Aller au contenu principal

Qwen3 TTS API

Sans censure — Ce modèle déclare ne pas filtrer le contenu. SpicyAPI transmet sans ajouter d’analyse de contenu par la plateforme ; les obligations juridiques et de consentement restent au client.Voir tous les modèles à ce niveau de filtrage
alibaba/qwen-3-tts/text-to-speech

Qwen3 TTS est le modèle text-to-speech open source d’Alibaba : envoyez un script, choisissez l’une des neuf voix prédéfinies et obtenez un MP3 mono 24 kHz. Des instructions en langage courant règlent ton, émotion ou rythme, et une langue peut être précisée.

À partir de $0.068/1 000 caractères
Exécuter le modèle

Atelier

Entrée

Texte vers parole
119/2000
Les mots à prononcer, exactement comme écrits. Facturé par 1 000 caractères, minimum 100 par requête. Jusqu'à 2 000 caractères. 1 caractères minimum · 2000 caractères maximum

119 caractères

L'une des neuf voix prédéfinies. Serena par défaut.
48/1000
Direction en langage simple sur le ton, l'émotion ou le rythme. Façonne l'interprétation et n'est pas prononcé. Jusqu'à 1 000 caractères ; non facturé. 1000 caractères maximum

Jamais lu à voix haute. Sert uniquement à orienter l’interprétation du script.

Langue de la lecture. auto la détecte à partir du script.
Filtre de sécuritéDésactivé

SpicyAPI n’applique aucun filtre de sécurité à ce modèle. Votre prompt et vos médias sont transmis tels quels, et c’est le modèle lui-même qui décide du résultat.

Nous vérifions votre compte avant d’activer l’envoi et le calcul du prix.

Sortie

Prêt pour une nouvelle exécution
Rendu d’exemple
0:00 / –:––
Avatar
Parole vers texte
Synchronisation labiale

Modèles liés et tâches suivantes

Le modèle que vous cherchez n’est pas là ?

Dites-nous lequel ajouter et à quoi il vous servira. Les demandes vont directement à l’équipe qui décide des prochains modèles.

Neuf voix. À vous la direction.

Qwen3 TTS est le modèle de synthèse vocale open source d’Alibaba : vous envoyez jusqu’à 2 000 caractères de texte, choisissez l’une des neuf voix prédéfinies et ajoutez, si vous le souhaitez, une phrase de direction en langage courant sur le ton, l’émotion ou le rythme. Le modèle détecte automatiquement la langue, ou vous en fixez une parmi dix vous-même, dont deux voix de dialectes chinois. La facturation se fait par 1 000 caractères du texte envoyé, avec un minimum de 100 caractères par requête, si bien que le devis affiché avant l’exécution correspond exactement au montant facturé. SpicyAPI n’applique aucun filtre de contenu, et lors de nos tests, nos scripts de test les plus intenses ont été lus intégralement.

Ouvrir le playground
Neuf voix. À vous la direction.
Voix
9 préréglages, dont deux dialectes chinois
Langues
10, détectées automatiquement ou fixées via language
Caractères par requête
Jusqu’à 2 000 ; facturé par 1 000, minimum 100
Sortie
MP3 mono 24 kHz
Prix
0,068 $ par 1 000 caractères, devis définitif
Filtre de contenu
Aucun — nos scripts de test les plus intenses ont été lus intégralement
Voix
Neuf personnages fixes, dont deux dialectesChoisissez une voix par personnage et réutilisez son voice_id. Écoutez plusieurs extraits avant publication : une voix prédéfinie ne garantit pas une interprétation identique à chaque requête.
Direction
Des notes de mise en scène, pas des curseursDécrivez brièvement le ton, l’émotion ou le rythme dans instructions. Ces indications ne sont ni prononcées ni comptées dans le texte facturé. Chaque génération réussie est facturée séparément selon la longueur du script, même si vous réutilisez les mêmes mots.
Facturation
Le devis avant l’exécution est le prix finalLe nombre de caractères est connu dès l’envoi de la requête, si bien que le devis affiché correspond exactement au montant facturé — aucun décompte après coup, aucun arrondi une fois l’audio reçu. Une requête sous le minimum de 100 caractères est tout de même facturée comme 100.

Les points forts de l’API Qwen3 TTS

  • Neuf voix prédéfinies pour vos personnages

    Réutilisez le même voice_id et envoyez instructions à chaque requête. Écoutez les extraits ensemble pour vérifier le ton, le rythme et la prononciation.

  • Une direction en langage courant plutôt qu’un réglage fin de paramètres

    instructions se lit comme une note à un comédien de doublage : « essoufflée et taquine, proche du micro » ou « plate, fatiguée, comme une lecture de script ». Cela façonne le ton, l’émotion et le rythme sans exposer de curseurs séparés de hauteur ou de vitesse, et cela ne coûte rien de plus.

  • Dix langues, un seul champ

    language est réglé par défaut sur auto, qui détecte la langue à partir du script lui-même, si bien qu’un catalogue mêlant lignes anglaises, espagnoles et japonaises ne nécessite aucune table de routage par langue. Fixer le champ manuellement sert au cas où un script court ou multilingue serait mal détecté.

  • Des voix natives de langue et de dialecte

    Dylan et Eric lisent en dialecte pékinois et du Sichuan plutôt que dans une approximation à accent standard, et Ono_Anna et Sohee sont des locutrices natives du japonais et du coréen. Pour une ligne qui doit sonner locale plutôt que simplement traduite, le choix de la voix fait une partie du travail.

