qwen-audio-3.0-tts-plus
為短片、有聲書及語音素材提供富有表現力的文字配音模型。支援控制說話方式，並可選擇現成聲音或依樣本建立的聲音。
- Ailoot · 語音合成
POST /v1/audio/speechqwen-audio-3.0-tts-plus - Ailoot · 語音合成
POST /v1/audio/speechqwen-tts - Ailoot · 語音合成
POST /v1/audio/speechqwen-tts-latest
關於模型
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Qwen-Audio-3.0-TTS-Plus 將文字轉成富有表現力的語音。Alibaba 將其定位於內容、有聲書、影片，以及需要可辨識聲音特色的素材之專業配音。輸入為文字，輸出為音訊；也支援在合成過程中逐步回傳聲音。
將說話方式納入任務描述
可透過自然語言指令及詳細的控制標記設定表達方式。這些指令與標記決定情緒、語調、個性、速度、音量及說話風格，讓同一句話能呈現不同演繹方式，從平靜敘述到更有活力或情感的表達。
表現力與選定聲音及文字內容有關。為了維持穩定發音，素材語言必須符合該聲音支援的語言。模型用於朗讀已寫好的素材；理解對話含義與轉錄原始錄音，屬於其他音訊任務。
現成聲音與樣本聲音
提供兩種系統聲音：溫暖的女聲與開朗的男聲，支援中文與英語。此外，還提供超過 500 種基礎聲音，以及依語音樣本重現聲音的功能。需要穩定音質時，模型開發商建議使用系統聲音。
樣本聲音模式支援中文及地區發音變體、英語、法語、德語、日語、韓語、俄語、葡萄牙語、泰語、印尼語、越南語、義大利語、西班牙語、馬來語、菲律賓語及阿拉伯語。這是對應模式的語言能力，不會自動套用到每一種現成聲音。
樣本要求屬於模型開發商另行提供的聲音建立流程；語音合成使用已準備好的聲音。聲音必須符合選定的配音模型：使用模型開發商其他模型的聲音，會造成語音合成錯誤。建議樣本為 10–20 秒的清晰語音。整體上限為 60 秒及 10 MB；須包含至少五秒連續語音。支援 16 位元 WAV、MP3 及 M4A，取樣率不得低於 16 kHz。可使用單聲道或雙聲道，但雙聲道只使用第一個聲道。
語音樣本須只有一種聲音，不得有人同時說話，也不得含有音樂或歌唱。模型開發商要求樣本中的短暫停頓不得超過兩秒。這有助於擷取後續合成所需的音色及發音特徵。表達方式控制與依樣本重現聲音，描述的是模型工作的不同面向，可用於準備同一份素材的聲音呈現。
Ailoot · 語音合成 POST /v1/audio/speech qwen-audio-3.0-tts-plus
qwen-audio-3.0-tts-plusqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
入門
為短片、有聲書及語音素材提供富有表現力的文字配音模型。支援控制說話方式，並可選擇現成聲音或依樣本建立的聲音。
- 接受的輸入
- 文字
- 結果
- speech
Ailoot 可用 · 輸入與方法
Ailoot · 語音合成 POST /v1/audio/speech
- 輸入
text- 輸出
speech- 輸出格式
- 所選的 mp3/wav/pcm
| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 qwen-audio-3.0-tts-plus | 預設值— |
欄位input | 類型string | 要求必填 | 值與限制 長度下限: 1 長度上限: 600 單位: Unicode 字元 | 預設值— |
欄位voice | 類型string | 要求選填 | 值與限制 範例：longanlingxin, longanlufeng 接受的自訂模式: ^qwen-audio-3\.0-tts-plus- 條件: 接受以完全相符的 qwen-audio-3.0-tts-plus- 為前綴的實際自訂語音 ID。 | 預設值longanlingxin |
欄位response_format | 類型string | 要求選填 | 值與限制 mp3, wav, pcm | 預設值mp3 |
欄位sample_rate | 類型integer | 要求選填 | 值與限制 16,000, 24,000, 48,000 單位: Hz | 預設值24,000 |
輸入素材組合
text_to_speech · 必填： input
方法參數與生命週期
| 參數 | 規格 |
|---|---|
參數material_types | 規格text |
參數required | 規格null |
參數optional_controls | 規格null |
生命週期： synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 實際回傳的 task_id 或媒體庫紀錄
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
方法結構與 ID 均為精確值；供應商能力與准入狀態分開。
方案
Ailoot 方法費率
POST /v1/audio/speech- 輸入
- US$20.00 每 1 百萬字元
- 輸出
- US$0.00 每次請求
US$20.00 每 1 百萬個計數字元。 CJK 表意字元以 2 個計數字元計算：US$40.00 每 1 百萬個表意字元。 其他 Unicode 字元的權重：1. 輸出音訊：US$0.00.
