qwen-audio-3.0-tts-plus
Model na expresívne čítanie textu pre videá, audioknihy a hlasové materiály. Podporuje riadenie spôsobu reči a výber hotového hlasu alebo hlasu vytvoreného podľa vzorky.
- Ailoot · Syntéza reči
POST /v1/audio/speechqwen-audio-3.0-tts-plus - Ailoot · Syntéza reči
POST /v1/audio/speechqwen-tts - Ailoot · Syntéza reči
POST /v1/audio/speechqwen-tts-latest
O modeli
Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.
Qwen-Audio-3.0-TTS-Plus premieňa text na expresívnu reč. Alibaba ho zameriava na profesionálne nahováranie obsahu, audiokníh, videí a materiálov s rozpoznateľným charakterom hlasu. Na vstup sa zadáva text a na výstupe vzniká zvuk; podporované je aj vracanie zvuku priebežne počas syntézy.
Spôsob reči ako súčasť zadania
Prejav možno určovať prirodzenými jazykovými inštrukciami a podrobnými riadiacimi značkami. Určujú emócie, tón, charakter, tempo, hlasitosť a štýl reči. Umožňuje to usmerniť prednes tej istej vety: od pokojného rozprávania po energickejší alebo emocionálnejší prejav.
Expresivita súvisí so zvoleným hlasom a obsahom textu. Pre stabilnú výslovnosť musí jazyk materiálu zodpovedať jazykom, ktoré hlas podporuje. Model je určený na nahováranie písaného materiálu; analýza významu rozhovoru a prepis vstupnej nahrávky patria medzi iné zvukové úlohy.
Hotový hlas a hlas podľa vzorky
K dispozícii sú dva systémové hlasy: prívetivý ženský a veselý mužský. Podporujú čínštinu a angličtinu. Okrem nich je k dispozícii viac než 500 základných hlasov a možnosť reprodukovať hlas podľa hlasovej vzorky. Výrobca odporúča systémové varianty, keď je potrebná stabilita zvuku.
Hlas podľa vzorky podporuje čínštinu s regionálnymi variantmi výslovnosti, angličtinu, francúzštinu, nemčinu, japončinu, kórejčinu, ruštinu, portugalčinu, thajčinu, indonézštinu, vietnamčinu, taliančinu, španielčinu, malajčinu, filipínčinu a arabčinu. Ide o jazykovú možnosť príslušného režimu; neprenáša sa automaticky na každý hotový hlas.
Požiadavky na vzorku sa týkajú samostatného spôsobu vytvorenia hlasu u výrobcu; pri syntéze reči sa používa už pripravený hlas. Pripravený hlas musí zodpovedať zvolenému modelu syntézy: hlas z iného modelu vedie u výrobcu k chybe syntézy. Pre vzorku sa odporúča čistá reč s dĺžkou 10–20 sekúnd. Celkový limit je 60 sekúnd a 10 MB; vyžaduje sa aspoň päť sekúnd súvislej reči. Podporované sú WAV so 16-bitovým zápisom, MP3 a M4A so vzorkovacou frekvenciou aspoň 16 kHz. Povolený je jeden alebo dva kanály, pri dvoch sa však používa prvý.
Hlasová vzorka musí obsahovať jeden hlas bez súčasne hovoriacich ľudí, hudby a spevu. V požiadavkách výrobcu sú krátke pauzy vo vzorke obmedzené na dve sekundy. Pomáha to oddeliť farbu hlasu a osobitosti výslovnosti potrebné pre ďalšiu syntézu. Riadenie prejavu a reprodukcia hlasu podľa vzorky opisujú odlišné stránky práce modelu a možno ich využiť pri príprave zvuku jedného materiálu.
Ailoot · Syntéza reči POST /v1/audio/speech qwen-audio-3.0-tts-plus
qwen-audio-3.0-tts-plusqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Úvod
Model na expresívne čítanie textu pre videá, audioknihy a hlasové materiály. Podporuje riadenie spôsobu reči a výber hotového hlasu alebo hlasu vytvoreného podľa vzorky.
