Ir al contenido principal

Qwen-Audio 3.0 TTS Plus recibe un guion e instrucciones de interpretación para voces sociales expresivas, con 597 voces predefinidas y ajustes de velocidad, altura tonal, volumen y salida de audio.

Desde $0.019/1.000 caracteres

Playground

Entrada

Texto a voz
133/10000
Guion de 3.0 TTS Plus: 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

133 caracteres

Elección de voz de 3.0 TTS Plus: 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.
84/1000
Dirección de 3.0 TTS Plus: 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?

Dale a cada personaje su propia forma de hablar

Qwen-Audio 3.0 TTS Plus prioriza la expresividad para apps sociales y de compañía. La versión 3.0 Plus de Alibaba ofrece 597 voces preestablecidas: 589 en chino y ocho en inglés, con Luna Wang como voz predeterminada. Escribe la respuesta, describe el ánimo del personaje en instructions y genera una toma por $0.019 cada 1.000 caracteres de texto. SpicyAPI no añade filtros de contenido, y en las comprobaciones del 5 de noviembre de 2026 este endpoint leyó los guiones NSFW de prueba sin reescribirlos.

Abrir el playground
Dale a cada personaje su propia forma de hablar
Voces preestablecidas
597 voces
Distribución del reparto
589 en chino + 8 en inglés
Voz predeterminada
Luna Wang, en inglés
Capacidad de respuesta
10.000 caracteres de texto
Tarifa por caracteres
$0.019 por cada 1.000
Espacio para dirección
1.000 caracteres sin cargo
Expresividad
Separa la respuesta del estado de ánimoUna respuesta tranquilizadora y un anuncio entusiasta pueden usar la misma voz con distintas instructions. El campo de dirección admite emoción, personalidad, tono, ritmo y dialecto sin incorporar esas palabras a la respuesta hablada.
Reparto
597 voces para probar personajesLa selección reúne ocho voces en inglés y 589 en chino. Empieza con Luna Wang, la opción predeterminada, o prueba otra voz de este endpoint antes de construir un personaje a su alrededor.
Control
Trabaja el diálogo en dos nivelesUsa la dirección escrita para definir la actuación y los valores numéricos de speed, pitch y volume para ajustar la lectura. Con enable_ssml activado, SSML permite indicar pausas, pronunciación y énfasis.

Lo que ofrece la API de Qwen-Audio 3.0 TTS Plus

  • La expresividad social como punto de partida

    El equipo Qwen orienta 3.0 Plus a voces expresivas para contextos sociales y de compañía. Compara una misma respuesta apta para todo público con un ánimo alentador y con una lectura más directa para encontrar el carácter adecuado.

  • Un amplio reparto de voces en chino

    Las 589 voces preestablecidas en chino brindan muchas opciones para proyectos centrados en personajes. Los IDs de voz son propios de este modelo: elígelos de su lista.

  • Ocho opciones de voz en inglés

    Las voces en inglés son Olivia Lin, Luna Wang, Nora Hu, Ivy Hu, Alexander Hu, Adrian Gao, James Zhao y Ryan Ma. Decide primero la voz y luego afina la dirección emocional del diálogo.

  • Indicaciones que quedan fuera del audio

    La nota de actuación admite hasta 1.000 caracteres, aparte de los 10.000 del guion hablado. No se pronuncia ni suma caracteres facturables.

  • Ajustes de lectura para cada escena

    Los rangos de speed y pitch son 0.5–2, y el de volume es 0–100. Guarda los valores con la ficha del personaje y revisa las diferencias de interpretación en tomas posteriores.

  • Formatos para reproducir o editar

    Recibe MP3 de forma predeterminada o solicita WAV, PCM sin procesar u Opus a una frecuencia admitida de 8 a 48 kHz. bitrate solo se aplica cuando la codificación elegida es Opus.

Quién puede usar Qwen-Audio 3.0 TTS Plus

  • Un personaje de chat con un papel reconocible

    Desarrolladores de apps de compañía y chat

    Un personaje de chat con un papel reconocible

    Elige la voz de un compañero que brinde apoyo y describe cómo responde a un pequeño logro o a un día difícil. Deja la respuesta en text y el contexto emocional en instructions.

