Introducción
Usa alibaba/qwen-audio-3.1-tts-flash/text-to-speech para sintetizar un guion preparado con 70 voces del sistema; agrega instrucciones de interpretación, envía la tarea y consulta su estado hasta que termine.
| Campo | Valor |
|---|---|
| Entrada | Texto |
| Salida | Audio |
| Endpoint de API | alibaba/qwen-audio-3.1-tts-flash/text-to-speech |
| Texto de entrada | 3.1 TTS Flash: text obligatorio, máximo de 10.000 caracteres |
| Selección de voz | 3.1 TTS Flash: 70 voces del sistema, ID específicos del modelo |
| Ajustes de salida | 3.1 TTS Flash: MP3 de forma predeterminada; WAV, PCM sin procesar u Opus; 24.000 Hz por defecto |
| Flujo de solicitud | 3.1 TTS Flash: envío asíncrono seguido de consultas del estado de la tarea |
| Referencia medida | Contexto de 3.1 TTS Flash: pruebas entre modelos del 5 de noviembre de 2026, 139 caracteres en inglés, unos 5–18 segundos para finalizar y 7–9,6 segundos de audio |
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
text | Sí | Guion de 3.1 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 |
voice_id | No | Elección de voz de 3.1 TTS Flash: selecciona una de las 70 voces del sistema propias del modelo; se rechazan los ID de otros modelos, la información proporcionada no especifica… |
instructions | No | Dirección de 3.1 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… máximo 1000 caracteres |
language | No | Indicación de idioma de 3.1 TTS Flash: auto de forma predeterminada, o zh, en, ja, ko, fr, de, pt, it, vi o id; este ajuste no afecta el precio. |
speed | No | Control del ritmo de 3.1 TTS Flash: 0.5–2, con 1 como valor predeterminado, para reducir o aumentar la velocidad del habla sin modificar el cargo. |
pitch | No | Ajuste de altura tonal de 3.1 TTS Flash: 0.5–2, con 1 como valor predeterminado, modifica la altura de la voz sin agregar costo. |
volume | No | Volumen de 3.1 TTS Flash: 0–100, con 50 como valor predeterminado, cambia el volumen de salida sin modificar el cobro. |
output_format | No | Codificación de 3.1 TTS Flash: mp3 de forma predeterminada; también wav, pcm (sin procesar) y opus; el formato seleccionado no modifica el precio. |
sample_rate | No | Frecuencia de muestreo de 3.1 TTS Flash: 8000, 12000, 16000, 22050, 24000 (predeterminada), 44100 o 48000 Hz; cambiarla mantiene el mismo precio. |
bitrate | No | El control de tasa de bits de 3.1 TTS Flash se aplica a Opus y no afecta el precio; la información proporcionada no especifica su rango numérico ni su valor predeterminado. |
enable_ssml | No | Activación de etiquetas en 3.1 TTS Flash: habilítala para interpretar text como SSML y controlar pausas, pronunciación y énfasis; la información proporcionada no especifica un v… Valor predeterminado: |
seed | No | Semilla de comparación de 3.1 TTS Flash: usa la misma fuente aleatoria al modificar un ajuste, sin esperar audio idéntico; la información proporcionada no especifica un rango nu… |
Precios
$0.0029 / 1,000 caracteres
El uso de Qwen-Audio 3.1 TTS Flash se factura por cada 1,000 caracteres de text; las indicaciones de instructions no se cobran, al igual que las solicitudes fallidas.
Casos de uso
Bienvenidas multilingües de conserjería
Prepara una bienvenida en el idioma de quien escucha y pruébala con una voz multilingüe.
Presentaciones con estilo de radio
Dale a una presentación en inglés la personalidad relajada de un locutor con una breve indicación de interpretación.
Pruebas de diálogo regional
Prueba una indicación de dialecto chino y escucha una muestra breve antes de producir el resto de las líneas.
Guía de prompts y consejos prácticos
Prepara el guion de 3.1 TTS Flash
Coloca las palabras definitivas que debe leer 3.1 TTS Flash en text, sin superar los 10.000 caracteres por solicitud.
Elige y dirige la voz de 3.1 TTS Flash
Selecciona una voz predefinida de 3.1 TTS Flash y usa instructions para describir el papel, la emoción y el ritmo que deseas escuchar.
Genera y revisa el audio de 3.1 TTS Flash
Elige el formato de salida de 3.1 TTS Flash, envía la solicitud, consulta la tarea y escucha la interpretación terminada.
Introducción
Qwen-Audio 3.1 TTS Flash ofrece un catálogo de 70 voces del sistema para proyectos de voz que requieren variedad de idiomas y baja latencia. Alibaba lo presenta como la opción con mayor cobertura de idiomas entre las cuatro variantes Qwen-Audio descritas aquí.
Su catálogo incluye cuatro voces multilingües, 15 voces premium en inglés y 51 para otros idiomas. Una prueba de conserjería en francés funcionó con una voz multilingüe predefinida; elige un guion en el idioma de destino, agrega indicaciones y consulta la tarea de síntesis para escuchar tu resultado.
Funciones y aspectos destacados
- Explora voces para idiomas como búlgaro, neerlandés, húngaro, rumano, danés, croata, griego y checo.
- Elige voces premium en inglés como Emily, Luna, Eric, Luca y Abby.
- Usa una voz multilingüe predefinida para una lectura en francés, como hicimos en nuestras pruebas.
- Solicita el tono, la personalidad, el ritmo o el dialecto en un campo instructions separado.
Casos de uso
- Bienvenidas multilingües de conserjería: Prepara una bienvenida en el idioma de quien escucha y pruébala con una voz multilingüe.
- Presentaciones con estilo de radio: Dale a una presentación en inglés la personalidad relajada de un locutor con una breve indicación de interpretación.
- Pruebas de diálogo regional: Prueba una indicación de dialecto chino y escucha una muestra breve antes de producir el resto de las líneas.
Guía de prompts y consejos prácticos
- Empieza con un saludo en el idioma previsto y revisa su pronunciación. Ejemplo de instrucción: "Welcome the guest as a relaxed hotel concierge."
- Usa la personalidad de un locutor para orientar la interpretación en inglés. Ejemplo de instrucción: "Read like a late-night radio host, low and unhurried."
- Describe con claridad el dialecto que buscas y prueba un pasaje breve. Ejemplo de instrucción: "Use a conversational Cantonese delivery with a friendly tone."
- Compara un cambio de tono con el mismo seed, teniendo en cuenta que el audio puede variar. Ejemplo de instrucción: "Keep the wording calm and make the greeting brighter."
Observación sobre el contenido en Qwen-Audio 3.1 TTS Flash: no hay filtro de contenido; en las pruebas se leyeron los guiones de temática restringida tal como estaban escritos; toda persona representada debe ser mayor de edad; verifica los derechos del guion y no confundas a quienes escuchan sobre la identidad de la voz.
Inicio rápido de la API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/qwen-audio-3.1-tts-flash/text-to-speech",
"input": {
"text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
"language": "auto",
"voice_id": "Emily_v3.1",
"sample_rate": 24000,
"output_format": "mp3"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.








