本文へスキップ

Qwen-Audio 3.0 TTS Flash は、アシスタント音声向けの台本と演技の指示を受け付けます。Qwen-Audio 3.0 TTS Flash は 597 種類のプリセットボイスを使い、速度、ピッチ、音量、音声出力を設定できます。

最低価格 $0.014/1,000 文字

プレイグラウンド

入力

テキストから音声
128/10000
3.0 TTS Flash の台本を入れる必須項目で、最大 10,000 文字、既定の台本はありません。3.0 TTS Flash はこの文字数を基に 1,000 文字単位で課金します。 1 文字以上 · 10000 文字以内

128 文字

3.0 TTS Flash 専用の597 種類のプリセットボイスから 1 つ選びます。3.0 TTS Flash はほかのモデルの ID を受け付けず、提供された仕様では既定値は示されていません。3.0 TTS Flash のボイス選択によって料金は変わりません。
36/1000
3.0 TTS Flash に感情、口調、人物像、ペース、方言を自由に指示できます。3.0 TTS Flash の演技の指示は読み上げも課金もされず、提供された仕様では長さの上限や既定の指示は示されていません。 1000 文字以内

読み上げられることはありません。台本の演じ方を決めるだけです。

セーフティチェックオフ

SpicyAPI はこのモデルにセーフティチェックをかけません。プロンプトと素材はそのままモデルに渡り、出力はモデル自身が決めます。

送信と料金見積もりを有効にする前にアカウントを確認しています。

出力

実行待ち
サンプル出力
0:00 / –:––

関連モデルと次のステップ

お探しのモデルが見つかりませんか?

次のお問い合わせに、聞き取りやすい声で応える。

Qwen-Audio 3.0 TTS Flash は、アシスタントや顧客対応の音声を対象とし、最初の音声パケットが届くまでの遅延を抑えることを重視したモデルです。SpicyAPI のこのエンドポイントでは、タスクを送信してポーリングで音声を取得します。プリセットは 597 種類で、料金はテキスト 1,000 文字あたり $0.01425 です。英語の初期設定の声は Luna Wang です。SpicyAPI はコンテンツフィルターを設けておらず、2026 年 11 月 5 日の試験で、このモデルは NSFW のテスト台本を変更せずに読み上げました。

プレイグラウンドを開く
次のお問い合わせに、聞き取りやすい声で応える。
案内用の音声
597 種類のプリセット、クローン機能なし
話者の内訳
中国語 589 種類、英語 8 種類
既定の音声
英語の Luna Wang
テキスト上限
1 タスクあたり 10,000 文字
利用料金
1,000 文字あたり $0.01425
結果の取得方法
タスク送信後にポーリング
顧客対応の音声
アシスタントの返答を音声化Alibaba は 3.0 Flash を、アシスタントや顧客対応で最初の音声パケットまでの遅延を抑えるモデルとして位置づけています。この API では、送信したタスクの完成音声を受け取る流れで連携を設計してください。ストリーミング接続を前提にはできません。
話者の選択
サービスに合う案内の声を選ぶ中国語が 589 種類、英語が 8 種類あり、初期値は英語話者の Luna Wang です。挨拶・返答・通知をそれぞれ試してから、サービスで使う声を決めます。
費用
返答の文字数から料金が分かる課金は text のみを対象に、1,000 文字あたり $0.01425 の比例計算です。演出指示は無料で、声や音声設定を変えても追加料金は発生しません。

Qwen-Audio 3.0 TTS Flash API でできること

  • アシスタント用途を重視した位置づけ

    このモデルは、顧客対応の会話で最初の音声パケットまでの遅延を短くすることを狙っています。ただし、その位置づけは、このエンドポイントのタスク完了時間を保証するものではありません。

  • 日々の顧客対応に合う話者を探す

    597 種類のプリセットを試し、案内にふさわしい声を選べます。中国語 589 種類と英語 8 種類からなり、使えるのはこのエンドポイント固有の音声 ID だけです。

  • 返答の内容と接客の口調を分ける

    顧客に伝える返答は text に、接客の話し方は instructions に記述します。最大 1,000 文字で、落ち着き・丁寧さ・簡潔さなどを指定でき、指示自体は読み上げられません。

  • 案内を聞き取りやすく整える

    speed と pitch は 0.5〜2、volume は 0〜100 で設定します。間・発音・強調をマークアップで指定する場合は、text に SSML を入れ、その解釈を有効にします。

  • 受け取り先に合うエンコード

    MP3、WAV、生の PCM、Opus に対応し、初期値は MP3 です。sample_rate は 8〜48 kHz の対応値に合わせます。Opus のリクエストでは bitrate も設定できます。

