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

# Qwen: Qwen-Audio-3.0-TTS Flash

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

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

Qwen-Audio-3.0-TTS-Flash — модель Qwen для преобразования текста в речь, ориентированная на голосовых помощников с быстрым откликом и интерактивный диалог. Она сочетает потоковый синтез, предназначенные для этой модели готовые или клонированные голоса и инструкции или теги для выразительной речи.

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

О модели

Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже.

Qwen-Audio-3.0-TTS-Flash преобразует предоставленный текст в речь; версия Flash ориентирована на взаимодействие в реальном времени. Qwen называет её основными применениями голосовых помощников, интерактивный диалог и интеллектуальное обслуживание клиентов. По сравнению с предыдущей версией производитель описывает более широкую поддержку языков с ограниченным объёмом обучающих данных и китайских диалектов, более естественное диалектное произношение и улучшенное управление эмоцией, тоном, характером, скоростью, громкостью и манерой речи. Также сообщается об улучшении разборчивости и устойчивости в условиях шума или реверберации. Это синтез аудио по тексту, а не распознавание входящей речи или модель голосового диалога.

Flash отдаёт приоритет быстрому началу речи в интерактивном обмене. Qwen сообщает, что при синтезе этой моделью в реальном времени задержка первого пакета не превышает 200 миллисекунд; в руководстве по использованию также отмечается, что первоначальное установление соединения влияет на измеренную задержку первой отправки. Готовьте слова, которые должны прозвучать, отдельно от желаемой манеры исполнения. Например, для ответа голосового помощника можно совместить краткий ответ с инструкцией произнести его спокойно и чётко. Нужный результат — сгенерированная речь для этого текста; воспроизведением и остальным диалогом управляет приложение.

Список системных голосов производителя включает варианты для конкретной модели, например Long An Feng Yue с естественной, дружелюбной подачей и Long An Xiao Xin с дружелюбной, живой подачей; оба указаны для путунхуа и английского. В нём есть и английские голоса, например loongmary с британским акцентом и loongjohn со спокойным, дружелюбным американским акцентом. Кроме того, у каждой модели более 500 базовых голосов. Для стабильности Qwen рекомендует начинать с системных голосов, а при выборе базового голоса прослушивать образцы. Голос должен относиться к выбранной модели, а текст — быть на поддерживаемом этим голосом языке.

Клонированные голоса расширяют документированный набор языков до китайского, английского, японского, корейского, русского, французского, немецкого, португальского, тайского, индонезийского, вьетнамского, испанского, итальянского, малайского, филиппинского и арабского. Поддержка китайского охватывает путунхуа, кантонский, чунцинский, северо-восточные говоры, ганьсуский, гуйчжоуский, чжэцзянский, хэбэйский, хэнаньский, хубэйский, хунаньский, цзянсийский, нинбоский, нинсяский, циндаоский, шэньсийский, шаньсийский, шаньдунский, шанхайский, сычуаньский и юньнаньский варианты; диалект выбирается через инструкции. Таблица моделей указывает поддержку клонирования голоса по образцу и отличает её от создания нового голоса исключительно по текстовому описанию, которое эта версия не поддерживает.

Для клонирования производитель рекомендует запись длительностью 10–20 секунд, с максимумом 60 секунд и размером файла не более 10 МБ. Поддерживаемые форматы образца — 16-битный WAV, MP3 и M4A, с частотой дискретизации не менее 16 кГц. В записи должно быть не менее пяти секунд непрерывной разборчивой речи; остальные паузы не должны превышать двух секунд. Избегайте фоновых звуков, других голосов и пения. Стереозапись принимается, но обрабатывается только первый канал. Процесс клонирования возвращает идентификатор голоса, привязанный к точной целевой модели; после готовности голоса синтез использует этот идентификатор. Для Flash и Plus по одной и той же записи нужно создавать отдельные клонированные голоса.

Инструкции на естественном языке управляют подачей как системных, так и клонированных голосов. Описывайте слышимые качества: мягкий тон, чёткую артикуляцию или слегка замедленный темп. Встроенные в текст теги дают другой способ управления: \[empathetic\] или \[serious\] задаёт стиль для последующего текста, а \[laughing\] или \[sighing\] вставляет голосовой эффект в определённом месте. Управляющий тег действует до следующего управляющего тега или автоматического разделения на предложения. Эти теги эмоций и речевой выразительности документированы только для однонаправленного потокового режима, а не для режима двунаправленной передачи текста. Готовьте выразительную реплику в режиме, подходящем для этих средств управления.

