Source: https://ailoot.ai/models/nb/qwen-qwen-audio-3-0-tts-flash/ Canonical: https://ailoot.ai/models/nb/qwen-qwen-audio-3-0-tts-flash/ Language: nb # Qwen: Qwen-Audio-3.0-TTS Flash [Markdown](https://ailoot.ai/models/nb/qwen-qwen-audio-3-0-tts-flash/index.md) · [JSON](https://ailoot.ai/models/nb/qwen-qwen-audio-3-0-tts-flash/facts.json) ## [Qwen: Qwen-Audio-3.0-TTS Flash](https://ailoot.ai/models/nb/qwen-qwen-audio-3-0-tts-flash/) Qwen-Audio-3.0-TTS-Flash er Qwens tekst-til-tale-modell rettet mot responsive taleassistenter og interaktiv dialog. Den kombinerer strømmende talesyntese, modellspesifikke forhåndsdefinerte eller klonede stemmer og instruksjoner eller tagger for uttrykksfull tale. - [**Ailoot Ultra · Talesyntese** `POST /v1/audio/speech` `qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/nb/qwen-qwen-audio-3-0-tts-flash/#method-0) Om modellen Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden. Qwen-Audio-3.0-TTS-Flash gjør et innsendt manus om til tale, og Flash-utgaven er rettet mot samhandling i sanntid. Qwen oppgir taleassistenter, interaktiv dialog og intelligent kundeservice som hovedbruksområder. Sammenlignet med forrige versjon beskriver produsenten bredere støtte for språk med begrensede ressurser og kinesiske dialekter, mer autentisk dialektuttrykk og bedre kontroll over følelser, tone, karakter, hastighet, volum og talestil. Produsenten oppgir også bedre tydelighet og robusthet under akustiske forhold med støy eller etterklang. Dette er syntese fra tekst til lyd, ikke gjenkjenning av innkommende tale eller en modell for taledialog. Flash prioriterer oppstarten av tale i en interaktiv utveksling. Qwen oppgir en forsinkelse på opptil 200 millisekunder før første pakke for denne modellens sanntidssyntese; bruksveiledningen påpeker også at den første tilkoblingsetableringen bidrar til den målte forsinkelsen ved første innsending. Klargjør ordene som faktisk skal sies, separat fra ønsket fremføring. For et svar fra en taleassistent kan en illustrerende beskrivelse kombinere et kortfattet svar med en instruksjon om rolig og tydelig fremføring. Det relevante resultatet er den genererte talen for teksten, mens applikasjonen håndterer avspilling og den omkringliggende samtalen. Produsentens liste over systemstemmer omfatter modellspesifikke alternativer som Long An Feng Yue for en naturlig og vennlig fremføring og Long An Xiao Xin for en vennlig og livlig fremføring; begge er oppført for mandarin og engelsk. Listen omfatter også engelske stemmer som loongmary med britisk aksent og loongjohn med en rolig og vennlig amerikansk aksent. Hver modell har i tillegg mer enn 500 basisstemmer. Qwen anbefaler å begynne med systemstemmer for å få konsistente resultater og å vurdere forhåndslytting når du velger en basisstemme. En stemme må tilhøre den valgte modellen, og manuset må bruke et språk som stemmen støtter. Klonede stemmer utvider det dokumenterte språkutvalget til kinesisk, engelsk, japansk, koreansk, russisk, fransk, tysk, portugisisk, thai, indonesisk, vietnamesisk, spansk, italiensk, malayisk, filippinsk og arabisk. Den kinesiske dekningen omfatter variantene mandarin, kantonesisk, Chongqing, nordøstkinesisk, Gansu, Guizhou, Zhejiang, Hebei, Henan, Hubei, Hunan, Jiangxi, Ningbo, Ningxia, Qingdao, Shaanxi, Shanxi, Shandong, Shanghai, Sichuan og Yunnan, med dialektvalg gjennom instruksjoner. Modelltabellen støtter stemmekloning basert på et lydutvalg og skiller dette fra å lage en ny stemme utelukkende fra en tekstbeskrivelse, noe denne utgaven ikke støtter. For kloning anbefaler produsenten