qwen-audio-3.0-tts-plus
Modell för uttrycksfull uppläsning av text till videor, ljudböcker och annat röstmaterial. Stöder styrning av talstilen och val av en färdig röst eller en röst skapad utifrån ett röstprov.
- Ailoot · Talproduktion
POST /v1/audio/speechqwen-audio-3.0-tts-plus - Ailoot · Talproduktion
POST /v1/audio/speechqwen-tts - Ailoot · Talproduktion
POST /v1/audio/speechqwen-tts-latest
Om modellen
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Qwen-Audio-3.0-TTS-Plus omvandlar text till uttrycksfullt tal. Alibaba har inriktat modellen på professionell uppläsning av innehåll, ljudböcker, videor och material med en igenkännbar röstkaraktär. Text är indata och ljud skapas som utdata. Ljud kan också lämnas ut efter hand som det syntetiseras.
Talstilen som en del av instruktionen
Framförandet kan anges med instruktioner på naturligt språk och detaljerade styrmarkeringar. De bestämmer känsla, ton, karaktär, tempo, ljudstyrka och talstil. Det gör det möjligt att styra framförandet av samma fras, från lugnt berättande till ett mer energiskt eller känsloladdat uttryck.
Uttrycksfullheten hänger samman med den valda rösten och textens innehåll. För stabilt uttal måste materialets språk motsvara de språk som rösten stöder. Modellen är avsedd att läsa upp skrivet material. Analys av ett samtals innebörd och transkription av en originalinspelning hör till andra ljuduppgifter.
Färdig röst och röst från ett röstprov
Det finns två systemröster: en varm kvinnlig och en glad manlig. De stöder kinesiska och engelska. Utöver dem finns fler än 500 basröster och möjlighet att återskapa en röst från ett röstprov. Tillverkaren rekommenderar systemalternativen när ett stabilt ljud behövs.
Röst från ett röstprov stöder kinesiska med regionala uttalsvarianter, engelska, franska, tyska, japanska, koreanska, ryska, portugisiska, thailändska, indonesiska, vietnamesiska, italienska, spanska, malajiska, filipino och arabiska. Det är en språkmöjlighet i det aktuella läget och gäller inte automatiskt varje färdig röst.
Kraven på röstprovet hör till ett separat sätt att skapa röster hos tillverkaren. Vid talsyntes används en redan förberedd röst. Den förberedda rösten måste motsvara den valda talsyntesmodellen: en röst från en annan modell ger ett syntesfel hos tillverkaren. Ett rent talprov på 10–20 sekunder rekommenderas. Den totala gränsen är 60 sekunder och 10 MB, och minst fem sekunders sammanhängande tal krävs. WAV med 16-bitars representation, MP3 och M4A stöds vid en frekvens på minst 16 kHz. En eller två kanaler tillåts, men om det finns två används den första.
Röstprovet ska innehålla en enda röst utan andra som talar samtidigt, musik eller sång. Enligt tillverkarens krav får korta pauser i provet vara högst två sekunder. Detta hjälper till att urskilja klang och uttalsdrag för den fortsatta syntesen. Styrning av framförandet och återskapande av en röst från ett prov beskriver olika sidor av modellens arbete och kan användas för att förbereda ljudet för samma material.
Ailoot · Talproduktion POST /v1/audio/speech qwen-audio-3.0-tts-plus
qwen-audio-3.0-tts-plusqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Start
Modell för uttrycksfull uppläsning av text till videor, ljudböcker och annat röstmaterial. Stöder styrning av talstilen och val av en färdig röst eller en röst skapad utifrån ett röstprov.
- Godkända indata
- Text
- Resultat
- speech
Tillgängligt i Ailoot · indata & metoder
Ailoot · Talproduktion POST /v1/audio/speech
- Indatatyper
text- Utdatatyper
speech- Utdataformat
- valt mp3/wav/pcm
| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen-audio-3.0-tts-plus | Standard— |
Fältinput | Typstring | KravObligatoriskt | Värden & gränser Minsta längd: 1 Maximal längd: 600 Enhet: Unicode-tecken | Standard— |
Fältvoice | Typstring | KravValfritt | Värden & gränser Exempel: longanlingxin, longanlufeng Godkänt anpassat mönster: ^qwen-audio-3\.0-tts-plus- Villkor: Faktiska anpassade röst-ID:n med det exakta prefixet qwen-audio-3.0-tts-plus- accepteras. | Standardlonganlingxin |
Fältresponse_format | Typstring | KravValfritt | Värden & gränser mp3, wav, pcm | Standardmp3 |
Fältsample_rate | Typinteger | KravValfritt | Värden & gränser 16 000, 24 000, 48 000 Enhet: Hz | Standard24 000 |
Kombinationer av indatamaterial
text_to_speech · Krävs: input
Metodparametrar och livscykel
| Parameter | Avtal |
|---|---|
Parametermaterial_types | Avtaltext |
Parameterrequired | Avtalnull |
Parameteroptional_controls | Avtalnull |
Livscykel: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Det task_id som faktiskt returnerades eller en post i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodernas strukturer och ID:n är exakta; leverantörens funktioner är åtskilda från att begäran tillåts.
