換が文書で説明されており、数字、略語、記号が意図しない読み方になる場合に役立ちます。 SSMLは、音声と対話モードに条件のある別のマークアップ手段です。Qwenはクローン音声について、非ストリーミングまたは単方向ストリーミングの呼び出しと、SSML有効時にテキストを1回で送信する条件を説明しています。すべてのプリセット音声や双方向ストリームで使えると考えてはいけません。通常の対話では、対応する音声、余分なものを含まない読み上げ用の台本、具体的な話し方の指示から始め、必要な場合に発音や表現の制御を追加します。これにより、ほかのQwen音声モデルの機能ではなく、準備したテキストから応答性よく発話するFlashの用途に集中できます。 **Ailoot Ultra · 音声合成** `POST /v1/audio/speech` `qwen/qwen-audio-3.0-tts-flash` [`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/ja/#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` ### はじめに Qwen-Audio-3.0-TTS-Flashは、応答性の高い音声アシスタントや対話に重点を置いたQwenの音声合成モデルです。ストリーミング合成、モデルごとのプリセット音声やクローン音声、表現豊かな発話を指定する指示やタグを組み合わせて使えます。 対応する入力 テキスト 結果 音声 ### Ailootで利用可能 · 入力とメソッド **Ailoot Ultra · 音声合成** `POST /v1/audio/speech` 入力の種類 `text` 出力の種類 `audio` 出力形式 mp3 | 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/qwen-audio-3.0-tts-flash | 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 単位: Unicode 文字 | デフォルト— | | フィールド`voice` | 種類`string` | 要件必須 | 値と制限 loongjohn, longanhuan\_v3.6 | デフォルト— | | フィールド`response_format` | 種類`string` | 要件必須 | 値と制限 mp3 | デフォルト— | 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`content_type` | 仕様application/json | | パラメータ`required` | 仕様model, input, voice, response\_format | | パラメータ`voice_ids` | 仕様loongjohn, longanhuan\_v3.6 | | パラメータ`response_format` | 仕様mp3 | | パラメータ`max_input_characters` | 仕様null | | パラメータ`other_options` | 仕様false | | パラメータ`input` | 仕様正確なUTF-8テキスト。正規化せずにUnicode文字数を数えます | | パラメータ`material_types` | 仕様text | 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}` このモデルのプロファイルから、使用する音声を正確に選択してください。 入力文字数と音声の秒数は、別の計測単位です。 ### 料金 料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。 高速モード 未指定 高速モードが選択されている場合 Flex モード 未指定 flex モードが選択されている場合 最大推論量 未指定 推論量が最大で、調整に既定値（default）を使用する場合 #### Ailootの料金 #### 設定別の価格 各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。 | 設定 | 料金表 | 課金対象の数量 | 課金単位 | 料金 | | --- | --- | --- | --- | --- | | 設定基本トークン料金 | 料金表基本料金 | 課金対象の数量— | 課金単位— | 料金 入力 · 入力トークン **—** / 1K トークン 出力 · 出力トークン **—** / 1K トークン 入力 · キャッシュ読み取り **—** / 1K トークン 入力 · キャッシュ書き込み **—** / 1K トークン 入力 · キャッシュ書き込み、1時間 **—** / 1K トークン | | 設定Ultra | 料金表— | 課金対象の数量漢字を含め、Unicodeコードポイント1つを1文字として数えます。 | 課金単位1K入力文字あたり | 料金 入力 · 入力文字 **$0.03** 1K入力文字あたり | #### 参考料金の詳細 モデル単位の参照料金表は、メソッド選択、見積もり、課金を変更しません。実際の課金には、選択したAilootメソッドの料金を適用します。 Qwen: Qwen-Audio-3.0-TTS Flash #### 設定別の価格 | 設定 | 課金条件 | 料金 | | --- | --- | --- | | 設定Qwen: Qwen-Audio-3.0-TTS Flash · 標準設定 | 課金条件デフォルト設定 | 料金 入力 · 入力文字数 **$0.00003** 入力文字あたり | Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。[金額の確保と精算の仕組み →](https://ailoot.ai/docs/ja/billing/reserve/) ### リクエスト例 #### Ailoot Ultra · 音声合成 curl ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o speech.mp3 ``` ### 結果を受け取って保存 #### Ailoot Ultra · 音声合成 mp3 - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` その他のコンテンツ取得 メディアライブラリタスクのステータスアセットの詳細 ```bash set -eu : "${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 ``` ##### 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 Ultra** [`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/ja/#m=qwen%2Fqwen-audio-3.0-tts-flash&route=Ultra&caller=qwen%2Fqwen-audio-3.0-tts-flash&fmt=speech) #### 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 [`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/ja/#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 利用できる入力と結果は何ですか？ `POST /v1/audio/speech` · `qwen/qwen-audio-3.0-tts-flash`: `text` → `audio` リクエストはどの項目を使用しますか？ `POST /v1/audio/speech` · `qwen/qwen-audio-3.0-tts-flash`: `model`, `input`, `voice`, `response_format` AilootをClaude Code、OpenCode、Hermes、自分のアプリに接続しましょう。 ## 企業とそのプロジェクト群 企業とそのプロジェクト群：数百万の顧客、毎月数十億規模の売上。 ## トークンを割引価格で購入。 継続利用にサブスクリプション割引。プロモコードでトークン購入が最大50%割引。 サブスクリプション 定期的なリクエストに合う割引プランを選びましょう。 最大50%のプロモコード 購入時にコードを入力すると、実施中のキャンペーンに沿って価格を再計算します。 支出を履歴で確認 各リクエストのモデル、トークン、金額が保存されます。 [サブスクリプションを選ぶ](https://ailoot.ai/docs/ja/billing/subscriptions/) · [モデルの価格を見る](https://ailoot.ai/models/ja/) ## 販売する製品に、 APIを組み込みましょう。 SaaS、アプリ、ボットをAilootの公式サービス提供条件とライセンス契約に基づいて接続できます。再販にはリセラーライセンスを申請できます。 商用アプリ サービスの有料機能に、文章、画像、動画、音声の生成を組み込めます。 リセラーライセンス プロジェクトの説明とアクセスの仕組みをお送りください。利用・再販条件の書面を申請できます。 サイトで契約文書を確認 接続前にサービス提供条件、ライセンス契約、データ処理ポリシーを読めます。 [リセラーライセンスを申請](mailto:support@ailoot.ai) · [サービス提供条件とライセンス契約](https://ailoot.ai/legal/offer?lang=ja) ## Ailoot · 企業とそのプロジェクト群 Ailootは、蓄積した運営経験、幅広い顧客基盤、安定したサービス、継続的なKPI管理を基盤としています。 企業とそのプロジェクト群：数百万の顧客、毎月数十億規模の売上。 Ailootはこの運営経験を、お客様の製品、エージェント、アプリケーション、自動化でAI機能を利用するためのAPIアクセスに活かしています。