Qwen: Qwen-Audio-3.0-TTS Flash

Qwen-Audio-3.0-TTS-Flash는 빠르게 응답하는 음성 비서와 대화형 상호작용에 초점을 맞춘 Qwen의 텍스트 음성 변환 모델입니다. 스트리밍 합성, 모델별 기본 또는 복제 음성, 표현력 있는 발화를 위한 지시문이나 태그를 함께 제공합니다.

Ailoot Ultra · 음성 합성 POST /v1/audio/speech qwen/qwen-audio-3.0-tts-flash

모델 소개

이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.

Qwen-Audio-3.0-TTS-Flash는 제공한 대본을 음성으로 변환하며, Flash 버전은 실시간 상호작용에 초점을 맞춥니다. Qwen은 음성 비서, 대화형 상호작용, 지능형 고객 서비스를 주요 활용 분야로 제시합니다. 제작사는 이전 버전과 비교해 자원이 적은 언어와 중국어 방언 지원의 확대, 더 자연스러운 방언 표현, 감정·어조·인물 특성·속도·음량·말하기 스타일에 대한 제어 강화를 설명합니다. 또한 소음이나 잔향이 있는 음향 환경에서 명료도와 안정성이 향상되었다고 밝힙니다. 이 모델은 텍스트를 오디오로 합성하는 모델이며, 들어오는 음성을 인식하거나 음성 대화를 수행하는 모델은 아닙니다.

Flash는 대화형 상호작용에서 발화를 빠르게 시작하는 데 우선순위를 둡니다. Qwen은 이 모델의 실시간 합성에서 첫 패킷 지연 시간이 200밀리초 이내라고 보고합니다. 사용 가이드에는 최초 연결 설정에 걸리는 시간이 첫 번째 입력의 측정 지연에 더해진다는 설명도 있습니다. 실제로 읽을 문구와 원하는 발화 방식을 분리해 준비하세요. 음성 비서의 응답을 위한 예시 지시에는 간결한 답변과 차분하고 명확하게 말하라는 지시를 함께 넣을 수 있습니다. 이때 필요한 결과는 해당 텍스트를 합성한 음성이며, 재생과 전후 대화 처리는 애플리케이션이 담당합니다.

제작사의 시스템 음성 목록에는 자연스럽고 친근한 발화를 위한 Long An Feng Yue, 친근하고 활기찬 발화를 위한 Long An Xiao Xin 등 모델별 선택지가 있습니다. 두 음성 모두 표준 중국어와 영어를 지원하는 것으로 기재되어 있습니다. 영국식 억양의 loongmary, 차분하고 친근한 미국식 억양의 loongjohn 같은 영어 음성도 포함됩니다. 각 모델에는 이와 별도로 500개가 넘는 기본 음성이 있습니다. Qwen은 일관성을 위해 시스템 음성부터 사용하고, 기본 음성을 고를 때는 미리 듣기를 평가할 것을 권장합니다. 음성은 선택한 모델에 속해야 하며, 대본은 해당 음성이 지원하는 언어로 작성해야 합니다.

복제 음성으로 지원되는 언어 범위는 중국어, 영어, 일본어, 한국어, 러시아어, 프랑스어, 독일어, 포르투갈어, 태국어, 인도네시아어, 베트남어, 스페인어, 이탈리아어, 말레이어, 필리핀어, 아랍어로 넓어집니다. 중국어 지원 범위에는 표준 중국어, 광둥어, 충칭, 동북, 간쑤, 구이저우, 저장, 허베이, 허난, 후베이, 후난, 장시, 닝보, 닝샤, 칭다오, 산시(陝西), 산시(山西), 산둥, 상하이, 쓰촨, 윈난 지역의 말이 포함되며, 지시문으로 방언을 선택합니다. 모델 표에서는 샘플 기반 음성 복제를 지원하며, 텍스트 설명만으로 새 음성을 만드는 기능과 구분합니다. 이 버전은 후자를 지원하지 않습니다.