  • Un prix calculable avant l’envoi de la requête

    La facturation est linéaire, par 1 000 caractères de texte, avec un minimum de 100, et instructions n’est absolument pas comptabilisé. Comme le nombre de caractères est connu à l’avance, l’estimation affichée dans la console correspond au montant facturé : rien à régulariser après réception de l’audio.

  • Des scripts sans filtre lus tels quels

    SpicyAPI n’ajoute aucun filtre de contenu au modèle. Lors de nos tests, Qwen3 TTS a lu mot pour mot nos scripts de test les plus intenses, répliques à la première personne et narration, sans rien omettre ni atténuer — ce qui compte pour la fiction audio non censurée et les voix de compagnons, où une ligne filtrée brise la scène.

À qui s’adresse Qwen3 TTS ?

  • Une voix à réutiliser dans plusieurs répliques

    Applications de personnages et de compagnons

    Une voix à réutiliser dans plusieurs répliques

    Réutilisez le même voice_id et envoyez instructions à chaque requête. Écoutez les extraits ensemble pour vérifier le ton, le rythme et la prononciation.

  • Un seul point d’accès pour un catalogue aux langues mélangées

    Équipes de contenu multilingue

    Un seul point d’accès pour un catalogue aux langues mélangées

    La détection automatique de la langue permet à un script japonais, puis un script espagnol, puis une phrase mixte, de passer par le même appel sans table de routage en amont. Ono_Anna et Sohee donnent aux lignes japonaises et coréennes une lecture au son natif plutôt qu’accentuée.

  • Une narration qui ne s’arrête pas au milieu d’une scène

    Producteurs de livres audio et de fiction

    Une narration qui ne s’arrête pas au milieu d’une scène

    Lors de nos tests, nos monologues et scripts de narration les plus intenses ont été lus intégralement, mot pour mot. Pour les éditeurs dont le catalogue inclut ce type de contenu, une narration qui continue à travers la scène est ce qui rend le flux de travail utilisable.

  • Une piste vocale avant l’image

    Créateurs de vidéo et de format court

    Une piste vocale avant l’image

    Générez la ligne ici en MP3, puis transmettez-la à un modèle d’avatar parlant ou de synchronisation labiale pour qu’un visage la joue, ou déposez-la directement sur une timeline vidéo. La tarification par 1 000 caractères garde un coût par mot comparable entre une courte ligne de sous-titre et une longue narration.

Comment utiliser l’API Qwen3 TTS

  1. Rédiger le script dans text

    Jusqu’à 2 000 caractères, avec la ponctuation qui donne le rythme voulu. Tout ce qui est en dessous de 100 caractères est facturé comme 100 : une ligne courte n’a donc pas besoin d’être allongée pour des raisons de coût, mais ne sera pas moins chère qu’une ligne de 100 caractères.

  2. Choisir une voice_id

    Neuf préréglages sont disponibles, avec Serena par défaut, une voix féminine jeune et chaleureuse. Ryan et Aiden sont des voix masculines anglaises, Dylan et Eric lisent en dialecte pékinois et du Sichuan, et Ono_Anna et Sohee sont des voix natives japonaise et coréenne.

  3. Ajouter instructions si l’interprétation doit être façonnée

    Une ou deux phrases en langage courant — ton, émotion, rythme — orientent la lecture. Le champ est facultatif, n’est pas lu à voix haute et n’augmente pas la facture.

  4. Ne fixer language que si auto se trompe

    Laissez language sur auto pour la plupart des scripts ; le modèle détecte la langue à partir du texte. Fixez-le explicitement pour un script court ou multilingue, où la détection automatique dispose de trop peu de texte.

  5. Vérifier le devis, puis lire le MP3 dans le résultat

    Le devis affiché avant l’exécution est le prix final, puisque le nombre de caractères est déjà connu. La tâche renvoie un fichier MP3 mono 24 kHz, conservé 14 jours dans le stockage de SpicyAPI.

Exemples d’utilisation de Qwen3 TTS

  • Un personnage compagnon à la voix fixe

    Réutilisez voice_id et instructions pour chaque réplique, puis écoutez les extraits ensemble avant publication.

    {"text": "You came back. I wasn't sure you would, not after last time.", "voice_id": "Vivian", "instructions": "breathless and a little teasing, close to the microphone"}

  • Une ligne coréenne lue par une voix native

    Régler voice_id sur Sohee donne à un script coréen une lecture au son natif plutôt qu’accentuée.

    {"text": "오랜만이에요. 오늘 밤은 그냥 당신 목소리가 듣고 싶었어요.", "voice_id": "Sohee", "language": "ko"}

  • Une note vocale tardive

    Une courte ligne au ton personnel avec une note de mise en scène, avec la voix de Serena par défaut.

    {"text": "It's almost midnight and I still can't stop thinking about you.", "instructions": "soft, low volume, like she doesn't want anyone else in the room to hear"}

Questions sur l’API Qwen3 TTS

Choisissez une voice_id par personnage et conservez-la tout au long de la série. Dans instructions, donnez une indication courte et précise sur l’ambiance et le rythme. La consigne elle-même n’est pas facturée, mais chaque génération réussie l’est. Laissez language sur auto, sauf si une phrase courte ou ambiguë est mal détectée. Écoutez chaque résultat avant publication.