Source: https://ailoot.ai/models/sk/qwen-qwen-audio-3-0-tts-flash/ Canonical: https://ailoot.ai/models/sk/qwen-qwen-audio-3-0-tts-flash/ Language: sk # Qwen: Qwen-Audio-3.0-TTS Flash [Markdown](https://ailoot.ai/models/sk/qwen-qwen-audio-3-0-tts-flash/index.md) · [JSON](https://ailoot.ai/models/sk/qwen-qwen-audio-3-0-tts-flash/facts.json) ## [Qwen: Qwen-Audio-3.0-TTS Flash](https://ailoot.ai/models/sk/qwen-qwen-audio-3-0-tts-flash/) Qwen-Audio-3.0-TTS-Flash je model Qwen na prevod textu na reč, zameraný na pohotových hlasových asistentov a interaktívny dialóg. Spája streamovanú syntézu, prednastavené alebo klonované hlasy určené pre konkrétny model a pokyny či značky na expresívny hlasový prejav. - [**Ailoot Ultra · Syntéza reči** `POST /v1/audio/speech` `qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/sk/qwen-qwen-audio-3-0-tts-flash/#method-0) 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-Flash prevádza dodaný text na reč, pričom edícia Flash sa zameriava na interakciu v reálnom čase. Qwen ako hlavné využitie uvádza hlasových asistentov, interaktívny dialóg a inteligentnú zákaznícku podporu. V porovnaní s predchádzajúcou verziou výrobca opisuje širšiu podporu jazykov s malým množstvom dostupných dát a čínskych dialektov, autentickejší dialektový prejav a lepšie ovládanie emócií, tónu, charakteru hlasu, rýchlosti, hlasitosti a štýlu reči. Uvádza aj lepšiu zrozumiteľnosť a odolnosť v hlučných akustických podmienkach alebo pri dozvuku. Ide o syntézu zvuku z textu, nie o rozpoznávanie prichádzajúcej reči ani o model na hlasový dialóg. Flash uprednostňuje rýchly začiatok reči pri interaktívnej výmene. Qwen pri syntéze v reálnom čase pre tento model uvádza latenciu prvého paketu do 200 milisekúnd; návod zároveň upozorňuje, že pri prvom odoslaní sa do nameraného oneskorenia započítava aj úvodné nadviazanie spojenia. Samotné slová, ktoré sa majú vysloviť, pripravte oddelene od požadovaného spôsobu prednesu. Zadanie pre odpoveď hlasového asistenta môže napríklad spojiť stručnú odpoveď s pokynom na pokojný a zreteľný prednes. Výsledkom je vygenerovaná reč pre daný text; prehrávanie a nadväzujúcu konverzáciu zabezpečuje aplikácia. Zoznam systémových hlasov výrobcu obsahuje možnosti určené pre konkrétny model, napríklad Long An Feng Yue s prirodzeným, priateľským prednesom a Long An Xiao Xin s priateľským, živým prednesom; oba sú uvedené pre mandarínčinu aj angličtinu. Zahŕňa aj anglické hlasy, napríklad loongmary s britským prízvukom a loongjohn s pokojným, priateľským americkým prízvukom. Každý model má navyše viac než 500 základných hlasov. Qwen odporúča začať so systémovými hlasmi pre ich konzistentnosť a pri výbere základného hlasu posúdiť ukážky. Hlas musí patriť k vybranému modelu a text musí byť v jazyku, ktorý tento hlas podporuje. Klonované hlasy rozširujú dokumentovaný rozsah jazykov na čínštinu, angličtinu, japončinu, kórejčinu, ruštinu, francúzštinu, nemčinu, portugalčinu, thajčinu, indonézštinu, vietnamčinu, španielčinu, taliančinu, malajčinu, filipínčinu a arabčinu. V čínštine sú zahrnuté tieto variety: mandarínčina, kantončina, Chongqing, severovýchodná čínština, Gansu, Guizhou, Zhejiang, Hebei, Henan, Hubei, Hunan, Jiangxi, Ningbo, Ningxia, Qingdao, Shaanxi, Shanxi, Shandong, šanghajčina, Sichuan a Yunnan; dialekt sa vyberá pokynmi. Tabuľka modelov uvádza