et opptak på 10–20 sekunder, med en maksimal lengde på 60 sekunder og en filstørrelse på høyst 10 MB. De støttede referanseformatene er 16-biters WAV, MP3 og M4A, med en samplingsfrekvens på minst 16 kHz. Opptaket må inneholde minst fem sekunder med sammenhengende, tydelig tale; øvrige pauser skal ikke være lengre enn to sekunder. Unngå bakgrunnslyd, andre stemmer og sang. Stereo godtas, men bare den første kanalen behandles. Kloningsprosessen returnerer en stemmeidentifikator knyttet til den nøyaktige målmodellen, og syntesen bruker identifikatoren når stemmen er klar. Det samme opptaket krever separate klonede stemmer for Flash og Plus. Instruksjoner på naturlig språk styrer fremføringen for både systemstemmer og klonede stemmer. Beskriv hørbare egenskaper, som en mild tone, tydelig artikulasjon eller et litt lavere tempo. Tagger i teksten gir en annen type kontroll: \[empathetic\] eller \[serious\] angir en stil for teksten som følger, mens \[laughing\] eller \[sighing\] setter inn en vokaleffekt på et bestemt sted. En kontrolltagg varer til en annen kontrolltagg eller automatisk setningssegmentering. Disse følelses- og uttrykkstaggene er bare dokumentert for enveis strømming, ikke for den toveis modusen for tekstinndata. Klargjør en uttrykksfull replikk i modusen som passer til disse kontrollene. Produsentens talegrensesnitt støtter PCM, WAV, MP3 og Opus. De oppførte samplingsfrekvensene er 8 000, 16 000, 22 050, 24 000, 44 100 og 48 000 Hz, med MP3 og 22 050 Hz som standardverdier. Volumet går fra 0 til 100; talehastighet og tonehøyde går hver fra 0,5 til 2,0. MP3 og Opus har også en innstilling for bitrate fra 6 til 510 kbps. Velg format og samplingsfrekvens ut fra den tiltenkte avspilleren eller behandlingsflyten. For en interaktiv applikasjon dokumenterer produsenten strømmende lydrammer og setningsmetadata, med tidsstempler på ordnivå tilgjengelig i strømmende utdata for stemmer som oppfyller vilkårene, inkludert klonede stemmer. Den dokumenterte WebSocket-tekstprotokollen godtar opptil 20 000 tegn i én tekstmelding og til sammen 200 000 tegn i en oppgave, med høyst 23 sekunder mellom innsendingene. Dette er produsentens protokollgrenser, atskilt fra en universell varighetsgrense for modellens utdata. Protokollen støtter avbryting av den gjeldende synteseturen og en etterfølgende oppgave på samme tilkobling. Behold tekstsegmentene i den rekkefølgen de skal sies, og avslutt inndataene når manuset er komplett. For klargjøring av uttale dokumenterer produsenten hint om målspråk, pinyin-annotasjoner og teksterstatninger, som er nyttige når sifre, forkortelser eller symboler uttales uventet. SSML er et separat markeringsalternativ med vilkår knyttet til stemme og samhandlingsmodus: Qwen dokumenterer det for klonede stemmer, med ikke-strømmende kall eller enveis strømmende kall, og én enkelt tekstinnsending når SSML er aktivert. Det bør ikke forutsettes for alle forhåndsdefinerte stemmer eller toveis strømming. For vanlig dialog begynner du med en kompatibel stemme, et rent talemanus og en konkret instruksjon om fremføring; legg til målrettede uttale- eller uttrykkskontroller når oppgaven krever det. Dette holder Flash-profilen rettet mot responsiv tale fra klargjort tekst fremfor egenskapene til andre Qwen-lydmodeller. **Ailoot Ultra · Talesyntese** `POST /v1/audio/speech` `qwen/qwen-audio-3.0-tts-flash` [`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/nb/#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` ### Start Qwen-Audio-3.0-TTS-Flash er Qwens tekst-til-tale-modell rettet mot responsive