  • 短い返答のための言語ヒント

    自動検出に加えて、明示的に選べる言語ヒントが 10 種類あります。短い案内文は意図したヒントを指定して試し、固有名詞や地域特有の用語を確かめてください。

Qwen-Audio 3.0 TTS Flash が役立つ場面

  • 用意した回答を声にする

    音声アシスタントの開発者

    用意した回答を声にする

    次の列車の発車時刻や予定の確認など、簡潔な回答を音声化します。タスクの完了を待つ流れを製品に組み込み、再生時の聞こえ方を試してください。

  • 電話窓口の回答を明瞭に伝える

    カスタマーサポート担当者

    電話窓口の回答を明瞭に伝える

    受付時の応答、振り分けの案内、定型のサービス説明を用意します。電話窓口に導入する前に、選んだプリセットでメニューの選択肢と間の取り方を確認します。

  • 必要な更新情報を音声で知らせる

    予約・配送サービスの運営者

    必要な更新情報を音声で知らせる

    予約確認、受け取りのリマインダー、配送通知を読み上げます。日付・時刻・行き先の表現を確認し、聞いた人が次に何をすればよいか分かる案内にします。

  • 機器の案内を短くまとめる

    機器・車載システムの開発チーム

    機器の案内を短くまとめる

    スマート機器や車載システムの状態メッセージを用意します。再生先に対応するエンコードとサンプルレートを選び、その機器で聞き取りやすさと文言を確認してください。

Qwen-Audio 3.0 TTS Flash API の使い方

  1. 顧客に伝える文面を用意する

    サービスの回答や通知を、最大 10,000 文字で text に記入します。日付・時刻・選択肢の名前は、聞き手に伝えたい読み方で書いてください。

  2. 案内の話者と言語を設定する

    3.0 Flash の選択肢から voice_id を選びます。省略すると Luna Wang が使われます。必要なら言語ヒントを選び、不要なら auto の自動検出を使います。

  3. 案内の口調と音声を調整する

    instructions に接客の口調を短く書き、必要に応じて速度を調整します。出力形式と対応サンプルレートを選び、bitrate は Opus の場合だけ使ってください。

  4. タスクを送信して完了を確認する

    返されたタスク参照情報を保存し、完成した結果が返るまでポーリングします。最初のパケットまでの低遅延という説明は、ストリーミング API の提供を約束するものではありません。

  5. 利用する再生環境で案内を聴く

    顧客向けに使う前に、想定する再生システムで結果を確認します。採用した出力ファイルは、14 日間の保管期間内に手元へコピーしてください。

Qwen-Audio 3.0 TTS Flash の実例

  • 出発時刻を案内する音声アシスタント

    英語の既定プリセットを明示し、落ち着いた実務的な口調で短い回答を読み上げます。

    {"text": "The next train leaves at ten twenty from platform four. You have twelve minutes to reach the station.", "voice_id": "qwen-audio-3.0-tts-flash-loonglunawang", "language": "en", "instructions": "An assistant giving clear travel information in a calm, practical tone."}
  • 営業時間を伝える電話窓口

    少し遅めの読み方で、営業時間と次の操作を聞き手が理解する余裕を取ります。

    {"text": "Our support team is available from nine in the morning until six in the evening. Please leave your reference number after the message.", "voice_id": "qwen-audio-3.0-tts-flash-loonglunawang", "language": "en", "instructions": "A service agent, courteous and patient, with clear separation between the two sentences.", "speed": 0.9, "output_format": "wav"}
  • 荷物の受け取り通知

    Opus と対応する bitrate を指定し、通知を再生する形式をリクエストに含める例です。

    {"text": "Your parcel is ready for collection at the reception desk. Please bring your collection code before seven this evening.", "voice_id": "qwen-audio-3.0-tts-flash-loonglunawang", "language": "en", "output_format": "opus", "sample_rate": 24000, "bitrate": 64000}

Qwen-Audio 3.0 TTS Flash API のよくある質問

最初に試すのは、顧客がよく耳にする挨拶、定型の返答、時刻や受付番号を含むお知らせです。同じプリセットでこの 3 つを聴き、メニューの選択肢や、相手の次の行動を決める情報が伝わるか確認します。演出メモは再利用しやすい簡潔な内容にし、その都度変わる案内の文言は text に入れます。大量のメッセージを作る前に、再生先で形式とサンプルレートが使えるか確かめてください。対話型アシスタントでは、モデルが掲げる低遅延を応答全体の速さの保証と捉えず、タスク送信・ポーリング・再生までを含めて利用体験を設計します。