Source: https://ailoot.ai/models/sv/qwen-qwen-audio-3-0-tts-flash/ Canonical: https://ailoot.ai/models/sv/qwen-qwen-audio-3-0-tts-flash/ Language: sv # Qwen: Qwen-Audio-3.0-TTS Flash [Markdown](https://ailoot.ai/models/sv/qwen-qwen-audio-3-0-tts-flash/index.md) · [JSON](https://ailoot.ai/models/sv/qwen-qwen-audio-3-0-tts-flash/facts.json) ## [Qwen: Qwen-Audio-3.0-TTS Flash](https://ailoot.ai/models/sv/qwen-qwen-audio-3-0-tts-flash/) Qwen-Audio-3.0-TTS-Flash är Qwens text-till-tal-modell med fokus på responsiva röstassistenter och interaktiv dialog. Den kombinerar strömmande syntes, modellspecifika förinställda eller klonade röster samt instruktioner eller taggar för uttrycksfullt tal. - [**Ailoot Ultra · Talproduktion** `POST /v1/audio/speech` `qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/sv/qwen-qwen-audio-3-0-tts-flash/#method-0) 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-Flash omvandlar ett tillhandahållet manus till tal, med Flash-versionens fokus på interaktion i realtid. Qwen anger röstassistenter, interaktiv dialog och intelligent kundservice som de främsta användningsområdena. Jämfört med föregående version beskriver tillverkaren ett bredare stöd för språk med begränsade språkresurser och kinesiska dialekter, mer autentiskt dialektuttryck samt bättre styrning av känsla, ton, karaktär, hastighet, volym och talstil. Tillverkaren rapporterar också förbättrad tydlighet och robusthet i akustiska miljöer med buller eller efterklang. Detta är syntes från text till ljud, inte igenkänning av inkommande tal eller en modell för röstdialog. Flash prioriterar att talet kommer i gång snabbt i ett interaktivt utbyte. Qwen rapporterar en latens på högst 200 millisekunder till det första paketet för modellens realtidssyntes; användarguiden påpekar också att den inledande anslutningen bidrar till den uppmätta fördröjningen vid den första textinlämningen. Förbered de ord som faktiskt ska sägas separat från det önskade framförandet. För ett svar från en röstassistent kan ett exempel på en instruktion kombinera ett kortfattat svar med ett lugnt och tydligt framförande. Det relevanta resultatet är det genererade talet för den texten, medan applikationen hanterar uppspelningen och den omgivande konversationen. Tillverkarens lista över systemröster innehåller modellspecifika alternativ som Long An Feng Yue för ett naturligt, vänligt framförande och Long An Xiao Xin för ett vänligt, livligt framförande, båda angivna för mandarin och engelska. Den innehåller också engelska röster som loongmary med brittisk accent och loongjohn med lugn, vänlig amerikansk accent. Varje modell har dessutom fler än 500 basröster. Qwen rekommenderar att börja med systemröster för ett konsekvent resultat och att bedöma förhandslyssningar när en basröst väljs. Rösten måste tillhöra den valda modellen och manuset måste vara på ett språk som rösten stöder. Klonade röster utökar det dokumenterade språkstödet till kinesiska, engelska, japanska, koreanska, ryska, franska, tyska, portugisiska, thailändska, indonesiska, vietnamesiska, spanska, italienska, malajiska, filipino och arabiska. Stödet för kinesiska omfattar mandarin och kantonesiska samt varieteter från Chongqing, nordöstra Kina, Gansu, Guizhou, Zhejiang, Hebei, Henan, Hubei, Hunan, Jiangxi, Ningbo, Ningxia, Qingdao, Shaanxi, Shanxi, Shandong, Shanghai, Sichuan och Yunnan, med dialektval genom instruktioner. Modelltabellen stöder röstkloning från ljudprov och skiljer det från att skapa en ny röst enbart utifrån en textbeskrivning, vilket denna version inte stöder. För kloning rekommenderar tillverkaren en inspelning på 10–20 sekunder, med en maximal längd på 60 sekunder och en filstorlek på högst 10 MB. Referensformaten som stöds är 16-bitars WAV, MP3 och M4A, med en samplingsfrekvens på minst 16 kHz. Inspelningen behöver innehålla minst fem sekunders sammanhängande, tydligt tal; övriga pauser bör vara högst två sekunder långa. Undvik bakgrundsljud, andra röster och sång. Stereo accepteras, men bara den första kanalen bearbetas. Kloningsflödet returnerar en röstidentifierare som är bunden till den exakta målmodellen, och syntesen använder identifieraren när rösten är klar. Samma inspelning kräver separata klonade röster för Flash och Plus. Instruktioner på naturligt språk styr framförandet för både systemröster och klonade röster. Beskriv hörbara egenskaper som en mjuk ton, tydlig artikulation eller ett något långsammare