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

Enviar una solicitud

Inicio rápido

Los ejemplos usan las definiciones públicas de parámetros del endpoint seleccionado. Sustituye la clave de API y los medios de ejemplo, y envía la solicitud desde tu servidor.

SDK e integraciones
POSThttps://api.spicyapi.ai/api/v1/jobs/createTask

Autenticación de API

Guarda la clave de API en la variable de entorno del servidor SPICY_API_KEY. Usa autenticación Bearer y Content-Type: application/json en las solicitudes JSON.

Authorization: Bearer $SPICY_API_KEY
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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"

Generado a partir del esquema de entrada de este modelo: el mismo con el que la API valida cada solicitud.

Parámetros de entrada

Incluye estos campos en el objeto input del cuerpo de la solicitud. Los nombres y tipos coinciden con la API. No supongas un valor predeterminado si no está indicado.

textstringObligatorio

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.

Valor predeterminado
Sin especificar
Restricciones
minLength:1
maxLength:10000
seedintegerOpcional

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 numérico ni un valor predeterminado, y seed no afecta el precio.

Valor predeterminado
Sin especificar
Restricciones
minimum:0
maximum:65535
enable_ssmlbooleanOpcional

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 valor predeterminado, y activarla no agrega cargos al cobro por longitud del texto.

Valor predeterminado
false
bitrateintegerOpcional

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.

Valor predeterminado
Sin especificar
Valores permitidos
320006400096000128000192000256000
sample_rateintegerOpcional

Frecuencia de muestreo de 3.1 TTS Flash: 8000, 12000, 16000, 22050, 24000 (predeterminada), 44100 o 48000 Hz; cambiarla mantiene el mismo precio.

Valor predeterminado
24000
Valores permitidos
8000120001600022050240004410048000
output_formatstringOpcional

Codificación de 3.1 TTS Flash: mp3 de forma predeterminada; también wav, pcm (sin procesar) y opus; el formato seleccionado no modifica el precio.

Valor predeterminado
"mp3"
Valores permitidos
"mp3""wav""pcm""opus"
volumeintegerOpcional

Volumen de 3.1 TTS Flash: 0–100, con 50 como valor predeterminado, cambia el volumen de salida sin modificar el cobro.

Valor predeterminado
50
Restricciones
minimum:0
maximum:100
pitchnumberOpcional

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.

Valor predeterminado
1
Restricciones
minimum:0.5
maximum:2
speednumberOpcional

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.

Valor predeterminado
1
Restricciones
minimum:0.5
maximum:2
languagestringOpcional

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.

Valor predeterminado
"auto"
Valores permitidos
"auto""zh""en""ja""ko""fr""de""pt""it""vi""id"
instructionsstringOpcional

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.

Valor predeterminado
Sin especificar
Restricciones
maxLength:1000
voice_idstringOpcional

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.

Valor predeterminado
"Emily_v3.1"
Valores permitidos
"longanhuan_v3.1""longanlingxin_v3.1""longanfengyue_v3.1""xunanchuan_v3.1""Emily_v3.1""Luna_v3.1""Eric_v3.1""Luca_v3.1""Abby_v3.1""Annie_v3.1""Ava_v3.1""Beth_v3.1""Betty_v3.1""Cally_v3.1""Cindy_v3.1""Donna_v3.1""Andy_v3.1""Brian_v3.1""David_v3.1""qwen-audio-3.1-tts-flash-zora_bg""qwen-audio-3.1-tts-flash-linde_nl""qwen-audio-3.1-tts-flash-hajnal_hu""qwen-audio-3.1-tts-flash-senin_ro""qwen-audio-3.1-tts-flash-birk_da""qwen-audio-3.1-tts-flash-lipa_hr""qwen-audio-3.1-tts-flash-avgi_el""qwen-audio-3.1-tts-flash-jitrenka_cs""qwen-audio-3.1-tts-flash-solglimt_nn""qwen-audio-3.1-tts-flash-glimma_sv""qwen-audio-3.1-tts-flash-svar_hi""qwen-audio-3.1-tts-flash-iskra_sk""qwen-audio-3.1-tts-flash-aava_fi""qwen-audio-3.1-tts-flash-sahar_ur""qwen-audio-3.1-tts-flash-jasna_sr""qwen-audio-3.1-tts-flash-brisa_es_mx""qwen-audio-3.1-tts-flash-ausra_lt""qwen-audio-3.1-tts-flash-rasa_lv""qwen-audio-3.1-tts-flash-deniz_tr""qwen-audio-3.1-tts-flash-ava_fa""qwen-audio-3.1-tts-flash-or_he""qwen-audio-3.1-tts-flash-ayalguu_mn""qwen-audio-3.1-tts-flash-zarja_sl""qwen-audio-3.1-tts-flash-ishiq_az""qwen-audio-3.1-tts-flash-zorza_pl""qwen-audio-3.1-tts-flash-alba_ca""qwen-audio-3.1-tts-flash-romduol_km""qwen-audio-3.1-tts-flash-aurora_pt_br""qwen-audio-3.1-tts-flash-dao_lo""qwen-audio-3.1-tts-flash-tsiskari_ka""qwen-audio-3.1-tts-flash-lente_af""qwen-audio-3.1-tts-flash-kiran_ne""qwen-audio-3.1-tts-flash-zorka_be""qwen-audio-3.1-tts-flash-nilaav_ml""qwen-audio-3.1-tts-flash-staer_lb""qwen-audio-3.1-tts-flash-drita_sq""qwen-audio-3.1-tts-flash-nila_ta""qwen-audio-3.1-tts-flash-aruna_si""qwen-audio-3.1-tts-flash-vennela_te""qwen-audio-3.1-tts-flash-sade_et""qwen-audio-3.1-tts-flash-bituon_ceb""qwen-audio-3.1-tts-flash-vedrina_bs""qwen-audio-3.1-tts-flash-layaung_my""qwen-audio-3.1-tts-flash-luys_hy""qwen-audio-3.1-tts-flash-lumen_la""qwen-audio-3.1-tts-flash-birta_is""qwen-audio-3.1-tts-flash-zerniq_mt""qwen-audio-3.1-tts-flash-nuru_sw""qwen-audio-3.1-tts-flash-arai_kk""qwen-audio-3.1-tts-flash-zetwal_crs""qwen-audio-3.1-tts-flash-zoria_uk"

