models

qwen-audio-3.0-tts-plus

Markdown · JSON

qwen-audio-3.0-tts-plus

โมเดลแปลงข้อความเป็นเสียงพูดที่สื่ออารมณ์ สำหรับวิดีโอ หนังสือเสียง และสื่อเสียง รองรับการควบคุมลีลาการพูดและการเลือกเสียงสำเร็จรูปหรือเสียงที่สร้างจากตัวอย่าง

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

Qwen-Audio-3.0-TTS-Plus แปลงข้อความเป็นเสียงพูดที่สื่ออารมณ์ Alibaba ออกแบบสำหรับการพากย์เนื้อหา หนังสือเสียง วิดีโอ และสื่อที่ต้องการเอกลักษณ์เสียงที่จดจำได้อย่างมืออาชีพ อินพุตคือข้อความ เอาต์พุตคือเสียง และรองรับการทยอยส่งเสียงระหว่างสังเคราะห์ด้วย

ลีลาการพูดเป็นส่วนหนึ่งของคำสั่ง

กำหนดการถ่ายทอดได้ด้วยคำสั่งภาษาธรรมชาติและแท็กควบคุมแบบละเอียด เพื่อระบุอารมณ์ น้ำเสียง บุคลิก จังหวะ ความดัง และสไตล์การพูด จึงสามารถชี้นำการพูดประโยคเดียวกันได้ตั้งแต่การเล่าเรื่องอย่างสงบไปจนถึงการพูดที่มีพลังหรืออารมณ์มากขึ้น

การสื่ออารมณ์สัมพันธ์กับเสียงที่เลือกและเนื้อหาของข้อความ เพื่อให้ออกเสียงได้สม่ำเสมอ ภาษาของเนื้อหาต้องตรงกับภาษาที่เสียงนั้นรองรับ โมเดลนี้ใช้พากย์เนื้อหาที่เขียนไว้ ส่วนการวิเคราะห์ความหมายของบทสนทนาและการถอดเสียงจากไฟล์ต้นฉบับเป็นงานเสียงประเภทอื่น

เสียงสำเร็จรูปและเสียงจากตัวอย่าง

มีเสียงระบบสองเสียง ได้แก่ เสียงผู้หญิงอบอุ่นและเสียงผู้ชายร่าเริง ซึ่งรองรับภาษาจีนและภาษาอังกฤษ นอกจากนี้ยังมีเสียงพื้นฐานมากกว่า 500 เสียง และความสามารถเลียนเสียงจากตัวอย่างเสียงพูด ผู้ผลิตแนะนำเสียงระบบเมื่อต้องการเสียงที่มีความสม่ำเสมอ

เสียงจากตัวอย่างรองรับภาษาจีนรวมถึงรูปแบบการออกเสียงในภูมิภาค อังกฤษ ฝรั่งเศส เยอรมัน ญี่ปุ่น เกาหลี รัสเซีย โปรตุเกส ไทย อินโดนีเซีย เวียดนาม อิตาลี สเปน มาเลย์ ฟิลิปปินส์ และอาหรับ นี่เป็นความสามารถทางภาษาของโหมดที่เกี่ยวข้อง ไม่ได้หมายความว่าเสียงสำเร็จรูปทุกเสียงจะรองรับภาษาเหล่านี้โดยอัตโนมัติ

ข้อกำหนดของตัวอย่างเป็นของวิธีสร้างเสียงแยกต่างหากในระบบของผู้ผลิต เมื่อสังเคราะห์เสียงพูดจะใช้เสียงที่เตรียมไว้แล้ว เสียงที่เตรียมไว้ต้องตรงกับโมเดลพากย์ที่เลือก หากใช้เสียงของโมเดลอื่นในระบบของผู้ผลิต จะเกิดข้อผิดพลาดในการสังเคราะห์ แนะนำให้ใช้เสียงพูดชัดเจนที่ยาว 10–20 วินาทีเป็นตัวอย่าง ขีดจำกัดรวมคือ 60 วินาทีและ 10 MB โดยต้องมีเสียงพูดต่อเนื่องไม่น้อยกว่าห้าวินาที รองรับ WAV แบบ 16 บิต, MP3 และ M4A ที่อัตราสุ่มสัญญาณไม่น้อยกว่า 16 kHz ใช้ได้หนึ่งหรือสองช่องสัญญาณ แต่หากมีสองช่องจะใช้ช่องแรก