Priser
Priser för Ailoot-metoder
POST /v1/audio/speech- Indata
- 20,00 US$ per 1 miljon tecken
- Utdata
- 0,00 US$ per begäran
20,00 US$ per 1 miljon tecken för debitering. Ett CJK-ideogram räknas som 2 tecken för debitering: 40,00 US$ per 1 miljon ideogram. Vikt för övriga Unicode-tecken: 1. Utgående ljud: 0,00 US$.
Exakt villkorsstyrd beräkning från katalogen
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
Exempelbegäranden
Ailoot · Talproduktion
set -eu
: "${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
Ta emot och spara resultat
Ailoot · Talproduktion
valt mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Behåll alla färdiga resultat
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Spara hela det binära resultatet och dess headers. Om JSON eller flera resultat returneras ska du behålla varje dataobjekt och hämta innehållet via varje faktisk signerad URL till en resurs.
Om det ursprungliga svaret behöver kontrolleras
Behåll de ursprungliga värdena för operation_id/X-Client-Request-ID för avstämning utan att skicka förfrågan igen; det finns ingen särskild rutt för statusavläsning av ljud.
Svarsfält
| Fält | Typ |
|---|---|
Fältbinary audio | Typbytes |
Fältresponse headers | Typheaders |
Fel och nästa steg
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Svarserver_error | VillkorDet returnerade svaret anger att operationen eller resultatet behöver kontrolleras | Nästa stegSpara det ursprungliga operations- eller uppgifts-ID som returnerades, förfrågans headers och svaret. Fortsätt att läsa den ursprungliga operationen med de läsmetoder som stöds. Skicka inte skapandeförfrågan igen. |
Alias
Modellalias
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Alias för metodsökvägar
Använd metodsökvägarna som visas ovan.
Relaterade anropar-ID:n
Ailoot · Talproduktion POST /v1/audio/speech qwen-tts
qwen-ttsqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Start
Modell för uttrycksfull uppläsning av text till videor, ljudböcker och annat röstmaterial. Stöder styrning av talstilen och val av en färdig röst eller en röst skapad utifrån ett röstprov.
- Godkända indata
- Text
- Resultat
- speech
Tillgängligt i Ailoot · indata & metoder
Ailoot · Talproduktion POST /v1/audio/speech
- Indatatyper
text- Utdatatyper
speech- Utdataformat
- valt mp3/wav/pcm
| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen-tts | Standard— |
Fältinput | Typstring | KravObligatoriskt | Värden & gränser Minsta längd: 1 Maximal längd: 600 Enhet: Unicode-tecken | Standard— |
Fältvoice | Typstring | KravValfritt | Värden & gränser Exempel: longanlingxin, longanlufeng Godkänt anpassat mönster: ^qwen-audio-3\.0-tts-plus- Villkor: Faktiska anpassade röst-ID:n med det exakta prefixet qwen-audio-3.0-tts-plus- accepteras. | Standardlonganlingxin |
Fältresponse_format | Typstring | KravValfritt | Värden & gränser mp3, wav, pcm | Standardmp3 |
Fältsample_rate | Typinteger | KravValfritt | Värden & gränser 16 000, 24 000, 48 000 Enhet: Hz | Standard24 000 |
Kombinationer av indatamaterial
text_to_speech · Krävs: input
Metodparametrar och livscykel
| Parameter | Avtal |
|---|---|
Parametermaterial_types | Avtaltext |
Parameterrequired | Avtalnull |
Parameteroptional_controls | Avtalnull |
Livscykel: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Det task_id som faktiskt returnerades eller en post i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodernas strukturer och ID:n är exakta; leverantörens funktioner är åtskilda från att begäran tillåts.
Priser
Priser för Ailoot-metoder
POST /v1/audio/speech- Indata
- 20,00 US$ per 1 miljon tecken
- Utdata
- 0,00 US$ per begäran
20,00 US$ per 1 miljon tecken för debitering. Ett CJK-ideogram räknas som 2 tecken för debitering: 40,00 US$ per 1 miljon ideogram. Vikt för övriga Unicode-tecken: 1. Utgående ljud: 0,00 US$.
Exakt villkorsstyrd beräkning från katalogen
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
Exempelbegäranden
Ailoot · Talproduktion
set -eu
: "${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
Ta emot och spara resultat
Ailoot · Talproduktion
valt mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Behåll alla färdiga resultat
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Spara hela det binära resultatet och dess headers. Om JSON eller flera resultat returneras ska du behålla varje dataobjekt och hämta innehållet via varje faktisk signerad URL till en resurs.