taleassistenter og interaktiv dialog. Den kombinerer strømmende talesyntese, modellspesifikke forhåndsdefinerte eller klonede stemmer og instruksjoner eller tagger for uttrykksfull tale. Godkjente inndata Tekst Resultater Lyd ### Tilgjengelig i Ailoot · inndata & metoder **Ailoot Ultra · Talesyntese** `POST /v1/audio/speech` Inndatatyper `text` Utdatatyper `audio` Utdataformat mp3 | Felt | Type | Krav | Verdier & grenser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrevd | Verdier & grenser qwen/qwen-audio-3.0-tts-flash | Standard— | | Felt`input` | Type`string` | KravPåkrevd | Verdier & grenser Minste lengde: 1 Enhet: Unicode-tegn | Standard— | | Felt`voice` | Type`string` | KravPåkrevd | Verdier & grenser loongjohn, longanhuan\_v3.6 | Standard— | | Felt`response_format` | Type`string` | KravPåkrevd | Verdier & grenser mp3 | Standard— | Kombinasjoner av inngående materialer **text\_to\_speech** · Påkrevd: input Metodeparametere og livssyklus | Parameter | Avtale | | --- | --- | | Parameter`content_type` | Avtaleapplication/json | | Parameter`required` | Avtalemodel, input, voice, response\_format | | Parameter`voice_ids` | Avtaleloongjohn, longanhuan\_v3.6 | | Parameter`response_format` | Avtalemp3 | | Parameter`max_input_characters` | Avtalenull | | Parameter`other_options` | Avtalefalse | | Parameter`input` | AvtaleEksakt UTF-8-tekst; antall Unicode-tegn uten normalisering | | Parameter`material_types` | Avtaletext | Livssyklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · faktisk returnert task\_id eller oppføring i mediebiblioteket `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Velg den eksakte stemmen fra denne modellprofilen. Inndatategn og lydsekunder er ulike måleenheter for forbruk. ### Priser Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden. Hurtigmodus Ikke angitt Når hurtigmodus er valgt Flex-modus Ikke angitt Når flex-modus er valgt Maksimal resonneringsinnsats Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats #### Ailoot-satser #### Priser etter konfigurasjon Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner. | Konfigurasjon | Prisplan | Fakturerbar mengde | Faktureringsenhet | Kostnad | | --- | --- | --- | --- | --- | | KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Fakturerbar mengde— | Faktureringsenhet— | Kostnad Inndata · Inngående tokener **—** / 1K tokener Utdata · Utgående tokener **—** / 1K tokener Inndata · Lesing fra hurtigbuffer **—** / 1K tokener Inndata · Skriving til hurtigbuffer **—** / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time **—** / 1K tokener | | KonfigurasjonUltra | Prisplan— | Fakturerbar mengdeHvert Unicode-kodepunkt teller som ett tegn, også Han-tegn. | Faktureringsenhetper 1K inndatategn | Kostnad Inndata · inndatategn **$0.03** per 1K inndatategn | #### Detaljer om referansetariffen Referanseprisplaner på modellnivå endrer ikke metodevalg, prisoverslag eller kostnader. Aktive kostnader bruker satsene til den valgte Ailoot-metoden. Qwen: Qwen-Audio-3.0-TTS Flash #### Priser etter konfigurasjon | Konfigurasjon | Faktureringsvilkår | Kostnad | | --- | --- | --- | | KonfigurasjonQwen: Qwen-Audio-3.0-TTS Flash · Standardkonfigurasjon | FaktureringsvilkårStandardkonfigurasjon | Kostnad Inndata · Inngående tegn **0,00003 USD** per inndatategn | Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. [Slik fungerer reservasjon og oppgjør →](https://ailoot.ai/docs/nb/billing/reserve/) ### Eksempelforespørsler #### Ailoot Ultra · Talesyntese curl ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o speech.mp3 ``` ### Motta