ตัวอย่างเสียงพูดต้องมีเพียงเสียงเดียว ไม่มีคนพูดพร้อมกัน ไม่มีดนตรีหรือการร้องเพลง ข้อกำหนดของผู้ผลิตจำกัดช่วงหยุดสั้น ๆ ในตัวอย่างไว้ไม่เกินสองวินาที เพื่อช่วยแยกโทนเสียงและลักษณะการออกเสียงที่ใช้สังเคราะห์ต่อไป การควบคุมการถ่ายทอดและการเลียนเสียงจากตัวอย่างเป็นคนละด้านของการทำงานของโมเดล และใช้เตรียมเสียงสำหรับเนื้อหาเดียวกันได้

Ailoot · การสังเคราะห์เสียงพูด POST /v1/audio/speech qwen-audio-3.0-tts-plus

qwen-audio-3.0-tts-plus

Alibaba /qwen-audio-3.0-tts-plus
ID โมเดล
  • qwen-audio-3.0-tts-plus
  • qwen-tts
  • qwen-tts-latest

เริ่มต้น

โมเดลแปลงข้อความเป็นเสียงพูดที่สื่ออารมณ์ สำหรับวิดีโอ หนังสือเสียง และสื่อเสียง รองรับการควบคุมลีลาการพูดและการเลือกเสียงสำเร็จรูปหรือเสียงที่สร้างจากตัวอย่าง

อินพุตที่รองรับ
ข้อความ
ผลลัพธ์
speech

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot · การสังเคราะห์เสียงพูด POST /v1/audio/speech
ขาเข้า
text
ขาออก
speech
รูปแบบเอาต์พุต
mp3/wav/pcm ที่เลือก
ฟิลด์ประเภทข้อกำหนดค่าและข้อจำกัดค่าเริ่มต้น
ฟิลด์modelประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
qwen-audio-3.0-tts-plus
ค่าเริ่มต้น—
ฟิลด์inputประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
ความยาวขั้นต่ำ: 1
ความยาวสูงสุด: 600
หน่วย: อักขระ Unicode
ค่าเริ่มต้น—
ฟิลด์voiceประเภทstringข้อกำหนดไม่บังคับค่าและข้อจำกัด
ตัวอย่าง: longanlingxin, longanlufeng
แพตเทิร์นแบบกำหนดเองที่รองรับ: ^qwen-audio-3\.0-tts-plus-
เงื่อนไข: ยอมรับ ID เสียงกำหนดเองจริงที่มีคำนำหน้าตรงตาม qwen-audio-3.0-tts-plus-
ค่าเริ่มต้นlonganlingxin
ฟิลด์response_formatประเภทstringข้อกำหนดไม่บังคับค่าและข้อจำกัด
mp3, wav, pcm
ค่าเริ่มต้นmp3
ฟิลด์sample_rateประเภทintegerข้อกำหนดไม่บังคับค่าและข้อจำกัด
16,000, 24,000, 48,000
หน่วย: Hz
ค่าเริ่มต้น24,000
ชุดผสมของสื่ออินพุต

text_to_speech · จำเป็น: input

พารามิเตอร์และวงจรการทำงานของเมธอด
พารามิเตอร์ข้อกำหนด
พารามิเตอร์material_typesข้อกำหนดtext
พารามิเตอร์requiredข้อกำหนดnull
พารามิเตอร์optional_controlsข้อกำหนดnull

วงจรการทำงาน: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · ค่า task_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

รูปแบบเมธอดและ ID ระบุอย่างแม่นยำ ความสามารถของผู้ให้บริการแยกจากการอนุญาตให้รับคำขอ

ราคา

อัตราค่าบริการเมธอด Ailoot

Ailoot การสังเคราะห์เสียงพูดPOST /v1/audio/speech
ขาเข้า
US$20.00 ต่อ 1 ล้านอักขระ
ขาออก
US$0.00 ต่อคำขอ

US$20.00 ต่ออักขระที่ใช้คำนวณ 1 ล้านตัว. อักษรสื่อความหมาย CJK นับเป็นอักขระที่ใช้คำนวณ 2 ตัว: US$40.00 ต่ออักษรสื่อความหมาย 1 ล้านตัว. น้ำหนักของอักขระ Unicode อื่น ๆ: 1. เสียงขาออก: US$0.00.

