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

# Qwen: Qwen-Audio-3.0-TTS Flash

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

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

Qwen-Audio-3.0-TTS-Flash ialah model teks-ke-pertuturan Qwen yang berfokus pada pembantu suara yang responsif dan dialog interaktif. Ia menggabungkan sintesis penstriman, suara pratetap atau suara klon yang khusus kepada model, serta arahan atau tag untuk pertuturan yang ekspresif.

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

Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

Qwen-Audio-3.0-TTS-Flash menukar skrip yang diberikan kepada pertuturan, dengan edisi Flash berfokus pada interaksi masa nyata. Qwen menyenaraikan pembantu suara, dialog interaktif dan khidmat pelanggan pintar sebagai aplikasi utamanya. Berbanding versi sebelumnya, pengeluar menerangkan sokongan yang lebih luas untuk bahasa yang mempunyai sumber terhad dan dialek Cina, penyampaian dialek yang lebih autentik serta kawalan yang lebih kuat terhadap emosi, nada, watak, kelajuan, kelantangan dan gaya pertuturan. Ia juga melaporkan kejelasan dan keteguhan yang lebih baik dalam keadaan akustik yang bising atau bergema. Ini ialah sintesis teks-ke-audio, bukannya pengecaman pertuturan masuk atau model dialog suara.

Flash mengutamakan permulaan pertuturan dalam pertukaran interaktif. Qwen melaporkan latensi hingga paket pertama tidak melebihi 200 milisaat untuk sintesis masa nyata model ini; panduan penggunaannya turut menyatakan bahawa penyediaan sambungan awal menyumbang kepada kelewatan yang diukur bagi penghantaran pertama. Sediakan perkataan sebenar yang akan dituturkan secara berasingan daripada cara penyampaian yang dikehendaki. Untuk respons pembantu suara, contoh arahan boleh menggabungkan jawapan ringkas dengan arahan penyampaian yang tenang dan jelas. Hasil yang berkaitan ialah pertuturan yang dijana untuk teks tersebut, dengan aplikasi mengendalikan main balik dan perbualan yang mengiringinya.

Senarai suara sistem pengeluar merangkumi pilihan khusus model seperti Long An Feng Yue untuk penyampaian yang semula jadi dan mesra serta Long An Xiao Xin untuk penyampaian yang mesra dan ceria, kedua-duanya disenaraikan untuk Mandarin dan Inggeris. Senarai itu juga merangkumi suara Inggeris seperti loongmary dengan loghat British dan loongjohn dengan loghat Amerika yang tenang dan mesra. Setiap model turut mempunyai lebih daripada 500 suara asas. Qwen mengesyorkan bermula dengan suara sistem untuk kekonsistenan dan menilai pratonton semasa memilih suara asas. Suara mesti tergolong dalam model yang dipilih, dan skrip mesti menggunakan bahasa yang disokong oleh suara tersebut.

Suara klon meluaskan rangkaian bahasa yang didokumenkan kepada bahasa Cina, Inggeris, Jepun, Korea, Rusia, Perancis, Jerman, Portugis, Thai, Indonesia, Vietnam, Sepanyol, Itali, Melayu, Filipino dan Arab. Liputan bahasa Cina merangkumi varieti Mandarin, Kantonis, Chongqing, Timur Laut China, Gansu, Guizhou, Zhejiang, Hebei, Henan, Hubei, Hunan, Jiangxi, Ningbo, Ningxia, Qingdao, Shaanxi, Shanxi, Shandong, Shanghai, Sichuan dan Yunnan, dengan pemilihan dialek melalui arahan. Jadual model menyokong pengklonan suara berasaskan sampel dan membezakannya daripada penciptaan suara baharu semata-mata daripada penerangan teks, yang tidak disokong oleh edisi ini.

Untuk pengklonan, pengeluar mengesyorkan rakaman sepanjang 10–20 saat, dengan tempoh maksimum 60 saat dan saiz fail tidak melebihi 10 MB. Format rujukan yang disokong ialah WAV 16-bit, MP3 dan M4A, pada kadar pensampelan sekurang-kurangnya 16 kHz. Rakaman memerlukan sekurang-kurangnya lima saat pertuturan yang jelas dan berterusan; jeda lain sepatutnya tidak melebihi dua saat. Elakkan bunyi latar, suara lain dan nyanyian. Stereo diterima, tetapi hanya saluran pertama diproses. Aliran kerja pengklonan mengembalikan pengecam suara yang terikat pada model sasaran yang tepat, dan sintesis menggunakan pengecam itu setelah suara sedia digunakan. Rakaman yang sama memerlukan suara klon yang berasingan untuk Flash dan Plus.