tempo. Infogade taggar ger en annan typ av styrning: \[empathetic\] eller \[serious\] anger en stil för efterföljande text, medan \[laughing\] eller \[sighing\] infogar en rösteffekt på en viss plats. En styrtagg gäller fram till en annan styrtagg eller automatisk meningssegmentering. Dessa känslo- och uttryckstaggar dokumenteras endast för enkelriktad strömning, inte för det dubbelriktade textinmatningsläget. Förbered en uttrycksfull replik i det läge som passar dessa kontroller. Tillverkarens talgränssnitt stöder PCM, WAV, MP3 och Opus. De angivna samplingsfrekvenserna är 8 000, 16 000, 22 050, 24 000, 44 100 och 48 000 Hz, med MP3 och 22 050 Hz som standardvärden. Volymen går från 0 till 100; talhastighet och tonhöjd går vardera från 0,5 till 2,0. MP3 och Opus har också en inställning för bithastighet från 6 till 510 kbps. Välj format och samplingsfrekvens efter den avsedda spelaren eller bearbetningsprocessen. För en interaktiv applikation dokumenterar tillverkaren strömmande ljudramar och meningsmetadata, med tidsstämplar på ordnivå i strömmande utdata för röster som omfattas av stödet, inklusive klonade röster. Det dokumenterade textprotokollet via WebSocket accepterar upp till 20 000 tecken i ett textmeddelande och sammanlagt 200 000 tecken i en uppgift, med högst 23 sekunder mellan textinlämningarna. Detta är gränser i tillverkarens protokoll, skilda från en generell gräns för längden på modellens utgående ljud. Protokollet stöder att den aktuella syntesomgången avbryts och att en efterföljande uppgift körs på samma anslutning. Behåll textsegmenten i den ordning de ska läsas upp och avsluta inmatningen när manuset är komplett. För uttalsförberedelser dokumenterar tillverkaren ledtrådar om målspråk, pinyinmarkeringar och textersättningar, som är användbara när siffror, förkortningar eller symboler uttalas oväntat. SSML är ett separat märkspråksalternativ med villkor för röst och interaktionsläge: Qwen dokumenterar det för klonade röster, med anrop utan strömning eller med enkelriktad strömning, och endast en textinlämning när SSML är aktiverat. Det bör inte förutsättas för varje förinställd röst eller dubbelriktad ström. För vanlig dialog börjar du med en kompatibel röst, ett rent talmanus och en specifik instruktion för framförandet; lägg till riktade uttals- eller uttryckskontroller där uppgiften kräver dem. Det håller Flash-profilen inriktad på responsivt tal från förberedd text, snarare än på andra Qwen-ljudmodellers funktioner. **Ailoot Ultra · Talproduktion** `POST /v1/audio/speech` `qwen/qwen-audio-3.0-tts-flash` [`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/sv/#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 är Qwens text-till-tal-modell med fokus på responsiva röstassistenter och interaktiv dialog. Den kombinerar strömmande syntes, modellspecifika förinställda eller klonade röster samt instruktioner eller taggar för uttrycksfullt tal. Godkända indata Text Resultat Ljud ### Tillgängligt i Ailoot · indata & metoder **Ailoot Ultra · Talproduktion** `POST /v1/audio/speech` Indatatyper `text` Utdatatyper `audio` Utdataformat mp3 | Fält | Typ | Krav | Värden & gränser | Standard | | --- | --- | --- | --- | --- | | Fält`model` | Typ`string` | KravObligatoriskt | Värden & gränser qwen/qwen-audio-3.0-tts-flash | Standard— | | Fält`input` | Typ`string` | KravObligatoriskt | Värden & gränser Minsta längd: 1 Enhet: Unicode-tecken | Standard— | | Fält`voice` | Typ`string` | KravObligatoriskt | Värden & gränser loongjohn, longanhuan\_v3.6 | Standard— | | Fält`response_format` | Typ`string` | KravObligatoriskt | Värden & gränser mp3 | Standard— | Kombinationer av indatamaterial **text\_to\_speech** · Krävs: input Metodparametrar och livscykel | Parameter | Avtal | | --- | --- | | Parameter`content_type` | Avtalapplication/json | | Parameter`required` | Avtalmodel, input, voice, response\_format | | Parameter`voice_ids` | Avtalloongjohn, longanhuan\_v3.6 | | Parameter`response_format` | Avtalmp3 | | Parameter`max_input_characters` | Avtalnull | | Parameter`other_options` | Avtalfalse | | Parameter`input` | Avtalexakt UTF-8-text; antal Unicode-tecken utan normalisering | | Parameter`material_types` | Avtaltext | 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}` Välj den exakta rösten från denna modellprofil. Indatatecken och ljudsekunder är olika mätenheter. ### Priser Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden. Snabbt läge