การนับแบบมีเงื่อนไขตามแค็ตตาล็อกอย่างละเอียด
{
  "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 กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot · การสังเคราะห์เสียงพูด

ตัวอย่างเสียงพูด
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

รับและบันทึกผลลัพธ์

Ailoot · การสังเคราะห์เสียงพูด

mp3/wav/pcm ที่เลือก

  • GET /v1/media/tasks/{task_id}
  • GET /v1/media/assets/{asset_id}/content
  • GET /v1/media/assets
  • GET /v1/media/assets/{asset_id}
เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บผลลัพธ์ไบนารีและส่วนหัวให้ครบถ้วน หากได้รับ JSON/ผลลัพธ์หลายรายการ ให้เก็บข้อมูลทุกรายการและดึงไฟล์สื่อจาก URL แบบลงนามทุกรายการที่ได้รับจริง

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ operation_id/X-Client-Request-ID เดิมไว้เพื่อกระทบยอดโดยไม่ส่งคำขอซ้ำ ไม่มีเส้นทางเฉพาะสำหรับตรวจสอบสถานะงานเสียงเป็นระยะ

ฟิลด์การตอบกลับ
ฟิลด์ประเภท
ฟิลด์binary audioประเภทbytes
ฟิลด์response headersประเภทheaders
ข้อผิดพลาดและขั้นตอนถัดไป
การตอบกลับเงื่อนไขขั้นตอนถัดไป
การตอบกลับ400 · invalid_request_errorเงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้องขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่
การตอบกลับserver_errorเงื่อนไขการตอบกลับที่ได้รับระบุว่าต้องตรวจสอบการดำเนินการหรือผลลัพธ์ขั้นตอนถัดไปเก็บ ID การดำเนินการ/งานที่ส่งกลับมาแต่เดิม ส่วนหัวของคำขอ และการตอบกลับไว้ แล้วอ่านข้อมูลการดำเนินการเดิมนั้นต่อด้วยวิธีที่รองรับ ห้ามส่งคำขอสร้างซ้ำ

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest

Ailoot · การสังเคราะห์เสียงพูด POST /v1/audio/speech qwen-tts

qwen-tts

Alibaba /qwen-tts
ID โมเดล
  • qwen-audio-3.0-tts-plus
  • qwen-tts
  • qwen-tts-latest

เริ่มต้น

โมเดลแปลงข้อความเป็นเสียงพูดที่สื่ออารมณ์ สำหรับวิดีโอ หนังสือเสียง และสื่อเสียง รองรับการควบคุมลีลาการพูดและการเลือกเสียงสำเร็จรูปหรือเสียงที่สร้างจากตัวอย่าง

อินพุตที่รองรับ
ข้อความ
ผลลัพธ์
speech

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot · การสังเคราะห์เสียงพูด POST /v1/audio/speech
ขาเข้า
text
ขาออก
speech
รูปแบบเอาต์พุต
mp3/wav/pcm ที่เลือก
ฟิลด์ประเภทข้อกำหนดค่าและข้อจำกัดค่าเริ่มต้น
ฟิลด์modelประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
qwen-tts
ค่าเริ่มต้น—
ฟิลด์inputประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
ความยาวขั้นต่ำ: 1
ความยาวสูงสุด: 600
หน่วย: อักขระ Unicode
ค่าเริ่มต้น—
ฟิลด์voiceประเภทstringข้อกำหนดไม่บังคับค่าและข้อจำกัด
ตัวอย่าง: longanlingxin, longanlufeng
แพตเทิร์นแบบกำหนดเองที่รองรับ: ^qwen-audio-3\.0-tts-plus-
เงื่อนไข: ยอมรับ ID เสียงกำหนดเองจริงที่มีคำนำหน้าตรงตาม qwen-audio-3.0-tts-plus-
ค่าเริ่มต้นlonganlingxin
ฟิลด์response_formatประเภทstringข้อกำหนดไม่บังคับค่าและข้อจำกัด
mp3, wav, pcm
ค่าเริ่มต้นmp3
ฟิลด์sample_rateประเภทintegerข้อกำหนดไม่บังคับค่าและข้อจำกัด
16,000, 24,000, 48,000
หน่วย: Hz
ค่าเริ่มต้น24,000
ชุดผสมของสื่ออินพุต

