Ir al contenido principal

Qwen-Audio 3.1 TTS Flash recibe un guion e instrucciones de interpretación para lecturas multilingües, con 70 voces del sistema y ajustes de velocidad, altura tonal, volumen y salida de audio.

Desde $0.0029/1.000 caracteres

Playground

Entrada

Texto a voz
162/10000
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

162 caracteres

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 un valor predeterminado y la elección no afecta el precio.
66/1000
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 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?

Lleva el mismo proyecto a más idiomas

Qwen-Audio 3.1 TTS Flash combina la mayor cobertura de idiomas de estos cuatro modelos de Alibaba con un enfoque de baja latencia. Sus 70 voces del sistema incluyen cuatro multilingües, 15 opciones premium en inglés y 51 voces de otros idiomas. A $0.00285 por cada 1.000 caracteres de texto, es el más económico de estos cuatro endpoints de SpicyAPI. SpicyAPI no incorpora filtros de contenido y, en nuestras pruebas del 5 de noviembre de 2026, el modelo leyó los guiones NSFW tal como los recibió.

Abrir el playground
Lleva el mismo proyecto a más idiomas
Voces del sistema
70 en total
Grupos de voces
4 multilingües + 15 en inglés + 51 de otros idiomas
Configuración de idioma
Auto o 10 indicaciones explícitas
Capacidad del guion
Hasta 10.000 caracteres
Precio por cada 1.000 caracteres
$0.00285
Archivos almacenados
Disponibles durante 14 días
Cobertura de idiomas
Hay más idiomas que los diez valores de languageEl catálogo de voces abarca idiomas fuera de la lista de language, como neerlandés y griego. Trata la indicación de idioma y la selección de voz como controles distintos y prueba el guion traducido con una voz apropiada.
Grupos de voces
70 opciones para un proyecto multilingüeElige entre cuatro voces multilingües, 15 premium en inglés y 51 de otros idiomas. Emily es la opción predeterminada; el reparto multilingüe ofrece otro punto de partida para proyectos dirigidos a varios mercados.
Presupuesto
La menor tarifa por carácter de los cuatro3.1 Flash cuesta $0.00285 por cada 1.000 caracteres en text, con cálculo por carácter. La tarifa excluye instructions, no cobra las solicitudes fallidas y no añade cargos por elegir otro formato de exportación.

Qué puedes hacer con la API de Qwen-Audio 3.1 TTS Flash

  • La cobertura de idiomas más amplia del grupo

    Alibaba presenta 3.1 Flash con énfasis en la variedad de idiomas y la baja latencia. Considera ese enfoque al evaluar opciones de localización y comprueba la lectura en cada idioma que necesites.

  • Un reparto multilingüe y con voces por idioma

    Cuatro voces multilingües acompañan a 15 opciones premium en inglés y 51 de otros idiomas. Usa una voz de la lista voice_id de este modelo en lugar de trasladar un ID desde otro endpoint.

  • Dirección de tono y habla local

    Describe emoción, personalidad, ritmo, tono o dialecto en instructions, con espacio para hasta 1.000 caracteres. Estas indicaciones van aparte del guion hablado y del conteo de texto facturable.

  • Espacio para recorridos y lecciones

    Una solicitud admite hasta 10.000 caracteres de texto. Divide el material extenso en secciones que puedas revisar y verifica el audio antes de armar el recorrido o curso completo.

  • Opciones de pronunciación y ritmo

    Activa SSML para indicar pausas, énfasis y pronunciación mediante marcado. speed y pitch aceptan valores de 0.5 a 2, mientras que volume puede configurarse de 0 a 100.

  • Cuatro codificaciones y frecuencias admitidas

    Selecciona MP3, WAV, PCM sin procesar u Opus, con frecuencias de muestreo específicas entre 8 y 48 kHz. El valor predeterminado es MP3 a 24 kHz; el ajuste bitrate corresponde únicamente a Opus.

Públicos y proyectos para Qwen-Audio 3.1 TTS Flash

  • Narra un recorrido en varios idiomas

    Equipos de localización de productos

    Narra un recorrido en varios idiomas

    Prepara los guiones traducidos del recorrido y prueba voces adecuadas para cada idioma. Revisa los textos de navegación y los nombres de producto antes de incorporar las pistas.