  • Una locución breve con actitud definida

    Creadores de videos para redes sociales

    Una locución breve con actitud definida

    Dale una lectura conversacional a una novedad, un consejo diario o una presentación de producto. Compara el ritmo con la edición antes de elegir la pista final.

  • Forma el reparto de las escenas ramificadas

    Equipos de ficción interactiva

    Forma el reparto de las escenas ramificadas

    Asigna voces a los personajes de una novela visual o historia interactiva. Guarda una nota de voz y dirección por papel y escucha juntas líneas de distintas ramas.

  • Simula una conversación cotidiana

    Equipos de apps para practicar idiomas

    Simula una conversación cotidiana

    Crea un compañero de práctica para pedir en una cafetería, presentarse o conversar en el trabajo. Indica el idioma y adapta el ritmo para que el estudiante siga el intercambio.

Cómo usar la API de Qwen-Audio 3.0 TTS Plus

  1. Escribe la respuesta de un personaje

    Coloca el diálogo exacto en text, con un máximo de 10.000 caracteres. Comienza con una frase corta que refleje la actitud habitual del personaje.

  2. Prueba las voces disponibles

    Selecciona un voice_id de este modelo o empieza con Luna Wang, la voz predeterminada en inglés. La elección se hace entre voces preestablecidas; no hay entrada para clonación.

  3. Añade una nota de interpretación

    Describe la emoción, el tono y la personalidad en instructions sin superar 1.000 caracteres. Elige la detección auto o una de las diez opciones de idioma y ajusta los controles numéricos si hace falta.

  4. Genera una toma y escúchala en contexto

    Envía la solicitud configurada y consulta periódicamente la referencia de la tarea hasta que termine. Reproduce el diálogo junto a las líneas contiguas y descarga los archivos elegidos antes de que finalicen los 14 días de conservación.

Ejemplos de uso de Qwen-Audio 3.0 TTS Plus

  • Una respuesta de chat que anima a seguir

    El diálogo ofrece ánimo cotidiano y la nota define al personaje y su actitud positiva.

    {"text": "You finished the first lesson. That is a good start. Shall we try the next exercise together?", "voice_id": "qwen-audio-3.0-tts-plus-loonglunawang", "language": "en", "instructions": "An encouraging study companion, cheerful without rushing the final question."}
  • Un video para redes sobre un huerto en el balcón

    Una locución breve combina dirección conversacional con un ajuste moderado del ritmo para la edición.

    {"text": "A sunny corner and a few small pots are enough to start a balcony garden. Today, we are planting mint, basil and parsley.", "voice_id": "qwen-audio-3.0-tts-plus-loonglunawang", "instructions": "A presenter sharing a practical idea with relaxed enthusiasm.", "speed": 1.05, "output_format": "wav"}
  • Un compañero para practicar en la cafetería

    La indicación de idioma y una velocidad menor preparan una frase sencilla de práctica, sin una dirección actoral compleja.

    {"text": "Good morning. Would you like a table by the window, or would you prefer to sit outside?", "voice_id": "qwen-audio-3.0-tts-plus-loonglunawang", "language": "en", "instructions": "A cafe host speaking patiently to a language learner.", "speed": 0.85}

Dudas sobre la API de Qwen-Audio 3.0 TTS Plus

Elige un intercambio breve que revele la actitud habitual del personaje y prueba la voz antes de añadir una dirección de actuación elaborada. Cambia el ánimo de ese mismo diálogo para comprobar si la voz abarca las escenas que necesitas. Centra instructions en la situación y en cómo el personaje se dirige a quien escucha. Cuando encuentres una voz adecuada, anota su ID específico del modelo y los ajustes elegidos, y sigue revisando cada línea generada. En historias interactivas, escucha las distintas ramas; en videos para redes, evalúa la lectura junto a la imagen y los subtítulos. Ambas revisiones aportan más que aprobar una línea aislada.