Ir al contenido principal

Qwen-Audio 3.0 TTS Flash recibe un guion e instrucciones de interpretación para respuestas habladas de asistentes, con 597 voces predefinidas y ajustes de velocidad, altura tonal, volumen y salida de audio.

Desde $0.014/1.000 caracteres

Playground

Entrada

Texto a voz
128/10000
Guion de 3.0 TTS Flash: text es obligatorio, admite hasta 10.000 caracteres y no tiene un guion predeterminado; su longitud determina el cobro por cada 1,000 caracteres. mínimo 1 caracteres · máximo 10000 caracteres

128 caracteres

Elección de voz de 3.0 TTS Flash: selecciona una de las 597 voces predefinidas propias del modelo; se rechazan los ID de otros modelos, la información proporcionada no especifica un valor predeterminado y la elección no afecta el precio.
36/1000
Dirección de 3.0 TTS Flash: notas libres sobre emoción, tono, personalidad, ritmo o dialecto que no se leen ni se cobran; la información proporcionada no especifica un límite de longitud ni indicaciones predeterminadas. máximo 1000 caracteres

Nunca se lee en voz alta. Solo define cómo se interpreta el guion.

Filtro de seguridadDesactivado

SpicyAPI no ejecuta ningún filtro de seguridad en este modelo. Tu prompt y tus medios llegan al modelo tal como los escribes, y el propio modelo decide el resultado.

Comprobando tu cuenta antes de habilitar el envío y el cálculo de precios.

Salida

Listo para una nueva ejecución
Resultado de ejemplo
0:00 / –:––

Modelos relacionados y tareas siguientes

¿No está el modelo que buscas?

Una voz práctica para la próxima respuesta al cliente

Qwen-Audio 3.0 TTS Flash está orientado a asistentes y atención al cliente, con la baja latencia al primer paquete como enfoque declarado. Este endpoint de SpicyAPI entrega el audio mediante envío de tareas y consulta periódica de su estado, con 597 voces preestablecidas y un precio de $0.01425 por cada 1.000 caracteres de texto. Luna Wang es la voz predeterminada en inglés. SpicyAPI no impone filtros de contenido; el modelo reprodujo sin cambios nuestros guiones NSFW en las pruebas del 5 de noviembre de 2026.

Abrir el playground
Una voz práctica para la próxima respuesta al cliente
Voces para atención
597 preestablecidas; sin clonación
Composición del catálogo
589 en chino, 8 en inglés
Voz inicial
Inglés: Luna Wang
Límite de texto
10.000 caracteres por tarea
Precio de uso
$0.01425 / 1.000 caracteres
Flujo de resultados
Envía la tarea y consulta su estado
Voz de servicio
Pensado para respuestas de asistentesAlibaba orienta 3.0 Flash a una baja latencia al primer paquete para asistentes y atención al cliente. En este endpoint, diseña la integración alrededor de una tarea enviada y un audio terminado, sin dar por hecho una conexión de streaming.
Elección de voz
Busca la voz de tu servicioEl catálogo cuenta con 589 voces preestablecidas en chino y ocho en inglés, con Luna Wang en inglés como opción predeterminada. Prueba un saludo, una respuesta y una notificación antes de elegir la voz del servicio.
Costo
Cuenta los caracteres de la respuestaEl cargo depende únicamente de text y se calcula linealmente a $0.01425 por cada 1.000 caracteres. Las notas de interpretación no se facturan y cambiar la voz o los ajustes de audio no genera recargos.

Capacidades de la API de Qwen-Audio 3.0 TTS Flash

  • Un modelo enfocado en asistentes

    Esta versión busca una baja latencia al primer paquete en diálogos de servicio. Ese enfoque no establece un tiempo garantizado de finalización de las tareas en este endpoint.

  • Voces para conversaciones habituales con clientes

    Prueba una voz de servicio entre 597 opciones preestablecidas. Las ocho opciones en inglés se suman a 589 en chino; este endpoint solo acepta sus propios IDs de voz.

  • La respuesta y la forma de decirla, por separado

    Pon la respuesta al cliente en text y describe la manera de atender en instructions. Puedes usar hasta 1.000 caracteres para pedir una lectura tranquila, paciente o concisa sin que se pronuncien esas indicaciones.

  • Ajustes para expresarse con claridad

    Configura speed y pitch dentro de 0.5–2, y volume dentro de 0–100. Si necesitas marcado de pausas, pronunciación o énfasis, incluye SSML en text y activa su interpretación.

  • Codificación adecuada para el sistema de destino

    Están disponibles MP3, WAV, PCM sin procesar y Opus; MP3 es la opción predeterminada. Configura sample_rate con un valor admitido de 8–48 kHz; una solicitud Opus también permite definir bitrate.