Речевой интерфейс производителя поддерживает PCM, WAV, MP3 и Opus. Перечислены частоты дискретизации 8 000, 16 000, 22 050, 24 000, 44 100 и 48 000 Гц; по умолчанию используются MP3 и 22 050 Гц. Громкость задаётся в диапазоне от 0 до 100, скорость речи и высота тона — каждая от 0,5 до 2,0. Для MP3 и Opus также доступен битрейт от 6 до 510 кбит/с. Выберите формат и частоту дискретизации под нужный проигрыватель или процесс обработки. Для интерактивного приложения производитель документирует потоковые аудиокадры и метаданные предложений; в потоковом выводе подходящих голосов, включая клонированные, доступны временные метки отдельных слов.

Документированный текстовый протокол WebSocket принимает до 20 000 символов в одном текстовом сообщении и суммарно 200 000 символов в задаче; между отправками должно проходить не более 23 секунд. Это ограничения протокола производителя, а не универсальный предел длительности аудио на выходе модели. Протокол поддерживает отмену текущего этапа синтеза и запуск следующей задачи в том же соединении. Сохраняйте предполагаемый порядок произнесения текстовых сегментов и завершайте ввод, когда весь текст передан. Для подготовки произношения производитель документирует подсказки о целевом языке, аннотации пиньинем и замены текста — они полезны, если цифры, сокращения или символы произносятся неожиданным образом.

SSML — отдельный вариант разметки с условиями по голосам и режиму взаимодействия: Qwen документирует его для клонированных голосов при непотоковых или однонаправленных потоковых вызовах и с единственной отправкой текста при включённом SSML. Не следует считать, что он поддерживается каждым готовым голосом или двунаправленным потоком. Для обычного диалога начните с совместимого голоса, чистого текста для произнесения и конкретной инструкции о подаче; добавляйте точечные настройки произношения или выразительности там, где этого требует задача. Так профиль Flash остаётся ориентированным на речь с быстрым откликом по подготовленному тексту, а не на возможности других аудиомоделей Qwen.

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

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

### Начало

Qwen-Audio-3.0-TTS-Flash — модель Qwen для преобразования текста в речь, ориентированная на голосовых помощников с быстрым откликом и интерактивный диалог. Она сочетает потоковый синтез, предназначенные для этой модели готовые или клонированные голоса и инструкции или теги для выразительной речи.

Допустимые входные данные

Текст

Результаты

Аудио

### Доступно в Ailoot · входные данные и методы

**Ailoot Ultra · Озвучка** `POST /v1/audio/speech`

Входные данные

`text`

Результат

`audio`

Выходной формат

mp3

| Поле | Тип | Требование | Значения и ограничения | По умолчанию |
| --- | --- | --- | --- | --- |
| Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения qwen/qwen-audio-3.0-tts-flash | По умолчанию— |
| Поле`input` | Тип`string` | ТребованиеОбязательно | Значения и ограничения Минимальная длина: 1 Единица: символы Unicode | По умолчанию— |
| Поле`voice` | Тип`string` | ТребованиеОбязательно | Значения и ограничения loongjohn, longanhuan\_v3.6 | По умолчанию— |
| Поле`response_format` | Тип`string` | ТребованиеОбязательно | Значения и ограничения mp3 | По умолчанию— |

Сочетания входных материалов

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

Параметры и жизненный цикл метода

| Параметр | Контракт |
| --- | --- |
| Параметр`content_type` | Контрактapplication/json |
| Параметр`required` | Контрактmodel, input, voice, response\_format |
| Параметр`voice_ids` | Контрактloongjohn, longanhuan\_v3.6 |
| Параметр`response_format` | Контрактmp3 |
| Параметр`max_input_characters` | Контрактnull |
| Параметр`other_options` | Контрактfalse |
| Параметр`input` | Контрактточный текст UTF-8; количество символов Unicode без нормализации |
| Параметр`material_types` | Контрактtext |

Жизненный цикл: `synchronous_result_then_owned_library`

`GET /v1/media/tasks/{task_id}` · Фактически возвращённый task\_id или запись в медиатеке

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

`GET /v1/media/assets`

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

Выберите точный голос из профиля этой модели.

Входные символы и секунды аудио — разные единицы учёта.

### Тарифы

Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода.