text_to_speech · จำเป็น: input

พารามิเตอร์และวงจรการทำงานของเมธอด
พารามิเตอร์ข้อกำหนด
พารามิเตอร์material_typesข้อกำหนดtext
พารามิเตอร์requiredข้อกำหนดnull
พารามิเตอร์optional_controlsข้อกำหนดnull

วงจรการทำงาน: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · ค่า task_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

รูปแบบเมธอดและ ID ระบุอย่างแม่นยำ ความสามารถของผู้ให้บริการแยกจากการอนุญาตให้รับคำขอ

ราคา

อัตราค่าบริการเมธอด Ailoot

Ailoot การสังเคราะห์เสียงพูดPOST /v1/audio/speech
ขาเข้า
US$20.00 ต่อ 1 ล้านอักขระ
ขาออก
US$0.00 ต่อคำขอ

US$20.00 ต่ออักขระที่ใช้คำนวณ 1 ล้านตัว. อักษรสื่อความหมาย CJK นับเป็นอักขระที่ใช้คำนวณ 2 ตัว: US$40.00 ต่ออักษรสื่อความหมาย 1 ล้านตัว. น้ำหนักของอักขระ Unicode อื่น ๆ: 1. เสียงขาออก: US$0.00.

การนับแบบมีเงื่อนไขตามแค็ตตาล็อกอย่างละเอียด
{
  "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 กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot · การสังเคราะห์เสียงพูด

ตัวอย่างเสียงพูด
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

รับและบันทึกผลลัพธ์

Ailoot · การสังเคราะห์เสียงพูด

mp3/wav/pcm ที่เลือก

  • GET /v1/media/tasks/{task_id}
  • GET /v1/media/assets/{asset_id}/content
  • GET /v1/media/assets
  • GET /v1/media/assets/{asset_id}
เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บผลลัพธ์ไบนารีและส่วนหัวให้ครบถ้วน หากได้รับ JSON/ผลลัพธ์หลายรายการ ให้เก็บข้อมูลทุกรายการและดึงไฟล์สื่อจาก URL แบบลงนามทุกรายการที่ได้รับจริง

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ operation_id/X-Client-Request-ID เดิมไว้เพื่อกระทบยอดโดยไม่ส่งคำขอซ้ำ ไม่มีเส้นทางเฉพาะสำหรับตรวจสอบสถานะงานเสียงเป็นระยะ

ฟิลด์การตอบกลับ
ฟิลด์ประเภท
ฟิลด์binary audioประเภทbytes
ฟิลด์response headersประเภทheaders
ข้อผิดพลาดและขั้นตอนถัดไป
การตอบกลับเงื่อนไขขั้นตอนถัดไป
การตอบกลับ400 · invalid_request_errorเงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้องขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่
การตอบกลับserver_errorเงื่อนไขการตอบกลับที่ได้รับระบุว่าต้องตรวจสอบการดำเนินการหรือผลลัพธ์ขั้นตอนถัดไปเก็บ ID การดำเนินการ/งานที่ส่งกลับมาแต่เดิม ส่วนหัวของคำขอ และการตอบกลับไว้ แล้วอ่านข้อมูลการดำเนินการเดิมนั้นต่อด้วยวิธีที่รองรับ ห้ามส่งคำขอสร้างซ้ำ

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest

Ailoot · การสังเคราะห์เสียงพูด POST /v1/audio/speech qwen-tts-latest

qwen-tts-latest

Alibaba /qwen-tts-latest
ID โมเดล
  • qwen-audio-3.0-tts-plus
  • qwen-tts
  • qwen-tts-latest