podporu klonovania hlasu zo vzorky a odlišuje ju od vytvorenia nového hlasu výlučne z textového opisu, ktoré táto edícia nepodporuje. Na klonovanie výrobca odporúča nahrávku s dĺžkou 10–20 sekúnd, najviac však 60 sekúnd a s veľkosťou súboru do 10 MB. Podporované formáty referenčnej nahrávky sú 16-bitový WAV, MP3 a M4A so vzorkovacou frekvenciou aspoň 16 kHz. Nahrávka musí obsahovať aspoň päť sekúnd súvislej zreteľnej reči; ostatné pauzy nemajú presiahnuť dve sekundy. Vyhnite sa zvukom v pozadí, ďalším hlasom a spevu. Stereo sa prijíma, spracuje sa však iba prvý kanál. Postup klonovania vráti identifikátor hlasu viazaný na presný cieľový model a po pripravení hlasu sa tento identifikátor používa pri syntéze. Aj z rovnakej nahrávky treba pre Flash a Plus vytvoriť samostatné klonované hlasy. Pokyny v prirodzenom jazyku riadia prednes systémových aj klonovaných hlasov. Opíšte počuteľné vlastnosti, napríklad jemný tón, zreteľnú artikuláciu alebo mierne pomalšie tempo. Značky vložené priamo do textu poskytujú iný spôsob ovládania: \[empathetic\] alebo \[serious\] nastaví štýl pre nasledujúci text, zatiaľ čo \[laughing\] alebo \[sighing\] vloží hlasový efekt na konkrétne miesto. Riadiaca značka platí do ďalšej riadiacej značky alebo do automatického rozdelenia na vety. Tieto značky emócií a hlasových prejavov sú dokumentované iba pre jednosmerné streamovanie, nie pre obojsmerný režim textového vstupu. Expresívnu repliku pripravte v režime, ktorý zodpovedá týmto ovládacím prvkom. Hlasové rozhranie výrobcu podporuje PCM, WAV, MP3 a Opus. Uvedené vzorkovacie frekvencie sú 8 000, 16 000, 22 050, 24 000, 44 100 a 48 000 Hz, pričom predvolené hodnoty sú MP3 a 22 050 Hz. Hlasitosť má rozsah od 0 do 100; rýchlosť reči aj výška hlasu majú rozsah od 0,5 do 2,0. MP3 a Opus ponúkajú aj nastavenie bitovej rýchlosti od 6 do 510 kbps. Formát a vzorkovaciu frekvenciu vyberte podľa zamýšľaného prehrávača alebo spôsobu ďalšieho spracovania. Pre interaktívne aplikácie výrobca dokumentuje streamované zvukové rámce a metadáta viet; pri podporovaných hlasoch vrátane klonovaných sú v streamovanom výstupe dostupné časové značky na úrovni slov. Dokumentovaný textový protokol WebSocket prijíma až 20 000 znakov v jednej textovej správe a spolu 200 000 znakov v jednej úlohe, pričom medzi odoslaniami smie uplynúť najviac 23 sekúnd. Sú to limity protokolu výrobcu, nie všeobecný limit dĺžky zvukového výstupu modelu. Protokol podporuje zrušenie aktuálnej syntézy a následnú úlohu v tom istom spojení. Textové úseky ponechajte v poradí, v akom sa majú vysloviť, a po dokončení textu ukončite vstup. Na prípravu výslovnosti výrobca dokumentuje nápovedy cieľového jazyka, anotácie pinyin a náhrady textu, ktoré sú užitočné, keď sa číslice, skratky alebo symboly vyslovujú neočakávane. SSML je samostatná možnosť značkovania s podmienkami týkajúcimi sa hlasu a režimu interakcie: Qwen ho dokumentuje pre klonované hlasy, volania bez streamovania alebo s jednosmerným streamovaním a jediné odoslanie textu, keď je SSML zapnuté. Jeho podporu nemožno predpokladať pri každom prednastavenom hlase ani pri obojsmernom streame. Pri bežnom dialógu začnite kompatibilným hlasom, čistým textom určeným na prednes a konkrétnym pokynom, ako ho vysloviť; cielené ovládanie výslovnosti alebo expresivity pridajte tam, kde to úloha vyžaduje. Profil Flash tak