Быстрый режим

Не указано При выборе быстрого режима

Режим flex

Не указано При выборе режима flex

Максимальная интенсивность рассуждений

Не указано При максимальной интенсивности рассуждений с корректировкой по умолчанию (default)

#### Ставки Ailoot

#### Цены по конфигурациям

Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку.

| Конфигурация | Шкала ставок | Оплачиваемое количество | Расчётная единица | Плата |
| --- | --- | --- | --- | --- |
| КонфигурацияБазовые тарифы на токены | Шкала ставокБазовая ставка | Оплачиваемое количество— | Расчётная единица— | Плата Вход · Входные токены **—** / 1K токенов Выход · Выходные токены **—** / 1K токенов Вход · Чтение кэша **—** / 1K токенов Вход · Запись в кэш **—** / 1K токенов Вход · Запись в кэш, 1 час **—** / 1K токенов |
| КонфигурацияUltra | Шкала ставок— | Оплачиваемое количествоКаждая кодовая точка Unicode считается одним символом, включая символы Han. | Расчётная единицаза 1K входных символов | Плата Вход · входной символ **$0.03** за 1K входных символов |

#### Сведения о справочном тарифе

Справочные шкалы модели не меняют выбор метода, расчёт стоимости или списания. Действующая плата определяется ставками выбранного метода Ailoot.

Qwen: Qwen-Audio-3.0-TTS Flash

#### Цены по конфигурациям

| Конфигурация | Условия расчёта | Плата |
| --- | --- | --- |
| КонфигурацияQwen: Qwen-Audio-3.0-TTS Flash · Стандартная конфигурация | Условия расчётаКонфигурация по умолчанию | Плата Вход · Входные символы **0,00003 $** за входной символ |

Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. [Как работают резервирование и расчёт →](https://ailoot.ai/docs/ru/billing/reserve/)

### Примеры запросов

#### Ailoot Ultra · Озвучка

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
```

### Получить и сохранить результаты

#### Ailoot Ultra · Озвучка

mp3

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

Чтение другого содержимого

МедиатекаСтатус задачиСведения о материале

```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
```

##### Сохраняйте все готовые результаты

Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого.

Сохраняйте полный бинарный результат и заголовки. Если возвращаются JSON или несколько результатов, сохраняйте каждый элемент данных и загружайте ресурс по каждому фактически возвращённому подписанному URL.

##### Если нужно проверить исходный ответ

Сохраняйте исходный operation\_id/X-Client-Request-ID для сверки без повторной отправки; отдельного маршрута опроса аудио нет.

Поля ответа

| Поле | Тип |
| --- | --- |
| Поле`binary audio` | Типbytes |
| Поле`response headers` | Типheaders |

Ошибки и дальнейшие шаги

| Ответ | Условие | Следующий шаг |
| --- | --- | --- |
| Ответ400 · `invalid_request_error` | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. |
| Ответ`server_error` | УсловиеВозвращённый ответ указывает, что операция или результат требуют проверки | Следующий шагСохраните исходный возвращённый ID операции или задачи, заголовки запроса и ответ; продолжайте поддерживаемые операции чтения исходной операции. Не отправляйте запрос создания повторно. |

### Псевдонимы

#### Псевдонимы моделей

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

#### Псевдонимы путей метода

Используйте пути методов, указанные выше.

#### Связанные ID для вызова

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

Какие входные данные и результаты доступны?

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

Какие поля использует запрос?

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

Подключите Ailoot к Claude Code, OpenCode, Hermes или своему приложению.

## Компания и портфель её проектов

Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно.

## Покупайте токены со скидкой.

Скидка по подписке для регулярной работы. Промокоды — до 50% на покупку токенов.

Подписка

Выберите тариф со скидкой для своих регулярных запросов.

Промокод до 50%

Введите код при покупке. Цена пересчитается с учётом действующей акции.

Расходы в истории

Модель, токены и сумма сохраняются для каждого запроса.

[Выбрать подписку](https://ailoot.ai/docs/ru/billing/subscriptions/) · [Посмотреть цены моделей](https://ailoot.ai/models/ru/)

## Подключайте API к продукту, который вы продаёте.

SaaS, приложения и боты — по оферте и лицензионному договору Ailoot. Для перепродажи запросите реселлерскую лицензию.

Коммерческое приложение

Встраивайте генерацию текста, картинок, видео и звука в платные функции своего сервиса.

Лицензия для реселлера

Пришлите описание проекта и схему доступа. Запросите письменные условия использования и перепродажи.

Документы на сайте

Оферта, лицензионный договор и политика обработки данных доступны до подключения.

[Запросить реселлерскую лицензию](mailto:support@ailoot.ai) · [Оферта и лицензионный договор](https://ailoot.ai/legal/offer?lang=ru)

## Ailoot · Компания и портфель её проектов





Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI.





Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно.





Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.