เริ่มต้น

โมเดลแปลงข้อความเป็นเสียงพูดที่สื่ออารมณ์ สำหรับวิดีโอ หนังสือเสียง และสื่อเสียง รองรับการควบคุมลีลาการพูดและการเลือกเสียงสำเร็จรูปหรือเสียงที่สร้างจากตัวอย่าง

อินพุตที่รองรับ
ข้อความ
ผลลัพธ์
speech

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot · การสังเคราะห์เสียงพูด POST /v1/audio/speech
ขาเข้า
text
ขาออก
speech
รูปแบบเอาต์พุต
mp3/wav/pcm ที่เลือก
ฟิลด์ประเภทข้อกำหนดค่าและข้อจำกัดค่าเริ่มต้น
ฟิลด์modelประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
qwen-tts-latest
ค่าเริ่มต้น—
ฟิลด์inputประเภทstringข้อกำหนดจำเป็นค่าและข้อจำกัด
ความยาวขั้นต่ำ: 1
ความยาวสูงสุด: 600
หน่วย: อักขระ Unicode
ค่าเริ่มต้น—
ฟิลด์voiceประเภทstringข้อกำหนดไม่บังคับค่าและข้อจำกัด
ตัวอย่าง: longanlingxin, longanlufeng
แพตเทิร์นแบบกำหนดเองที่รองรับ: ^qwen-audio-3\.0-tts-plus-
เงื่อนไข: ยอมรับ ID เสียงกำหนดเองจริงที่มีคำนำหน้าตรงตาม qwen-audio-3.0-tts-plus-
ค่าเริ่มต้นlonganlingxin
ฟิลด์response_formatประเภทstringข้อกำหนดไม่บังคับค่าและข้อจำกัด
mp3, wav, pcm
ค่าเริ่มต้นmp3
ฟิลด์sample_rateประเภทintegerข้อกำหนดไม่บังคับค่าและข้อจำกัด
16,000, 24,000, 48,000
หน่วย: Hz
ค่าเริ่มต้น24,000
ชุดผสมของสื่ออินพุต

text_to_speech · จำเป็น: input

พารามิเตอร์และวงจรการทำงานของเมธอด
พารามิเตอร์ข้อกำหนด
พารามิเตอร์material_typesข้อกำหนดtext
พารามิเตอร์requiredข้อกำหนดnull
พารามิเตอร์optional_controlsข้อกำหนดnull

วงจรการทำงาน: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · ค่า task_id ที่ส่งกลับมาจริง หรือระเบียนในคลังสื่อ

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

รูปแบบเมธอดและ ID ระบุอย่างแม่นยำ ความสามารถของผู้ให้บริการแยกจากการอนุญาตให้รับคำขอ

ราคา

อัตราค่าบริการเมธอด Ailoot

Ailoot การสังเคราะห์เสียงพูดPOST /v1/audio/speech
ขาเข้า
US$20.00 ต่อ 1 ล้านอักขระ
ขาออก
US$0.00 ต่อคำขอ

US$20.00 ต่ออักขระที่ใช้คำนวณ 1 ล้านตัว. อักษรสื่อความหมาย CJK นับเป็นอักขระที่ใช้คำนวณ 2 ตัว: US$40.00 ต่ออักษรสื่อความหมาย 1 ล้านตัว. น้ำหนักของอักขระ Unicode อื่น ๆ: 1. เสียงขาออก: US$0.00.

การนับแบบมีเงื่อนไขตามแค็ตตาล็อกอย่างละเอียด
{
  "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 กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot · การสังเคราะห์เสียงพูด

ตัวอย่างเสียงพูด
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

รับและบันทึกผลลัพธ์

Ailoot · การสังเคราะห์เสียงพูด

mp3/wav/pcm ที่เลือก

  • GET /v1/media/tasks/{task_id}
  • GET /v1/media/assets/{asset_id}/content
  • GET /v1/media/assets
  • GET /v1/media/assets/{asset_id}
เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บผลลัพธ์ไบนารีและส่วนหัวให้ครบถ้วน หากได้รับ JSON/ผลลัพธ์หลายรายการ ให้เก็บข้อมูลทุกรายการและดึงไฟล์สื่อจาก URL แบบลงนามทุกรายการที่ได้รับจริง