Arahan bahasa semula jadi mengawal penyampaian bagi suara sistem dan suara klon. Terangkan ciri yang boleh didengar seperti nada lembut, artikulasi yang jelas atau tempo yang sedikit lebih perlahan. Tag sebaris menyediakan kawalan yang berbeza: \[empathetic\] atau \[serious\] menetapkan gaya untuk teks berikutnya, manakala \[laughing\] atau \[sighing\] menyisipkan kesan suara pada kedudukan tertentu. Tag kawalan kekal berkuat kuasa sehingga muncul tag kawalan lain atau berlaku segmentasi ayat secara automatik. Tag emosi dan bahasa ekspresif ini didokumenkan hanya untuk penstriman sehala, bukannya mod input teks dua hala. Sediakan baris yang ekspresif dalam mod yang sesuai dengan kawalan tersebut.

Antara muka pertuturan pengeluar menyokong PCM, WAV, MP3 dan Opus. Kadar pensampelan yang disenaraikan ialah 8,000, 16,000, 22,050, 24,000, 44,100 dan 48,000 Hz, dengan MP3 dan 22,050 Hz sebagai tetapan lalai. Kelantangan berjulat dari 0 hingga 100; kadar pertuturan dan pic masing-masing berjulat dari 0.5 hingga 2.0. MP3 dan Opus turut menyediakan tetapan kadar bit dari 6 hingga 510 kbps. Pilih format dan kadar pensampelan yang sepadan dengan pemain atau aliran kerja pemprosesan yang dimaksudkan. Untuk aplikasi interaktif, pengeluar mendokumenkan bingkai audio penstriman dan metadata ayat, dengan cap masa pada peringkat perkataan tersedia dalam output penstriman untuk suara yang layak, termasuk suara klon.

Protokol teks WebSocket yang didokumenkan menerima sehingga 20,000 aksara dalam satu mesej teks dan 200,000 aksara secara terkumpul dalam satu tugasan, dengan sela antara penghantaran tidak melebihi 23 saat. Ini ialah had protokol pengeluar, berasingan daripada had tempoh output model yang universal. Ia menyokong pembatalan giliran sintesis semasa dan tugasan seterusnya pada sambungan yang sama. Kekalkan segmen teks mengikut urutan pertuturan yang dimaksudkan dan tamatkan input apabila skrip lengkap. Untuk persediaan sebutan, pengeluar mendokumenkan petunjuk bahasa sasaran, anotasi pinyin dan penggantian teks, yang berguna apabila digit, singkatan atau simbol disebut secara tidak dijangka.

SSML ialah pilihan penandaan berasingan dengan syarat berkaitan suara dan mod interaksi: Qwen mendokumenkannya untuk suara klon, dengan panggilan tanpa penstriman atau penstriman sehala, serta satu penghantaran teks apabila SSML diaktifkan. Ia tidak sepatutnya dianggap tersedia untuk setiap suara pratetap atau strim dua hala. Untuk dialog biasa, mulakan dengan suara yang serasi, skrip pertuturan yang bersih dan arahan penyampaian yang khusus; tambah kawalan sebutan atau ekspresi yang terarah apabila diperlukan oleh tugasan. Ini memastikan profil Flash kekal berpusat pada pertuturan responsif daripada teks yang disediakan, bukannya pada keupayaan model audio Qwen yang lain.

**Ailoot Ultra · Penjanaan suara** `POST /v1/audio/speech` `qwen/qwen-audio-3.0-tts-flash`

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

### Pengenalan

Qwen-Audio-3.0-TTS-Flash ialah model teks-ke-pertuturan Qwen yang berfokus pada pembantu suara yang responsif dan dialog interaktif. Ia menggabungkan sintesis penstriman, suara pratetap atau suara klon yang khusus kepada model, serta arahan atau tag untuk pertuturan yang ekspresif.

Input yang diterima

Teks

Hasil

Audio

### Tersedia di Ailoot · input & kaedah

**Ailoot Ultra · Penjanaan suara** `POST /v1/audio/speech`

Input

`text`

Output

`audio`

Format output

mp3

| Medan | Jenis | Keperluan | Nilai & had | Lalai |
| --- | --- | --- | --- | --- |
| Medan`model` | Jenis`string` | KeperluanDiperlukan | Nilai & had qwen/qwen-audio-3.0-tts-flash | Lalai— |
| Medan`input` | Jenis`string` | KeperluanDiperlukan | Nilai & had Panjang minimum: 1 Unit: aksara Unicode | Lalai— |
| Medan`voice` | Jenis`string` | KeperluanDiperlukan | Nilai & had loongjohn, longanhuan\_v3.6 | Lalai— |
| Medan`response_format` | Jenis`string` | KeperluanDiperlukan | Nilai & had mp3 | Lalai— |

Gabungan bahan input

**text\_to\_speech** · Diperlukan: input

Parameter kaedah dan kitar hayat

| 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 tepat; kiraan aksara Unicode tanpa penormalan |
| Parameter`material_types` | Kontraktext |

Kitar hayat: `synchronous_result_then_owned_library`

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

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

`GET /v1/media/assets`

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

Pilih suara yang tepat daripada profil model ini.