og lagre resultater #### Ailoot Ultra · Talesyntese mp3 - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Andre innholdslesinger MediebibliotekOppgavestatusRessursdetaljer ```bash set -eu : "${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 ``` ##### Behold alle ferdige resultater Behold alle fullstendige returnerte svar, filer og innholdsdeler. Bevar hele det binære resultatet og svarhodene. Hvis JSON eller flere utdata returneres, bevar hvert dataelement og hent innholdet fra hver faktiske signerte ressurs-URL. ##### Hvis det opprinnelige svaret må kontrolleres Bevar opprinnelig operation\_id/X-Client-Request-ID for avstemming uten ny innsending; det finnes ingen egen rute for å spørre etter lydstatus. Svarfelter | Felt | Type | | --- | --- | | Felt`binary audio` | Typebytes | | Felt`response headers` | Typeheaders | Feil og neste trinn | Svar | Vilkår | Neste trinn | | --- | --- | --- | | Svar400 · `invalid_request_error` | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. | | Svar`server_error` | VilkårDet returnerte svaret angir at operasjonen eller resultatet må kontrolleres | Neste trinnBevar den opprinnelige returnerte operasjons-/oppgave-ID-en, forespørselshodene og svaret; fortsett å lese den opprinnelige operasjonen på de støttede måtene. Ikke send opprettelsesforespørselen på nytt. | ### Aliaser #### Modellaliaser **Ailoot Ultra** [`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/nb/#m=qwen%2Fqwen-audio-3.0-tts-flash&route=Ultra&caller=qwen%2Fqwen-audio-3.0-tts-flash&fmt=speech) #### Aliaser for metodestier Bruk metodestiene som vises ovenfor. #### Tilknyttede anroper-ID-er [`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/nb/#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 Hvilke inndata og resultater er tilgjengelige? `POST /v1/audio/speech` · `qwen/qwen-audio-3.0-tts-flash`: `text` → `audio` Hvilke felt bruker forespørselen? `POST /v1/audio/speech` · `qwen/qwen-audio-3.0-tts-flash`: `model`, `input`, `voice`, `response_format` Koble Ailoot til Claude Code, OpenCode, Hermes eller egen applikasjon. ## Selskapet og dets prosjektportefølje Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. ## Kjøp tokener med rabatt. Abonnementsrabatt for jevnlig bruk. Kampanjekoder gir opptil 50% på tokenkjøp. Abonnement Velg et rabattabonnement for faste forespørsler. Kampanjekode opptil 50% Oppgi kode ved kjøp. Prisen beregnes på nytt etter gjeldende kampanje. Kostnader i historikken Modell, tokener og beløp lagres for hver forespørsel. [Velg abonnement](https://ailoot.ai/docs/nb/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/nb/) ## Koble API-et til produktet du selger. SaaS, apper og boter etter Ailoots offentlige tilbud og lisensavtale. Be om forhandlerlisens for videresalg. Kommersiell applikasjon Bygg tekst-, bilde-, video- og lydgenerering inn i betalte funksjoner i tjenesten. Forhandlerlisens Send prosjektbeskrivelse og tilgangsopplegg. Be om skriftlige vilkår for bruk og videresalg. Dokumenter på nettstedet Offentlig tilbud, lisensavtale og retningslinjer for databehandling er tilgjengelige før tilkobling. [Be om forhandlerlisens](mailto:support@ailoot.ai) · [Offentlig tilbud og lisensavtale](https://ailoot.ai/legal/offer?lang=nb) ## Ailoot · Selskapet og dets prosjektportefølje Ailoot bygger på etablert driftserfaring, en stor kundebase, stabil tjeneste og løpende KPI-kontroll. Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. Ailoot bruker denne driftserfaringen til API-tilgang til AI-funksjoner i kundenes produkter, agenter, applikasjoner og automatiseringer.