Om det ursprungliga svaret behöver kontrolleras
Behåll de ursprungliga värdena för operation_id/X-Client-Request-ID för avstämning utan att skicka förfrågan igen; det finns ingen särskild rutt för statusavläsning av ljud.
Svarsfält
| Fält | Typ |
|---|---|
Fältbinary audio | Typbytes |
Fältresponse headers | Typheaders |
Fel och nästa steg
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Svarserver_error | VillkorDet returnerade svaret anger att operationen eller resultatet behöver kontrolleras | Nästa stegSpara det ursprungliga operations- eller uppgifts-ID som returnerades, förfrågans headers och svaret. Fortsätt att läsa den ursprungliga operationen med de läsmetoder som stöds. Skicka inte skapandeförfrågan igen. |
Alias
Modellalias
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Alias för metodsökvägar
Använd metodsökvägarna som visas ovan.
Relaterade anropar-ID:n
Ailoot · Talproduktion POST /v1/audio/speech qwen-tts-latest
qwen-tts-latestqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
Start
Modell för uttrycksfull uppläsning av text till videor, ljudböcker och annat röstmaterial. Stöder styrning av talstilen och val av en färdig röst eller en röst skapad utifrån ett röstprov.
- Godkända indata
- Text
- Resultat
- speech
Tillgängligt i Ailoot · indata & metoder
Ailoot · Talproduktion POST /v1/audio/speech
- Indatatyper
text- Utdatatyper
speech- Utdataformat
- valt mp3/wav/pcm
| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser qwen-tts-latest | Standard— |
Fältinput | Typstring | KravObligatoriskt | Värden & gränser Minsta längd: 1 Maximal längd: 600 Enhet: Unicode-tecken | Standard— |
Fältvoice | Typstring | KravValfritt | Värden & gränser Exempel: longanlingxin, longanlufeng Godkänt anpassat mönster: ^qwen-audio-3\.0-tts-plus- Villkor: Faktiska anpassade röst-ID:n med det exakta prefixet qwen-audio-3.0-tts-plus- accepteras. | Standardlonganlingxin |
Fältresponse_format | Typstring | KravValfritt | Värden & gränser mp3, wav, pcm | Standardmp3 |
Fältsample_rate | Typinteger | KravValfritt | Värden & gränser 16 000, 24 000, 48 000 Enhet: Hz | Standard24 000 |
Kombinationer av indatamaterial
text_to_speech · Krävs: input
Metodparametrar och livscykel
| Parameter | Avtal |
|---|---|
Parametermaterial_types | Avtaltext |
Parameterrequired | Avtalnull |
Parameteroptional_controls | Avtalnull |
Livscykel: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · Det task_id som faktiskt returnerades eller en post i mediebiblioteket
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Metodernas strukturer och ID:n är exakta; leverantörens funktioner är åtskilda från att begäran tillåts.
Priser
Priser för Ailoot-metoder
POST /v1/audio/speech- Indata
- 20,00 US$ per 1 miljon tecken
- Utdata
- 0,00 US$ per begäran
20,00 US$ per 1 miljon tecken för debitering. Ett CJK-ideogram räknas som 2 tecken för debitering: 40,00 US$ per 1 miljon ideogram. Vikt för övriga Unicode-tecken: 1. Utgående ljud: 0,00 US$.
Exakt villkorsstyrd beräkning från katalogen
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
Exempelbegäranden
Ailoot · Talproduktion
set -eu
: "${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
Ta emot och spara resultat
Ailoot · Talproduktion
valt mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Behåll alla färdiga resultat
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Spara hela det binära resultatet och dess headers. Om JSON eller flera resultat returneras ska du behålla varje dataobjekt och hämta innehållet via varje faktisk signerad URL till en resurs.
Om det ursprungliga svaret behöver kontrolleras
Behåll de ursprungliga värdena för operation_id/X-Client-Request-ID för avstämning utan att skicka förfrågan igen; det finns ingen särskild rutt för statusavläsning av ljud.
Svarsfält
| Fält | Typ |
|---|---|
Fältbinary audio | Typbytes |
Fältresponse headers | Typheaders |
Fel och nästa steg
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Svarserver_error | VillkorDet returnerade svaret anger att operationen eller resultatet behöver kontrolleras | Nästa stegSpara det ursprungliga operations- eller uppgifts-ID som returnerades, förfrågans headers och svaret. Fortsätt att läsa den ursprungliga operationen med de läsmetoder som stöds. Skicka inte skapandeförfrågan igen. |
Alias
Modellalias
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
Alias för metodsökvägar
Använd metodsökvägarna som visas ovan.
Relaterade anropar-ID:n
FAQ · qwen-audio-3.0-tts-plus
- Vilka indata och resultat finns?
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- Vilka fält använder begäran?
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- Vilka gränser gäller?
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