Aksara input dan saat audio ialah ukuran penggunaan yang berbeza.

### Pelan harga

Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.

Mod pantas

Tidak dinyatakan Apabila mod pantas dipilih

Mod flex

Tidak dinyatakan Apabila mod flex dipilih

Usaha penaakulan maksimum

Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default

#### Kadar Ailoot

#### Harga mengikut konfigurasi

Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.

| Konfigurasi | Jadual kadar | Kuantiti yang boleh dibilkan | Unit pengebilan | Caj |
| --- | --- | --- | --- | --- |
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Kuantiti yang boleh dibilkan— | Unit pengebilan— | Caj Input · Token input **—** / 1K token Output · Token output **—** / 1K token Input · Bacaan cache **—** / 1K token Input · Penulisan cache **—** / 1K token Input · Penulisan cache, 1 jam **—** / 1K token |
| KonfigurasiUltra | Jadual kadar— | Kuantiti yang boleh dibilkanSetiap titik kod Unicode dikira sebagai satu aksara, termasuk aksara Han. | Unit pengebilanbagi setiap 1K aksara masukan | Caj Input · aksara input **$0.03** bagi setiap 1K aksara masukan |

#### Butiran tarif rujukan

Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.

Qwen: Qwen-Audio-3.0-TTS Flash

#### Harga mengikut konfigurasi

| Konfigurasi | Syarat pengebilan | Caj |
| --- | --- | --- |
| KonfigurasiQwen: Qwen-Audio-3.0-TTS Flash · Konfigurasi lalai | Syarat pengebilanKonfigurasi lalai | Caj Input · Aksara input **USD 0.00003** bagi setiap aksara masukan |

Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. [Cara rizab dan penyelesaian caj berfungsi →](https://ailoot.ai/docs/ms/billing/reserve/)

### Contoh permintaan

#### Ailoot Ultra · Penjanaan suara

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 · Penjanaan suara

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 kandungan lain

Pustaka mediaStatus tugasButiran 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, fail dan bahagian kandungan yang dikembalikan.

Simpan hasil binari dan pengepala yang lengkap. Jika JSON atau berbilang output dikembalikan, simpan setiap item data dan dapatkan setiap URL aset bertandatangan yang sebenar.

##### Jika respons asal perlu disemak

Simpan operation\_id/X-Client-Request-ID asal untuk penyelarasan rekod tanpa penghantaran semula; tiada laluan khusus untuk meninjau status audio.

Medan respons

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

Ralat dan langkah seterusnya

| Respons | Syarat | Langkah seterusnya |
| --- | --- | --- |
| Respons400 · `invalid_request_error` | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
| Respons`server_error` | SyaratRespons yang dikembalikan menyatakan bahawa operasi atau hasil memerlukan semakan | Langkah seterusnyaSimpan ID operasi/tugas asal yang dikembalikan, pengepala permintaan dan respons; teruskan pembacaan yang disokong bagi operasi asal tersebut. Jangan hantar semula permintaan penciptaan. |

### Alias

#### Alias model

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

#### Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

#### ID pemanggil berkaitan

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

Apakah input dan hasil yang tersedia?

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

Apakah medan yang digunakan oleh permintaan?

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

Sambungkan Ailoot kepada Claude Code, OpenCode, Hermes atau aplikasi anda.

## Syarikat dan portfolio projeknya

Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.

## Beli token dengan diskaun.

Diskaun langganan untuk penggunaan berkala. Kod promosi — sehingga 50% bagi pembelian token.

Langganan

Pilih pelan berdiskaun untuk permintaan berkala anda.

Kod promosi sehingga 50%

Masukkan kod semasa pembelian. Harga dikira semula mengikut promosi semasa.

Perbelanjaan dalam sejarah

Model, token dan jumlah disimpan bagi setiap permintaan.

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

## Sambungkan API kepada produk yang anda jual.

SaaS, aplikasi dan bot — di bawah tawaran rasmi serta perjanjian lesen Ailoot. Untuk jualan semula, mohon lesen penjual semula.

Aplikasi komersial

Tambahkan penjanaan teks, imej, video dan audio pada ciri berbayar perkhidmatan anda.

Lesen penjual semula

Hantar keterangan projek dan susunan akses. Minta terma penggunaan serta jualan semula secara bertulis.

Dokumen pada laman

Tawaran, perjanjian lesen dan dasar pemprosesan data tersedia sebelum sambungan.

[Mohon lesen penjual semula](mailto:support@ailoot.ai) · [Tawaran dan perjanjian lesen](https://ailoot.ai/legal/offer?lang=ms)

## Ailoot · Syarikat dan portfolio projeknya





Ailoot berteraskan pengalaman operasi yang mantap, pangkalan pelanggan yang besar, perkhidmatan yang stabil dan pemantauan KPI berterusan.





Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.





Ailoot menggunakan pengalaman operasi ini untuk akses API kepada ciri AI dalam produk pelanggan, ejen, aplikasi dan automasi.