- Povolené vstupy
- Text
- Výsledky
- speech
Dostupné v Ailoot · vstupy a metódy
Ailoot · Syntéza reči POST /v1/audio/speech
- Vstup
text- Výstup
speech- Výstupný formát
- vybrané mp3/wav/pcm
| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen-audio-3.0-tts-plus | Predvolené— |
Poleinput | Typstring | PožiadavkaPovinné | Hodnoty a limity Minimálna dĺžka: 1 Maximálna dĺžka: 600 Jednotka: znaky Unicode | Predvolené— |
Polevoice | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Príklady: longanlingxin, longanlufeng Povolený vlastný vzor: ^qwen-audio-3\.0-tts-plus- Podmienky: Prijímajú sa skutočné vlastné ID hlasov s presnou predponou qwen-audio-3.0-tts-plus-. | Predvolenélonganlingxin |
Poleresponse_format | Typstring | PožiadavkaVoliteľné | Hodnoty a limity mp3, wav, pcm | Predvolenémp3 |
Polesample_rate | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity 16 000, 24 000, 48 000 Jednotka: Hz | Predvolené24 000 |
Kombinácie vstupných podkladov
text_to_speech · Povinné: input
Parametre a životný cyklus metódy
| Parameter | Špecifikácia |
|---|---|
Parametermaterial_types | Špecifikáciatext |
Parameterrequired | Špecifikácianull |
Parameteroptional_controls | Špecifikácianull |
Životný cyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · skutočne vrátené task_id alebo záznam v knižnici médií
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Štruktúry metód a ID sú presné; možnosti dodávateľa sa posudzujú oddelene od prijatia požiadavky.
Cenník
Sadzby metód Ailoot
POST /v1/audio/speech- Vstup
- 20,00 USD za 1 milión znakov
- Výstup
- 0,00 USD za požiadavku
20,00 USD za 1 milión účtovaných znakov. Ideogram CJK sa počíta ako 2 účtované znaky: 40,00 USD za 1 milión ideogramov. Váha ostatných znakov Unicode: 1. Výstupné audio: 0,00 USD.
Presné podmienené účtovanie z katalógu
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
Príklady požiadaviek
Ailoot · Syntéza reči
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen-audio-3.0-tts-plus", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
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
Prijať a uložiť výsledky
Ailoot · Syntéza reči
vybrané mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Uchovať všetky dokončené výsledky
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Uchovajte úplný binárny výsledok a hlavičky. Ak sa vráti JSON alebo viacero výstupov, uchovajte každú dátovú položku a stiahnite obsah z každej skutočnej podpísanej URL súboru.
Ak treba overiť pôvodnú odpoveď
Uchovajte pôvodné operation_id/X-Client-Request-ID na zosúladenie záznamov bez opätovného odoslania; neexistuje samostatná trasa na priebežné zisťovanie stavu zvuku.
Polia odpovede
| Pole | Typ |
|---|---|
Polebinary audio | Typbytes |
Poleresponse headers | Typheaders |
Chyby a ďalšie kroky
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Odpoveďserver_error | PodmienkaVrátená odpoveď uvádza, že operáciu alebo výsledok je potrebné skontrolovať | Ďalší krokUchovajte pôvodné vrátené ID operácie/úlohy, hlavičky požiadavky a odpoveď; naďalej čítajte údaje o tejto pôvodnej operácii podporovaným spôsobom. Požiadavku na vytvorenie znova neodosielajte. |
Aliasy
Aliasy modelov
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Aliasy ciest metód
Použite cesty metód uvedené vyššie.
Súvisiace ID na volanie
Ailoot · Syntéza reči POST /v1/audio/speech qwen-tts
qwen-ttsqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Úvod
Model na expresívne čítanie textu pre videá, audioknihy a hlasové materiály. Podporuje riadenie spôsobu reči a výber hotového hlasu alebo hlasu vytvoreného podľa vzorky.