型錄中的精確換算計量規則
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot · 語音合成
set -eu
: "${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
接收並儲存結果
Ailoot · 語音合成
所選的 mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
保留所有已完成的結果
請保留所有完整傳回的回應、檔案與內容區塊。
保留完整的二進位結果與標頭。若回傳 JSON 或多個輸出，請保留所有資料項目，並透過每個實際回傳的已簽署資產 URL 取得內容。
需要檢查原始回應時
保留原始 operation_id/X-Client-Request-ID 以供核對，請勿重新提交；沒有專用的音訊輪詢路由。
回應欄位
| 欄位 | 類型 |
|---|---|
欄位binary audio | 類型bytes |
欄位response headers | 類型headers |
錯誤與後續步驟
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
回應server_error | 條件回傳的回應表示該作業或結果需要檢查 | 下一步保留原始回傳的作業／任務 ID、請求標頭與回應；繼續以支援的方式讀取該原始作業。請勿重新提交建立請求。 |
別名
模型別名
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
方法路徑別名
請使用上方列出的 API 方法路徑。
相關呼叫用 ID
Ailoot · 語音合成 POST /v1/audio/speech qwen-tts
qwen-ttsqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
入門
為短片、有聲書及語音素材提供富有表現力的文字配音模型。支援控制說話方式，並可選擇現成聲音或依樣本建立的聲音。
- 接受的輸入
- 文字
- 結果
- speech
Ailoot 可用 · 輸入與方法
Ailoot · 語音合成 POST /v1/audio/speech
- 輸入
text- 輸出
speech- 輸出格式
- 所選的 mp3/wav/pcm
| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 qwen-tts | 預設值— |
欄位input | 類型string | 要求必填 | 值與限制 長度下限: 1 長度上限: 600 單位: Unicode 字元 | 預設值— |
欄位voice | 類型string | 要求選填 | 值與限制 範例：longanlingxin, longanlufeng 接受的自訂模式: ^qwen-audio-3\.0-tts-plus- 條件: 接受以完全相符的 qwen-audio-3.0-tts-plus- 為前綴的實際自訂語音 ID。 | 預設值longanlingxin |
欄位response_format | 類型string | 要求選填 | 值與限制 mp3, wav, pcm | 預設值mp3 |
欄位sample_rate | 類型integer | 要求選填 | 值與限制 16,000, 24,000, 48,000 單位: Hz | 預設值24,000 |
輸入素材組合
text_to_speech · 必填： input
方法參數與生命週期
| 參數 | 規格 |
|---|---|
參數material_types | 規格text |
參數required | 規格null |
參數optional_controls | 規格null |
生命週期： synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 實際回傳的 task_id 或媒體庫紀錄
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
方法結構與 ID 均為精確值；供應商能力與准入狀態分開。
方案
Ailoot 方法費率
POST /v1/audio/speech- 輸入
- US$20.00 每 1 百萬字元
- 輸出
- US$0.00 每次請求
US$20.00 每 1 百萬個計數字元。 CJK 表意字元以 2 個計數字元計算：US$40.00 每 1 百萬個表意字元。 其他 Unicode 字元的權重：1. 輸出音訊：US$0.00.
