Introducción
Usa alibaba/qwen-audio-3.1-tts-plus/text-to-speech para sintetizar un guion preparado con 4 voces multilingües 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-plus/text-to-speech |
| Texto de entrada | 3.1 TTS Plus: text obligatorio, máximo de 10.000 caracteres |
| Selección de voz | 3.1 TTS Plus: 4 voces multilingües del sistema, ID específicos del modelo |
| Ajustes de salida | 3.1 TTS Plus: MP3 de forma predeterminada; WAV, PCM sin procesar u Opus; 24.000 Hz por defecto |
| Flujo de solicitud | 3.1 TTS Plus: envío asíncrono seguido de consultas del estado de la tarea |
| Referencia medida | Contexto de 3.1 TTS Plus: 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 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 |
voice_id | No | Elección de voz de 3.1 TTS Plus: selecciona una de las 4 voces multilingües del sistema propias del modelo; se rechazan los ID de otros modelos, la información proporcionada no… |
instructions | No | Dirección de 3.1 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… máximo 1000 caracteres |
language | No | Indicación de idioma de 3.1 TTS Plus: 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 Plus: 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 Plus: 0.5–2, con 1 como valor predeterminado, modifica la altura de la voz sin agregar costo. |
volume | No | Volumen de 3.1 TTS Plus: 0–100, con 50 como valor predeterminado, cambia el volumen de salida sin modificar el cobro. |
output_format | No | Codificación de 3.1 TTS Plus: 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 Plus: 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 Plus 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 Plus: habilítala para interpretar text como SSML y controlar pausas, pronunciación y énfasis; la información proporcionada no especifica un va… Valor predeterminado: |
seed | No | Semilla de comparación de 3.1 TTS Plus: usa la misma fuente aleatoria al modificar un ajuste, sin esperar audio idéntico; la información proporcionada no especifica un rango num… |
Precios
$0.029 / 1,000 caracteres
Qwen-Audio 3.1 TTS Plus se cobra por cada 1,000 caracteres de text; instructions queda fuera del cobro y las solicitudes fallidas no generan cargos.
Casos de uso
Capítulos de audiolibros
Prepara la lectura de un capítulo con un narrador pausado y conserva la misma voz predefinida entre solicitudes.
Presentaciones de marca
Prueba una bienvenida fluida para una marca de viajes y luego afina la seguridad y la calidez en el campo de instrucciones.
Doblaje y escenas de personajes
Prepara diálogos para una película o un personaje de ficción y escucha su expresión emocional antes de editar.
Guía de prompts y consejos prácticos
Prepara el guion de 3.1 TTS Plus
Coloca las palabras definitivas que debe leer 3.1 TTS Plus en text, sin superar los 10.000 caracteres por solicitud.
Elige y dirige la voz de 3.1 TTS Plus
Selecciona una voz predefinida de 3.1 TTS Plus y usa instructions para describir el papel, la emoción y el ritmo que deseas escuchar.
Genera y revisa el audio de 3.1 TTS Plus
Elige el formato de salida de 3.1 TTS Plus, envía la solicitud, consulta la tarea y escucha la interpretación terminada.
Introducción
Qwen-Audio 3.1 TTS Plus convierte textos preparados en narraciones con cuatro voces multilingües del sistema creadas por el equipo Qwen de Alibaba. Su propuesta como modelo insignia prioriza la fidelidad en audiolibros, grabaciones de marca, doblaje de películas e interpretación de personajes.
Coloca el pasaje en text y las indicaciones para el narrador en instructions; después, envía la tarea y consulta su estado hasta que termine. Cada solicitud admite hasta 10.000 caracteres y la exportación predeterminada es MP3 a 24.000 Hz.
Funciones y aspectos destacados
- Escoge una voz entre Long An Huan, Long An Lingxin, Long An Fengyue y Xun Anchuan.
- Dirige las emociones, la personalidad, el tono y el ritmo del narrador sin que se lean esas indicaciones.
- Activa SSML si el pasaje necesita etiquetas de pronunciación, pausas o énfasis.
- Exporta la narración en MP3, WAV, PCM sin procesar u Opus con una frecuencia de muestreo compatible.
Casos de uso
- Capítulos de audiolibros: Prepara la lectura de un capítulo con un narrador pausado y conserva la misma voz predefinida entre solicitudes.
- Presentaciones de marca: Prueba una bienvenida fluida para una marca de viajes y luego afina la seguridad y la calidez en el campo de instrucciones.
- Doblaje y escenas de personajes: Prepara diálogos para una película o un personaje de ficción y escucha su expresión emocional antes de editar.
Guía de prompts y consejos prácticos
- Empieza por el primer párrafo para evaluar al narrador antes de producir un capítulo completo. Ejemplo de instrucción: "Read as a patient storyteller, warm and slightly mysterious."
- Asigna un papel claro a la voz en las grabaciones de marca. Ejemplo de instrucción: "Deliver a polished cruise welcome with quiet confidence."
- Describe en una nota breve la emoción que debe transmitir la escena. Ejemplo de instrucción: "Keep the character thoughtful, with restrained excitement."
- Mantén seed fijo al comparar un cambio de interpretación; el audio puede variar de todos modos. Ejemplo de instrucción: "Use the same calm tone with a slower ending."
Observación sobre el contenido en Qwen-Audio 3.1 TTS Plus: 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/qwen-audio-3.1-tts-plus/text-to-speech",
"input": {
"text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
"language": "auto",
"voice_id": "longanhuan_v3.1",
"sample_rate": 24000,
"output_format": "mp3"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.