- Povolené vstupy
- Text
- Výsledky
- speech
Dostupné v Ailoot · vstupy a metódy
Ailoot · Syntéza reči POST /v1/audio/speech
- Vstup
text- Výstup
speech- Výstupný formát
- vybrané mp3/wav/pcm
| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen-tts | Predvolené— |
Poleinput | Typstring | PožiadavkaPovinné | Hodnoty a limity Minimálna dĺžka: 1 Maximálna dĺžka: 600 Jednotka: znaky Unicode | Predvolené— |
Polevoice | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Príklady: longanlingxin, longanlufeng Povolený vlastný vzor: ^qwen-audio-3\.0-tts-plus- Podmienky: Prijímajú sa skutočné vlastné ID hlasov s presnou predponou qwen-audio-3.0-tts-plus-. | Predvolenélonganlingxin |
Poleresponse_format | Typstring | PožiadavkaVoliteľné | Hodnoty a limity mp3, wav, pcm | Predvolenémp3 |
Polesample_rate | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity 16 000, 24 000, 48 000 Jednotka: Hz | Predvolené24 000 |
Kombinácie vstupných podkladov
text_to_speech · Povinné: input
Parametre a životný cyklus metódy
| Parameter | Špecifikácia |
|---|---|
Parametermaterial_types | Špecifikáciatext |
Parameterrequired | Špecifikácianull |
Parameteroptional_controls | Špecifikácianull |
Životný cyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · skutočne vrátené task_id alebo záznam v knižnici médií
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Štruktúry metód a ID sú presné; možnosti dodávateľa sa posudzujú oddelene od prijatia požiadavky.
Cenník
Sadzby metód Ailoot
POST /v1/audio/speech- Vstup
- 20,00 USD za 1 milión znakov
- Výstup
- 0,00 USD za požiadavku
20,00 USD za 1 milión účtovaných znakov. Ideogram CJK sa počíta ako 2 účtované znaky: 40,00 USD za 1 milión ideogramov. Váha ostatných znakov Unicode: 1. Výstupné audio: 0,00 USD.
Presné podmienené účtovanie z katalógu
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
Príklady požiadaviek
Ailoot · Syntéza reči
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen-tts", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
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
Prijať a uložiť výsledky
Ailoot · Syntéza reči
vybrané mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Uchovať všetky dokončené výsledky
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Uchovajte úplný binárny výsledok a hlavičky. Ak sa vráti JSON alebo viacero výstupov, uchovajte každú dátovú položku a stiahnite obsah z každej skutočnej podpísanej URL súboru.
Ak treba overiť pôvodnú odpoveď
Uchovajte pôvodné operation_id/X-Client-Request-ID na zosúladenie záznamov bez opätovného odoslania; neexistuje samostatná trasa na priebežné zisťovanie stavu zvuku.
Polia odpovede
| Pole | Typ |
|---|---|
Polebinary audio | Typbytes |
Poleresponse headers | Typheaders |
Chyby a ďalšie kroky
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Odpoveďserver_error | PodmienkaVrátená odpoveď uvádza, že operáciu alebo výsledok je potrebné skontrolovať | Ďalší krokUchovajte pôvodné vrátené ID operácie/úlohy, hlavičky požiadavky a odpoveď; naďalej čítajte údaje o tejto pôvodnej operácii podporovaným spôsobom. Požiadavku na vytvorenie znova neodosielajte. |
Aliasy
Aliasy modelov
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Aliasy ciest metód
Použite cesty metód uvedené vyššie.
Súvisiace ID na volanie
Ailoot · Syntéza reči POST /v1/audio/speech qwen-tts-latest
qwen-tts-latestqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Úvod
Model na expresívne čítanie textu pre videá, audioknihy a hlasové materiály. Podporuje riadenie spôsobu reči a výber hotového hlasu alebo hlasu vytvoreného podľa vzorky.
- Povolené vstupy
- Text
- Výsledky
- speech
Dostupné v Ailoot · vstupy a metódy
Ailoot · Syntéza reči POST /v1/audio/speech
- Vstup
text- Výstup
speech- Výstupný formát
- vybrané mp3/wav/pcm
| Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené |
|---|---|---|---|---|
Polemodel | Typstring | PožiadavkaPovinné | Hodnoty a limity qwen-tts-latest | Predvolené— |
Poleinput | Typstring | PožiadavkaPovinné | Hodnoty a limity Minimálna dĺžka: 1 Maximálna dĺžka: 600 Jednotka: znaky Unicode | Predvolené— |
Polevoice | Typstring | PožiadavkaVoliteľné | Hodnoty a limity Príklady: longanlingxin, longanlufeng Povolený vlastný vzor: ^qwen-audio-3\.0-tts-plus- Podmienky: Prijímajú sa skutočné vlastné ID hlasov s presnou predponou qwen-audio-3.0-tts-plus-. | Predvolenélonganlingxin |
Poleresponse_format | Typstring | PožiadavkaVoliteľné | Hodnoty a limity mp3, wav, pcm | Predvolenémp3 |
Polesample_rate | Typinteger | PožiadavkaVoliteľné | Hodnoty a limity 16 000, 24 000, 48 000 Jednotka: Hz | Predvolené24 000 |
Kombinácie vstupných podkladov
text_to_speech · Povinné: input
Parametre a životný cyklus metódy
| Parameter | Špecifikácia |
|---|---|
Parametermaterial_types | Špecifikáciatext |
Parameterrequired | Špecifikácianull |
Parameteroptional_controls | Špecifikácianull |
Životný cyklus: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · skutočne vrátené task_id alebo záznam v knižnici médií
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Štruktúry metód a ID sú presné; možnosti dodávateľa sa posudzujú oddelene od prijatia požiadavky.