  • Dale una versión hablada a cada lección

    Editoriales de aprendizaje de idiomas

    Dale una versión hablada a cada lección

    Convierte frases preparadas e intercambios cotidianos en audio. Adapta el ritmo al ejercicio y solicita una revisión de pronunciación antes de distribuir la lección.

  • Prepara anuncios para visitantes

    Operadores de turismo y hospitalidad

    Prepara anuncios para visitantes

    Crea información de recepción, avisos sobre puntos de encuentro y anuncios de viaje en los idiomas que necesiten tus huéspedes. Escucha con atención los nombres de lugares, las horas y la indicación final.

  • Adapta la locución de un video de producto

    Equipos de comercio internacional

    Adapta la locución de un video de producto

    Graba guiones preparados para cada mercado en demostraciones y explicaciones de producto. Evalúa cada toma con su propia edición de video y pide una revisión del texto para el público previsto.

Cómo enviar solicitudes a la API de Qwen-Audio 3.1 TTS Flash

  1. Prepara el guion en el idioma de destino

    Envía el contenido en text, con un máximo de 10.000 caracteres. Se trata de síntesis de voz: ten lista la traducción antes de solicitar la lectura.

  2. Selecciona una voz del sistema adecuada

    Prueba las opciones pertinentes del catálogo de 70 voces; si omites voice_id, se usa Emily. Para un idioma fuera de la lista de indicaciones, empieza con auto y revisa la lectura con una voz apropiada.

  3. Define la pronunciación y la interpretación

    Utiliza instructions para pedir el tono o dialecto deseado, sin exceder 1.000 caracteres. Activa SSML si lo necesitas y compara muestras al ajustar speed, pitch o volume.

  4. Solicita el audio y revisa cada idioma

    Envía la solicitud con el formato y la frecuencia elegidos y consulta la tarea hasta obtener el resultado. Pide una revisión de la interpretación en el idioma de destino y guarda el archivo seleccionado dentro de 14 días.

Casos prácticos con Qwen-Audio 3.1 TTS Flash

  • Introducción en inglés a un recorrido de producto

    Emily lee un recorrido breve de la interfaz con dirección pausada; la locución describe el producto sin añadir detalles técnicos de implementación.

    {"text": "Welcome to your workspace. Start with a new project, add your notes, and invite your team when you are ready to share.", "voice_id": "Emily_v3.1", "language": "en", "instructions": "A product guide, welcoming and clear, with a deliberate pause between actions.", "output_format": "wav"}
  • Una lección de idioma a menor velocidad

    Una voz multilingüe y un ajuste moderado de velocidad preparan una frase cotidiana en inglés para un ejercicio de comprensión auditiva.

    {"text": "The library is opposite the station. Walk past the cafe, then turn left at the next crossing.", "voice_id": "longanlingxin_v3.1", "language": "en", "instructions": "A language teacher giving a patient example of everyday directions.", "speed": 0.8}
  • Un anuncio de hotel para huéspedes

    Otra voz preestablecida en inglés y una nota de hospitalidad muestran cómo elegir la voz de un anuncio práctico.

    {"text": "The morning walking tour meets in the lobby at nine thirty. Please arrive ten minutes early and bring a bottle of water.", "voice_id": "Luna_v3.1", "language": "en", "instructions": "A hotel host addressing a small group, friendly and easy to follow.", "output_format": "mp3"}

Respuestas sobre la API de Qwen-Audio 3.1 TTS Flash

Organiza el proyecto por idioma de destino antes de seleccionar las voces. Las diez indicaciones explícitas son un control de la solicitud y no una lista completa de los idiomas del catálogo: prueba la voz apropiada con la traducción que realmente vas a usar. Incluye en la primera muestra un nombre de producto, un número y una instrucción completa; esos detalles suelen determinar si la grabación es utilizable. Pide que revisen cada lectura en su idioma antes de generar el resto del recorrido o la lección. Guarda el ID de voz, la nota de dirección y los ajustes de exportación junto al guion, y descarga las pistas aprobadas para que el proyecto no dependa del almacenamiento temporal.