음성 복제에는 10~20초 길이의 녹음을 권장하며, 최대 길이는 60초, 파일 크기는 10 MB 이하여야 합니다. 지원하는 참조 파일 형식은 16비트 WAV, MP3, M4A이며, 샘플 레이트는 16 kHz 이상이어야 합니다. 녹음에는 최소 5초의 연속적이고 또렷한 말소리가 있어야 하며, 그 밖의 무음 구간은 2초를 넘기지 않아야 합니다. 배경 소리, 다른 사람의 목소리, 노래는 피하세요. 스테레오도 허용되지만 첫 번째 채널만 처리합니다. 복제 절차에서는 정확한 대상 모델에 연결된 음성 식별자를 반환하며, 음성이 준비되면 합성에 해당 식별자를 사용합니다. 같은 녹음을 쓰더라도 Flash와 Plus용 복제 음성은 각각 따로 만들어야 합니다.

자연어 지시문은 시스템 음성과 복제 음성 모두의 발화 방식을 제어합니다. 부드러운 어조, 명확한 발음, 약간 느린 속도처럼 귀로 들을 수 있는 특성을 설명하세요. 인라인 태그는 다른 방식의 제어를 제공합니다. [empathetic]이나 [serious]는 이후 텍스트의 스타일을 설정하고, [laughing]이나 [sighing]은 특정 위치에 음성 효과를 삽입합니다. 제어 태그는 다른 제어 태그가 나오거나 문장이 자동으로 분할될 때까지 적용됩니다. 이러한 감정 및 풍부한 표현 태그는 양방향 텍스트 입력 모드가 아닌 단방향 스트리밍에만 문서화되어 있습니다. 표현력이 필요한 문장은 해당 제어 방식에 맞는 모드로 준비하세요.

제작사의 음성 인터페이스는 PCM, WAV, MP3, Opus를 지원합니다. 기재된 샘플 레이트는 8,000, 16,000, 22,050, 24,000, 44,100, 48,000 Hz이며, 기본값은 MP3와 22,050 Hz입니다. 음량 범위는 0~100이고, 발화 속도와 음높이의 범위는 각각 0.5~2.0입니다. MP3와 Opus에는 6~510 kbps 범위의 비트레이트 설정도 있습니다. 재생기나 후처리 작업에 맞는 형식과 샘플 레이트를 선택하세요. 대화형 애플리케이션을 위해 제작사는 스트리밍 오디오 프레임과 문장 메타데이터를 문서화하고 있으며, 복제 음성을 포함해 조건에 맞는 음성은 스트리밍 출력에서 단어별 타임스탬프도 제공합니다.

문서화된 WebSocket 텍스트 프로토콜은 텍스트 메시지 하나에 최대 20,000자, 작업 하나의 누적 입력으로 최대 200,000자를 허용하며, 입력 간 간격은 23초를 넘기지 않아야 합니다. 이는 제작사 프로토콜의 제한이며, 모든 경우에 적용되는 모델의 오디오 출력 시간 제한과는 별개입니다. 현재 합성 턴을 취소하고 같은 연결에서 다음 작업을 시작할 수 있습니다. 텍스트 구간을 실제로 읽을 순서대로 유지하고 대본 입력이 끝나면 입력을 종료하세요. 발음 준비를 위해 제작사는 대상 언어 힌트, 병음 주석, 텍스트 치환을 문서화하고 있습니다. 숫자, 약어, 기호가 예상과 다르게 읽힐 때 유용합니다.

SSML은 음성과 상호작용 모드에 따른 조건이 있는 별도의 마크업 선택지입니다. Qwen은 복제 음성의 비스트리밍 또는 단방향 스트리밍 호출에서 이를 문서화하며, SSML을 켜면 텍스트를 한 번만 제출하도록 규정합니다. 모든 기본 음성이나 양방향 스트림에서 지원된다고 가정해서는 안 됩니다. 일반적인 대화에서는 호환되는 음성, 읽기에 적합한 정돈된 대본, 구체적인 발화 지시문부터 준비하고, 작업에 필요한 부분에 발음이나 표현 제어를 추가하세요. 이렇게 하면 다른 Qwen 오디오 모델의 기능을 섞지 않고, 준비한 텍스트를 빠르게 음성으로 출력하는 Flash의 용도에 집중할 수 있습니다.