zostáva zameraný na pohotovú reč z pripraveného textu, nie na schopnosti iných zvukových modelov Qwen. **Ailoot Ultra · Syntéza reči** `POST /v1/audio/speech` `qwen/qwen-audio-3.0-tts-flash` [`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/sk/#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` ### Úvod Qwen-Audio-3.0-TTS-Flash je model Qwen na prevod textu na reč, zameraný na pohotových hlasových asistentov a interaktívny dialóg. Spája streamovanú syntézu, prednastavené alebo klonované hlasy určené pre konkrétny model a pokyny či značky na expresívny hlasový prejav. Povolené vstupy Text Výsledky Audio ### Dostupné v Ailoot · vstupy a metódy **Ailoot Ultra · Syntéza reči** `POST /v1/audio/speech` Vstup `text` Výstup `audio` Výstupný formát mp3 | Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | PožiadavkaPovinné | Hodnoty a limity qwen/qwen-audio-3.0-tts-flash | Predvolené— | | Pole`input` | Typ`string` | PožiadavkaPovinné | Hodnoty a limity Minimálna dĺžka: 1 Jednotka: znaky Unicode | Predvolené— | | Pole`voice` | Typ`string` | PožiadavkaPovinné | Hodnoty a limity loongjohn, longanhuan\_v3.6 | Predvolené— | | Pole`response_format` | Typ`string` | PožiadavkaPovinné | Hodnoty a limity mp3 | Predvolené— | Kombinácie vstupných podkladov **text\_to\_speech** · Povinné: input Parametre a životný cyklus metódy | Parameter | Špecifikácia | | --- | --- | | Parameter`content_type` | Špecifikáciaapplication/json | | Parameter`required` | Špecifikáciamodel, input, voice, response\_format | | Parameter`voice_ids` | Špecifikácialoongjohn, longanhuan\_v3.6 | | Parameter`response_format` | Špecifikáciamp3 | | Parameter`max_input_characters` | Špecifikácianull | | Parameter`other_options` | Špecifikáciafalse | | Parameter`input` | Špecifikáciapresný text UTF-8; počet znakov Unicode bez normalizácie | | Parameter`material_types` | Špecifikáciatext | 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}` Vyberte presný hlas z profilu tohto modelu. Vstupné znaky a sekundy zvuku sú odlišné merané jednotky. ### Cenník Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde. Rýchly režim Neuvedené Keď je zvolený rýchly režim Režim Flex Neuvedené Keď je zvolený režim flex Maximálna úroveň uvažovania Neuvedené Keď sa pri maximálnej úrovni uvažovania používa predvolená úprava (default) #### Sadzby Ailoot #### Ceny podľa konfigurácie Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu. | Konfigurácia | Sadzobník | Účtované množstvo | Účtovacia jednotka | Poplatok | | --- | --- | --- | --- | --- | | KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Účtované množstvo— | Účtovacia jednotka— | Poplatok Vstup · Vstupné tokeny **—** / 1K tokenov Výstup · Výstupné tokeny **—** / 1K tokenov Vstup · Čítanie cache **—** / 1K tokenov Vstup · Zápis do cache **—** / 1K tokenov Vstup · Zápis do cache, 1 hod **—** / 1K tokenov | | KonfiguráciaUltra | Sadzobník— | Účtované množstvoKaždý kódový bod Unicode sa počíta ako jeden znak vrátane znakov Han. | Účtovacia jednotkaza 1K vstupných znakov | Poplatok Vstup · vstupný znak **$0.03** za 1K vstupných znakov | #### Podrobnosti referenčnej tarify Referenčné sadzobníky modelu nemenia výber metódy, cenové odhady ani poplatky. Aktívne poplatky používajú sadzby vybranej metódy Ailoot. Qwen: Qwen-Audio-3.0-TTS Flash #### Ceny podľa konfigurácie | Konfigurácia | Podmienky účtovania | Poplatok | | --- | --- | --- | | KonfiguráciaQwen: Qwen-Audio-3.0-TTS Flash · Predvolená konfigurácia | Podmienky účtovaniaPredvolená konfigurácia | Poplatok Vstup · Vstupné znaky **0,00003 USD** za vstupný znak | Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. [Ako funguje rezervácia a vyúčtovanie →](https://ailoot.ai/docs/sk/billing/reserve/) ### Príklady požiadaviek #### Ailoot Ultra · Syntéza reči curl ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o speech.mp3 ``` ### Prijať a uložiť výsledky #### Ailoot Ultra · Syntéza reči mp3 - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Čítanie ďalšieho obsahu Knižnica médiíStav úlohyPodrobnosti podkladu ```bash set -eu : "${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 ``` ##### 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 | | --- | --- | | Pole`binary audio` | Typbytes | | Pole`response 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. | | Odpoveď`server_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 Ultra** [`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/sk/#m=qwen%2Fqwen-audio-3.0-tts-flash&route=Ultra&caller=qwen%2Fqwen-audio-3.0-tts-flash&fmt=speech) #### Aliasy ciest metód Použite cesty metód uvedené vyššie. #### Súvisiace ID na volanie [`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/sk/#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 Aké vstupy a výsledky sú dostupné? `POST /v1/audio/speech` · `qwen/qwen-audio-3.0-tts-flash`: `text` → `audio` Aké polia používa požiadavka? `POST /v1/audio/speech` · `qwen/qwen-audio-3.0-tts-flash`: `model`, `input`, `voice`, `response_format` Pripojte Ailoot k Claude Code, OpenCode, Hermes alebo vlastnej aplikácii. ## Spoločnosť a jej portfólio projektov Spoločnosť a jej portfólio projektov: milióny zákazníkov; mesačné tržby v miliardách. ## Nakupujte tokeny so zľavou. Zľava predplatného na pravidelnú prácu. Promo kódy až 50% na nákup tokenov. Predplatné Na pravidelné požiadavky vyberte tarifu so zľavou. Promo kód až 50% Pri nákupe zadajte kód. Cena sa prepočíta podľa prebiehajúcej akcie. Výdavky v histórii Pri každej požiadavke sa uloží model, tokeny a suma. [Vybrať predplatné](https://ailoot.ai/docs/sk/billing/subscriptions/) · [Zobraziť ceny modelov](https://ailoot.ai/models/sk/) ## Pripojte API k produktu, ktorý predávate. SaaS, aplikácie a boti podľa ponuky a licenčnej zmluvy Ailoot. Na ďalší predaj požiadajte o licenciu predajcu. Komerčná aplikácia Začleňte generovanie textu, obrázkov, videa a zvuku do platených funkcií svojej služby. Licencia pre predajcu Pošlite popis projektu a spôsob poskytovania prístupu. Vyžiadajte písomné podmienky použitia a ďalšieho predaja. Dokumenty na webe Ponuka, licenčná zmluva a zásady spracovania dát sú dostupné pred pripojením. [Požiadať o licenciu predajcu](mailto:support@ailoot.ai) · [Ponuka a licenčná zmluva](https://ailoot.ai/legal/offer?lang=sk) ## Ailoot · Spoločnosť a jej portfólio projektov Ailoot stavia na dlhodobých prevádzkových skúsenostiach, širokej klientskej základni, stabilných službách a priebežnom sledovaní KPI. Spoločnosť a jej portfólio projektov: milióny zákazníkov; mesačné tržby v miliardách. Ailoot využíva tieto prevádzkové skúsenosti na poskytovanie prístupu cez API k funkciám AI v produktoch zákazníkov, agentoch, aplikáciách a automatizáciách.