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ operation_id/X-Client-Request-ID เดิมไว้เพื่อกระทบยอดโดยไม่ส่งคำขอซ้ำ ไม่มีเส้นทางเฉพาะสำหรับตรวจสอบสถานะงานเสียงเป็นระยะ

ฟิลด์การตอบกลับ
ฟิลด์ประเภท
ฟิลด์binary audioประเภทbytes
ฟิลด์response headersประเภทheaders
ข้อผิดพลาดและขั้นตอนถัดไป
การตอบกลับเงื่อนไขขั้นตอนถัดไป
การตอบกลับ400 · invalid_request_errorเงื่อนไขฟิลด์จำเป็น รูปแบบการแทนข้อมูล หรือค่าพารามิเตอร์ไม่ถูกต้องขั้นตอนถัดไปแก้ฟิลด์ที่ระบุก่อนส่งคำขอสร้างครั้งใหม่
การตอบกลับserver_errorเงื่อนไขการตอบกลับที่ได้รับระบุว่าต้องตรวจสอบการดำเนินการหรือผลลัพธ์ขั้นตอนถัดไปเก็บ ID การดำเนินการ/งานที่ส่งกลับมาแต่เดิม ส่วนหัวของคำขอ และการตอบกลับไว้ แล้วอ่านข้อมูลการดำเนินการเดิมนั้นต่อด้วยวิธีที่รองรับ ห้ามส่งคำขอสร้างซ้ำ

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest

FAQ · qwen-audio-3.0-tts-plus
มีอินพุตและผลลัพธ์ใดบ้าง?

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

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

POST /v1/audio/speech · qwen-tts-latest: text → speech

คำขอใช้ฟิลด์ใดบ้าง?

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

POST /v1/audio/speech · qwen-tts: model, input, voice, response_format, sample_rate

POST /v1/audio/speech · qwen-tts-latest: model, input, voice, response_format, sample_rate

มีข้อจำกัดใดบ้าง?

POST /v1/audio/speech · qwen-audio-3.0-tts-plus: input.maximum_length: 600

POST /v1/audio/speech · qwen-tts: input.maximum_length: 600

POST /v1/audio/speech · qwen-tts-latest: input.maximum_length: 600

รายละเอียดเพิ่มเติม

เชื่อม Ailoot กับ Claude Code, OpenCode, Hermes หรือแอปของคุณ

บริษัทและพอร์ตโฟลิโอโครงการของบริษัท

บริษัทและพอร์ตโฟลิโอโครงการของบริษัท: ลูกค้าหลายล้านราย; ยอดขายระดับหลายพันล้านต่อเดือน.

ซื้อโทเคนพร้อมส่วนลด

ส่วนลดสมาชิกสำหรับงานประจำ โค้ดโปรโมชั่นลดซื้อโทเคนสูงสุด 50%

สมาชิก
เลือกแพ็กเกจมีส่วนลดสำหรับคำขอประจำ
โค้ดลดสูงสุด 50%
ใส่โค้ดขณะซื้อ ราคาคำนวณใหม่ตามโปรโมชั่นที่ใช้
รายจ่ายในประวัติ
เก็บโมเดล โทเคน และยอดสำหรับทุกคำขอ

เลือกสมาชิก · ดูราคาโมเดล

เชื่อม API กับผลิตภัณฑ์ ที่คุณขาย

SaaS แอป และบอต ตามข้อเสนอและสัญญาอนุญาต Ailoot หากขายต่อให้ขอใบอนุญาตรีเซลเลอร์

แอปเชิงพาณิชย์
ใส่การสร้างข้อความ ภาพ วิดีโอ และเสียงในฟีเจอร์เสียเงินของบริการคุณ
ใบอนุญาตรีเซลเลอร์
ส่งคำอธิบายโครงการและรูปแบบการเข้าถึง ขอเงื่อนไขใช้และขายต่อเป็นลายลักษณ์อักษร
เอกสารบนเว็บไซต์
อ่านข้อเสนอ สัญญาอนุญาต และนโยบายประมวลผลข้อมูลก่อนเชื่อมได้

ขอใบอนุญาตขายต่อ · ข้อเสนอและสัญญาอนุญาต