Cenník
Sadzby metód Ailoot
POST /v1/audio/speech- Vstup
- 20,00 USD za 1 milión znakov
- Výstup
- 0,00 USD za požiadavku
20,00 USD za 1 milión účtovaných znakov. Ideogram CJK sa počíta ako 2 účtované znaky: 40,00 USD za 1 milión ideogramov. Váha ostatných znakov Unicode: 1. Výstupné audio: 0,00 USD.
Presné podmienené účtovanie z katalógu
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →
Príklady požiadaviek
Ailoot · Syntéza reči
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 narration script}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "qwen-tts-latest", "input": ""}')
f=Path(os.environ["AILOOT_TEXT_FILE"])
if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")
text=f.read_text(encoding="utf-8")
if not text.strip():raise SystemExit("Source material must contain text")
p["input"]=text
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
Prijať a uložiť výsledky
Ailoot · Syntéza reči
vybrané mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Uchovať všetky dokončené výsledky
Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.
Uchovajte úplný binárny výsledok a hlavičky. Ak sa vráti JSON alebo viacero výstupov, uchovajte každú dátovú položku a stiahnite obsah z každej skutočnej podpísanej URL súboru.
Ak treba overiť pôvodnú odpoveď
Uchovajte pôvodné operation_id/X-Client-Request-ID na zosúladenie záznamov bez opätovného odoslania; neexistuje samostatná trasa na priebežné zisťovanie stavu zvuku.
Polia odpovede
| Pole | Typ |
|---|---|
Polebinary audio | Typbytes |
Poleresponse headers | Typheaders |
Chyby a ďalšie kroky
| Odpoveď | Podmienka | Ďalší krok |
|---|---|---|
Odpoveď400 · invalid_request_error | PodmienkaNeplatné povinné polia, reprezentácia materiálu alebo hodnota parametra | Ďalší krokPred novou požiadavkou na vytvorenie opravte uvedené polia. |
Odpoveďserver_error | PodmienkaVrátená odpoveď uvádza, že operáciu alebo výsledok je potrebné skontrolovať | Ďalší krokUchovajte pôvodné vrátené ID operácie/úlohy, hlavičky požiadavky a odpoveď; naďalej čítajte údaje o tejto pôvodnej operácii podporovaným spôsobom. Požiadavku na vytvorenie znova neodosielajte. |
Aliasy
Aliasy modelov
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Aliasy ciest metód
Použite cesty metód uvedené vyššie.
Súvisiace ID na volanie
FAQ · qwen-audio-3.0-tts-plus
- Aké vstupy a výsledky sú dostupné?
POST /v1/audio/speech·qwen-audio-3.0-tts-plus:text→speechPOST /v1/audio/speech·qwen-tts:text→speechPOST /v1/audio/speech·qwen-tts-latest:text→speech- Aké polia používa požiadavka?
POST /v1/audio/speech·qwen-audio-3.0-tts-plus:model,input,voice,response_format,sample_ratePOST /v1/audio/speech·qwen-tts:model,input,voice,response_format,sample_ratePOST /v1/audio/speech·qwen-tts-latest:model,input,voice,response_format,sample_rate- Aké limity platia?
POST /v1/audio/speech·qwen-audio-3.0-tts-plus:input.maximum_length:600POST /v1/audio/speech·qwen-tts:input.maximum_length:600POST /v1/audio/speech·qwen-tts-latest:input.maximum_length:600