  • Indicaciones de idioma para respuestas cortas

    Tienes detección automática y diez opciones explícitas de idioma. Cuando la respuesta sea breve, pruébala con la indicación prevista y verifica los nombres y términos locales.

A quién le sirve Qwen-Audio 3.0 TTS Flash

  • Convierte una respuesta preparada en audio

    Desarrolladores de asistentes de voz

    Convierte una respuesta preparada en audio

    Genera una respuesta concisa sobre la salida del próximo tren o una consulta del calendario. Contempla la finalización de la tarea en el flujo del producto y escucha cómo suena la respuesta al reproducirla.

  • Da claridad a la atención telefónica

    Equipos de atención al cliente

    Da claridad a la atención telefónica

    Prepara una respuesta inicial, una indicación de derivación o una explicación habitual del servicio. Comprueba las opciones del menú y las pausas con la voz elegida antes de usar la grabación en la línea de atención.

  • Comunica la actualización que importa

    Operadores de reservas y entregas

    Comunica la actualización que importa

    Pon voz a una confirmación de reserva, un recordatorio de retiro o un aviso de entrega. Revisa cómo se expresan la fecha, la hora y el destino para que se entienda el siguiente paso.

  • Mantén breves los mensajes del dispositivo

    Equipos de dispositivos y automoción

    Mantén breves los mensajes del dispositivo

    Prepara mensajes de estado para dispositivos inteligentes o sistemas del auto. Elige una codificación y una frecuencia de muestreo admitidas por el reproductor de destino y comprueba allí la audibilidad y la lectura.

Pasos para llamar a la API de Qwen-Audio 3.0 TTS Flash

  1. Prepara el mensaje para el cliente

    Usa text para la respuesta de servicio o la notificación, con hasta 10.000 caracteres. Escribe fechas, horas y nombres de opciones tal como quieras que se escuchen.

  2. Define la voz y el idioma del servicio

    Elige un voice_id de la lista de 3.0 Flash; si lo omites, se usa Luna Wang. Indica un idioma si hace falta o conserva la detección auto.

  3. Configura la lectura y el audio

    Añade una nota breve sobre el tono de atención en instructions y ajusta el ritmo si lo necesitas. Escoge el formato y una frecuencia de muestreo admitida; usa bitrate solo con Opus.

  4. Envía la tarea y sigue su avance

    Conserva la referencia recibida y consulta periódicamente hasta obtener el resultado terminado. El enfoque de baja latencia al primer paquete no constituye un contrato de API de streaming.

  5. Comprueba el mensaje en su destino

    Escucha el resultado en el sistema de reproducción previsto antes de utilizarlo con clientes. Copia los archivos útiles dentro del plazo de conservación de 14 días.

Solicitudes de ejemplo para Qwen-Audio 3.0 TTS Flash

  • Un asistente consulta la salida de un tren

    La respuesta breve especifica la voz predeterminada en inglés y una dirección de servicio neutral.

    {"text": "The next train leaves at ten twenty from platform four. You have twelve minutes to reach the station.", "voice_id": "qwen-audio-3.0-tts-flash-loonglunawang", "language": "en", "instructions": "An assistant giving clear travel information in a calm, practical tone."}
  • Una línea de atención explica sus horarios

    La lectura algo más lenta facilita entender los horarios y el paso siguiente.

    {"text": "Our support team is available from nine in the morning until six in the evening. Please leave your reference number after the message.", "voice_id": "qwen-audio-3.0-tts-flash-loonglunawang", "language": "en", "instructions": "A service agent, courteous and patient, with clear separation between the two sentences.", "speed": 0.9, "output_format": "wav"}
  • Un aviso para retirar un paquete

    La codificación Opus y un valor de bitrate permitido muestran cómo definir el formato de reproducción de una notificación.

    {"text": "Your parcel is ready for collection at the reception desk. Please bring your collection code before seven this evening.", "voice_id": "qwen-audio-3.0-tts-flash-loonglunawang", "language": "en", "output_format": "opus", "sample_rate": 24000, "bitrate": 64000}

Consultas frecuentes sobre la API de Qwen-Audio 3.0 TTS Flash

Empieza con los mensajes de servicio que más escucharán tus clientes: un saludo, una respuesta habitual y una notificación con una hora o referencia. Prueba la misma voz en los tres y presta atención a los nombres de las opciones y a los datos que determinan la siguiente acción de quien escucha. Mantén las notas de dirección lo bastante sencillas para reutilizarlas y coloca en text el mensaje variable para el cliente. Confirma el formato y la frecuencia de muestreo con el reproductor de destino antes de producir más mensajes. En un asistente en vivo, contempla el envío de tareas, la consulta periódica y la reproducción dentro de la experiencia, sin convertir el enfoque de latencia del modelo en una garantía de respuesta de extremo a extremo.