Ailoot Ultra · 음성 합성 POST /v1/audio/speech qwen/qwen-audio-3.0-tts-flash

qwen/qwen-audio-3.0-tts-flash

Alibaba /qwen/qwen-audio-3.0-tts-flash

시작하기

허용 입력: 텍스트
결과: 오디오

Ailoot에서 사용 가능 · 입력 및 메서드

Ailoot Ultra · 음성 합성 POST /v1/audio/speech

입력: text
출력: audio
출력 형식: mp3

필드	유형	요건	값과 한도	기본값
필드`model`	유형`string`	요건필수	값과 한도 qwen/qwen-audio-3.0-tts-flash	기본값—
필드`input`	유형`string`	요건필수	값과 한도 최소 길이: 1 단위: Unicode 문자	기본값—
필드`voice`	유형`string`	요건필수	값과 한도 loongjohn, longanhuan_v3.6	기본값—
필드`response_format`	유형`string`	요건필수	값과 한도 mp3	기본값—

입력 자료 조합

text_to_speech · 필수: input

메서드 매개변수와 수명 주기

매개변수	명세
매개변수`content_type`	명세application/json
매개변수`required`	명세model, input, voice, response_format
매개변수`voice_ids`	명세loongjohn, longanhuan_v3.6
매개변수`response_format`	명세mp3
매개변수`max_input_characters`	명세null
매개변수`other_options`	명세false
매개변수`input`	명세정확한 UTF-8 텍스트; 정규화 없이 계산한 유니코드 문자 수
매개변수`material_types`	명세text

수명 주기: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · 실제로 반환된 task_id 또는 미디어 라이브러리 기록

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

이 모델 프로필에 있는 정확한 음성을 선택하세요.

입력 문자 수와 오디오 초는 서로 다른 측정 단위입니다.

요금

요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.

빠른 모드: 미지정 빠른 모드를 선택한 경우
Flex 모드: 미지정 flex 모드를 선택한 경우
최대 추론 수준: 미지정 최대 추론 수준에 default 조정값을 적용하는 경우

Ailoot 요금

설정별 가격

각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.

설정	요금표	과금 대상 수량	과금 단위	요금
설정기본 토큰 요금	요금표기본 요금	과금 대상 수량—	과금 단위—	요금 입력 · 입력 토큰 — / 1K 토큰 출력 · 출력 토큰 — / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰
설정Ultra	요금표—	과금 대상 수량한자를 포함해 Unicode 코드 포인트 하나를 문자 하나로 계산합니다.	과금 단위입력 문자 1K개당	요금 입력 · 입력 문자 $0.03 입력 문자 1K개당

참조 요금 상세 정보

모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.

Qwen: Qwen-Audio-3.0-TTS Flash

설정별 가격

설정	과금 조건	요금
설정Qwen: Qwen-Audio-3.0-TTS Flash · 기본 설정	과금 조건기본 설정	요금 입력 · 입력 문자 수 US$0.00003 입력 문자당

Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →

요청 예제

Ailoot Ultra · 음성 합성

curl

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

결과 수신 및 저장

Ailoot Ultra · 음성 합성

mp3

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

기타 콘텐츠 조회

미디어 라이브러리작업 상태자산 세부 정보

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

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

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

완료된 결과 모두 보관

반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.

바이너리 결과 전체와 헤더를 보관하세요. JSON 또는 여러 출력이 반환되면 모든 데이터 항목을 보관하고 실제로 반환된 서명된 자산 URL을 각각 조회하세요.

원래 응답을 확인해야 할 경우

다시 제출하지 말고 정산 대조를 위해 최초 operation_id/X-Client-Request-ID를 보관하세요. 전용 오디오 폴링 라우트는 없습니다.

응답 필드

필드	유형
필드`binary audio`	유형bytes
필드`response headers`	유형headers

오류와 다음 단계

응답	조건	다음 단계
응답400 · `invalid_request_error`	조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음	다음 단계새 생성 요청 전에 표시된 필드를 수정하세요.
응답`server_error`	조건반환된 응답에 작업 또는 결과 확인이 필요하다고 표시되어 있습니다	다음 단계최초로 반환된 작업/태스크 ID, 요청 헤더와 응답을 보관하고, 지원되는 조회 방식으로 해당 최초 작업을 계속 조회하세요. 생성 요청을 다시 제출하지 마세요.

별칭

모델 별칭

Ailoot Ultra qwen/qwen-audio-3.0-tts-flash

메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

Qwen: Qwen-Audio-3.0-TTS Flash