型錄中的精確換算計量規則
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot · 語音合成
set -eu
: "${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
接收並儲存結果
Ailoot · 語音合成
所選的 mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
保留所有已完成的結果
請保留所有完整傳回的回應、檔案與內容區塊。
保留完整的二進位結果與標頭。若回傳 JSON 或多個輸出，請保留所有資料項目，並透過每個實際回傳的已簽署資產 URL 取得內容。
需要檢查原始回應時
保留原始 operation_id/X-Client-Request-ID 以供核對，請勿重新提交；沒有專用的音訊輪詢路由。
回應欄位
| 欄位 | 類型 |
|---|---|
欄位binary audio | 類型bytes |
欄位response headers | 類型headers |
錯誤與後續步驟
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
回應server_error | 條件回傳的回應表示該作業或結果需要檢查 | 下一步保留原始回傳的作業／任務 ID、請求標頭與回應；繼續以支援的方式讀取該原始作業。請勿重新提交建立請求。 |
別名
模型別名
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
方法路徑別名
請使用上方列出的 API 方法路徑。
相關呼叫用 ID
Ailoot · 語音合成 POST /v1/audio/speech qwen-tts-latest
qwen-tts-latestqwen-audio-3.0-tts-plusqwen-ttsqwen-tts-latest
入門
為短片、有聲書及語音素材提供富有表現力的文字配音模型。支援控制說話方式，並可選擇現成聲音或依樣本建立的聲音。
- 接受的輸入
- 文字
- 結果
- speech
Ailoot 可用 · 輸入與方法
Ailoot · 語音合成 POST /v1/audio/speech
- 輸入
text- 輸出
speech- 輸出格式
- 所選的 mp3/wav/pcm
| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 qwen-tts-latest | 預設值— |
欄位input | 類型string | 要求必填 | 值與限制 長度下限: 1 長度上限: 600 單位: Unicode 字元 | 預設值— |
欄位voice | 類型string | 要求選填 | 值與限制 範例：longanlingxin, longanlufeng 接受的自訂模式: ^qwen-audio-3\.0-tts-plus- 條件: 接受以完全相符的 qwen-audio-3.0-tts-plus- 為前綴的實際自訂語音 ID。 | 預設值longanlingxin |
欄位response_format | 類型string | 要求選填 | 值與限制 mp3, wav, pcm | 預設值mp3 |
欄位sample_rate | 類型integer | 要求選填 | 值與限制 16,000, 24,000, 48,000 單位: Hz | 預設值24,000 |
輸入素材組合
text_to_speech · 必填： input
方法參數與生命週期
| 參數 | 規格 |
|---|---|
參數material_types | 規格text |
參數required | 規格null |
參數optional_controls | 規格null |
生命週期： synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 實際回傳的 task_id 或媒體庫紀錄
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
方法結構與 ID 均為精確值；供應商能力與准入狀態分開。
方案
Ailoot 方法費率
POST /v1/audio/speech- 輸入
- US$20.00 每 1 百萬字元
- 輸出
- US$0.00 每次請求
US$20.00 每 1 百萬個計數字元。 CJK 表意字元以 2 個計數字元計算：US$40.00 每 1 百萬個表意字元。 其他 Unicode 字元的權重：1. 輸出音訊：US$0.00.
型錄中的精確換算計量規則
{
"cjk_ideograph_weight": 2,
"input_usd_per_10000_counted_characters": 0.2,
"other_unicode_character_weight": 1,
"output_audio_usd": 0,
"unit": "counted_unicode_characters"
}Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot · 語音合成
set -eu
: "${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
接收並儲存結果
Ailoot · 語音合成
所選的 mp3/wav/pcm
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
保留所有已完成的結果
請保留所有完整傳回的回應、檔案與內容區塊。
保留完整的二進位結果與標頭。若回傳 JSON 或多個輸出，請保留所有資料項目，並透過每個實際回傳的已簽署資產 URL 取得內容。
需要檢查原始回應時
保留原始 operation_id/X-Client-Request-ID 以供核對，請勿重新提交；沒有專用的音訊輪詢路由。
回應欄位
| 欄位 | 類型 |
|---|---|
欄位binary audio | 類型bytes |
欄位response headers | 類型headers |
錯誤與後續步驟
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
回應server_error | 條件回傳的回應表示該作業或結果需要檢查 | 下一步保留原始回傳的作業／任務 ID、請求標頭與回應；繼續以支援的方式讀取該原始作業。請勿重新提交建立請求。 |
別名
模型別名
Ailoot qwen-audio-3.0-tts-plus, qwen-tts, qwen-tts-latest
方法路徑別名
請使用上方列出的 API 方法路徑。
相關呼叫用 ID
FAQ · qwen-audio-3.0-tts-plus
- 可以使用哪些輸入與結果？
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- 請求使用哪些欄位？
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- 適用哪些限制？
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