Ej angivet När snabbt läge är valt Flex-läge Ej angivet När läget flex är valt Högsta resonemangsnivå Ej angivet När den högsta resonemangsnivån använder standardjusteringen (default) #### Ailoot-priser #### Priser efter konfiguration Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer. | Konfiguration | Prislista | Debiterbar mängd | Debiteringsenhet | Avgift | | --- | --- | --- | --- | --- | | KonfigurationGrundpriser för token | PrislistaGrundpris | Debiterbar mängd— | Debiteringsenhet— | Avgift Indata · Indatatoken **—** / 1K token Utdata · Utdatatoken **—** / 1K token Indata · Cacheläsning **—** / 1K token Indata · Skrivning till cache **—** / 1K token Indata · Skrivning till cache, 1 tim **—** / 1K token | | KonfigurationUltra | Prislista— | Debiterbar mängdVarje Unicode-kodpunkt räknas som ett tecken, även Han-tecken. | Debiteringsenhetper 1K indatatecken | Avgift Indata · indatatecken **$0.03** per 1K indatatecken | #### Detaljer om referenstariffen Referensprislistor på modellnivå ändrar inte metodval, prisuppgifter eller avgifter. Aktiva avgifter använder priserna för den valda Ailoot-metoden. Qwen: Qwen-Audio-3.0-TTS Flash #### Priser efter konfiguration | Konfiguration | Debiteringsvillkor | Avgift | | --- | --- | --- | | KonfigurationQwen: Qwen-Audio-3.0-TTS Flash · Standardkonfiguration | DebiteringsvillkorStandardkonfiguration | Avgift Indata · Indatatecken **0,00003 US$** per indatatecken | 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 →](https://ailoot.ai/docs/sv/billing/reserve/) ### Exempelbegäranden #### Ailoot Ultra · Talproduktion 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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o speech.mp3 ``` ### Ta emot och spara resultat #### Ailoot Ultra · Talproduktion mp3 - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Andra innehållsläsningar MediebibliotekUppgiftsstatusResursinformation ```bash set -eu : "${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 ``` ##### 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 | | --- | --- | | Fält`binary audio` | Typbytes | | Fält`response 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. | | Svar`server_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 Ultra** [`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/sv/#m=qwen%2Fqwen-audio-3.0-tts-flash&route=Ultra&caller=qwen%2Fqwen-audio-3.0-tts-flash&fmt=speech) #### Alias för metodsökvägar Använd metodsökvägarna som visas ovan. #### Relaterade anropar-ID:n [`qwen/qwen-audio-3.0-tts-flash`](https://ailoot.ai/models/sv/#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 Vilka indata och resultat finns? `POST /v1/audio/speech` · `qwen/qwen-audio-3.0-tts-flash`: `text` → `audio` Vilka fält använder begäran? `POST /v1/audio/speech` · `qwen/qwen-audio-3.0-tts-flash`: `model`, `input`, `voice`, `response_format` Anslut Ailoot till Claude Code, OpenCode, Hermes eller din app. ## Företaget och dess projektportfölj Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. ## Köp token med rabatt. Prenumerationsrabatt för återkommande arbete. Kampanjkoder ger upp till 50% vid tokenköp. Prenumeration Välj en rabatterad plan för återkommande anrop. Kampanjkod upp till 50% Ange koden vid köpet. Priset räknas om enligt kampanjen. Kostnader i historiken Modell, token och belopp sparas för varje anrop. [Välj prenumeration](https://ailoot.ai/docs/sv/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/sv/) ## Anslut API till produkten som du säljer. SaaS, appar och botar enligt Ailoots officiella villkor och licensavtal. Begär återförsäljarlicens för vidareförsäljning. Kommersiell applikation Bygg text-, bild-, video- och ljudgenerering i tjänstens betalda funktioner. Återförsäljarlicens Skicka projektbeskrivning och åtkomstupplägg. Begär skriftliga villkor för användning och vidareförsäljning. Dokument på webbplatsen Officiella villkor, licensavtal och databehandlingspolicy finns tillgängliga före anslutning. [Begär återförsäljarlicens](mailto:support@ailoot.ai) · [Officiella villkor och licensavtal](https://ailoot.ai/legal/offer?lang=sv) ## Ailoot · Företaget och dess projektportfölj Ailoot bygger på etablerad driftserfarenhet, en stor kundbas, stabil service och löpande KPI-kontroll. Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. Ailoot använder denna driftserfarenhet för API-åtkomst till AI-funktioner i kundernas produkter, agenter, applikationer och automatiseringar.