Seguir la tarea

HTTP 202 significa que la tarea se aceptó, no que haya terminado. Guarda el taskId devuelto y consulta esa tarea. No crees otra mientras esperas el resultado.

Solicitud aceptada
HTTP/1.1 202 Accepted
Location: /api/v1/jobs/recordInfo?taskId=job_01k3m8x9q2z4v7n5p6r8s0t1w3

{
  "code": 200,
  "msg": "success",
  "request_id": "req_example_create",
  "data": {
    "taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
    "state": "queued",
    "estimatedCost": "0.750000"
  }
}

La respuesta de aceptación incluye la estimación para que tu aplicación pueda mostrar el mismo importe en el historial de tareas y en la facturación.

Consultar la tarea
curl --get "https://api.spicyapi.ai/api/v1/jobs/recordInfo" \
  --data-urlencode "taskId=$TASK_ID" \
  -H "Authorization: Bearer $SPICY_API_KEY"

Empieza consultando cada 2 segundos aproximadamente y ve espaciando los intentos. Párate en un estado final. Si se cae la conexión, consulta el taskId original. Vuelve a crear la tarea solo con la clave de idempotencia y el cuerpo originales.

O recibe el resultado por callback
import { verifyWebhook } from "@spicyapi/sdk";

// express.raw keeps the bytes we signed; express.json never matches.
app.post("/hooks/spicy", express.raw({ type: "application/json" }), (req, res) => {
  const { payload } = verifyWebhook({
    rawBody: req.body,
    timestamp: req.header("X-Webhook-Timestamp"),
    signature: req.header("X-Webhook-Signature"),
    payloadVersion: Number(req.header("X-Webhook-Payload-Version")),
    secret: process.env.SPICY_WEBHOOK_SECRET,
  });
  res.status(200).end();
  void handleFinishedTask(payload);
});

Pasa callBackUrl al crear la tarea y recibirás el registro terminado por POST, sin un bucle de consultas de estado. Cada entrega lleva X-Webhook-Timestamp, X-Webhook-Signature y X-Webhook-Payload-Version. La firma es un HMAC-SHA256 en base64 sobre taskId.timestamp.sha256(body), así que debes verificarla con los bytes originales: si analizas el JSON y vuelves a serializarlo, los bytes cambian y la verificación falla. Las entregas fallidas se reintentan, de modo que el mismo taskId puede llegar dos veces; haz que tu manejador sea idempotente. Responde 2xx primero y haz el trabajo después: un manejador lento se trata como una entrega fallida.

Leer el resultado

Procesa output solo cuando state sea succeeded. Si falla, consulta errorCode, errorMessage y request_id. Los costos y estados de ejemplo no representan una factura real.

Ejemplo de respuesta completada
{
  "code": 200,
  "msg": "success",
  "request_id": "req_example_record",
  "data": {
    "taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
    "model": "alibaba/qwen-audio-3.1-tts-flash/text-to-speech",
    "state": "succeeded",
    "output": {
      "assets": [
        {
          "key": "tasks/2026/08/28/job_01k3m8x9q2z4v7n5p6r8s0t1w3/3f7a1c9e5b2d48f0a6c1e3d5b7f9a1c3.mp3",
          "mime": "audio/mpeg",
          "url": "https://example.r2.cloudflarestorage.com/results/job_01k3m8x9q2z4v7n5p6r8s0t1w3/result.mp3?X-Amz-Signature=SIGNATURE_FROM_RESPONSE",
          "expiresAt": "2026-08-28T12:20:08.000Z"
        }
      ]
    },
    "cost": "0.750000",
    "settled": true,
    "createdAt": "2026-08-28T12:00:00Z",
    "completedAt": "2026-08-28T12:00:30Z"
  }
}

Para cada archivo disponible, abre o descarga assets[].url directamente, sin la cabecera Authorization de la API. El enlace firmado expira en expiresAt: vuelve a consultar la tarea para renovarlo mientras el archivo siga dentro del periodo de conservación. Un archivo pendiente o no disponible no trae URL. Trata los enlaces firmados como datos privados.

SDK e integraciones

Usa SpicyAPI en tu app, terminal, asistente de IA o flujo visual. Elige una guía de configuración.

Úsalo en ComfyUI

Instala los nodos de SpicyAPI desde ComfyUI Manager o con el comando de abajo y busca Qwen-Audio 3.1 TTS Flash · Text to Speech en el lienzo. El nodo tiene las mismas opciones que esta página y muestra su precio antes de ejecutarse.

cd ComfyUI/custom_nodes
git clone https://github.com/spicyapi-ai/comfyui-spicyapi