はじめに
alibaba/qwen-audio-3.0-tts-plus/text-to-speech で、用意した台本を 597 種類のプリセットボイスで合成します。3.0 TTS Plus に話し方の指示を添えてタスクを送信し、完了までポーリングしてください。
| 項目 | 値 |
|---|---|
| 入力 | テキスト |
| 出力 | 音声 |
| API エンドポイント | alibaba/qwen-audio-3.0-tts-plus/text-to-speech |
| 台本の入力 | 3.0 TTS Plus:text が必須、最大 10,000 文字 |
| ボイスの選択 | 3.0 TTS Plus:597 種類のプリセットボイス、モデル専用の ID |
| 出力設定 | 3.0 TTS Plus:既定は MP3、WAV・生の PCM・Opus にも対応、既定のレートは 24,000 Hz |
| リクエストの流れ | 3.0 TTS Plus:非同期で送信した後、タスクをポーリング |
| 計測時の参考値 | 3.0 TTS Plus の参考値:2026 年 11 月 5 日の複数モデルでのテスト、英語 139 文字、完了まで約 5–18 秒、音声の長さ約 7–9.6 秒 |
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
text | はい | 3.0 TTS Plus 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 Plus 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 |
voice_id | いいえ | 3.0 TTS Plus 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 Plus 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。 |
instructions | いいえ | 3.0 TTS Plus 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 Plus 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 |
language | いいえ | 3.0 TTS Plus の言語ヒントで、既定は auto、ほかに zh、en、ja、ko、fr、de、pt、it、vi、id を選べます。3.0 TTS Plus の言語設定は料金に影響しません。 |
speed | いいえ | 3.0 TTS Plus の話す速度を 0.5–2 の範囲で調整でき、既定は 1 です。3.0 TTS Plus の読み上げを遅くしたり速めたりしても料金は変わりません。 |
pitch | いいえ | 3.0 TTS Plus の声の高さを調整する値で、範囲は 0.5–2、既定は 1 です。3.0 TTS Plus のピッチ調整に追加料金はかかりません。 |
volume | いいえ | 3.0 TTS Plus の出力音量は 0–100、既定は 50 です。3.0 TTS Plus の音量を変えても請求額は変わりません。 |
output_format | いいえ | 3.0 TTS Plus のエンコード形式は既定の mp3 のほか、wav、pcm(生の音声)、opus を選べます。3.0 TTS Plus の出力形式による料金の違いはありません。 |
sample_rate | いいえ | 3.0 TTS Plus のサンプリングレートは 8000、12000、16000、22050、24000(既定)、44100、48000 Hz から選べます。3.0 TTS Plus のレート変更で料金は増減しません。 |
bitrate | いいえ | 3.0 TTS Plus では Opus のビットレートを調整する項目で、料金への影響はありません。3.0 TTS Plus の提供された仕様には数値の範囲や既定値の記載はありません。 |
enable_ssml | いいえ | 3.0 TTS Plus で有効にすると、text を SSML として解釈し、間、発音、強調を指定できます。3.0 TTS Plus の提供された仕様には既定値の記載がなく、この切り替えで文字数に基づく料金以外の費用は発生しません。 デフォルト値: |
seed | いいえ | 3.0 TTS Plus の設定を 1 つ変えて比較する際、乱数の生成元をそろえるために使いますが、音声の完全な一致は保証されません。3.0 TTS Plus の提供された仕様には数値の範囲や既定値の記載がなく、料金への影響もありません。 |
料金
$0.019 / 1,000 文字
Qwen-Audio 3.0 TTS Plus の料金は text の 1,000 文字を単位として計算します。演技の指示には料金がかからず、リクエストが失敗した場合も請求されません。
ユースケース
コンパニオンとの会話
相手を支える返答を書き、架空のコンパニオンに柔らかく遊び心のある演技で読ませて試聴します。
ソーシャルアプリのキャラクター
各キャラクターのプリセットを選び、音声での投稿に短い人物像の指示を添えます。
コーチからの励まし
ワークアウトの台本に明るい指導の指示を組み合わせ、最後の反復まで励ましが伝わるようにします。
プロンプトガイドと実践のヒント
0 TTS Plus の台本を準備します
3.0 TTS Plus で最終的に読み上げる言葉を text に入れ、1 リクエストを 10,000 文字以内に収めてください。
0 TTS Plus の声と演技を決めます
3.0 TTS Plus のプリセットを選び、求める役柄、感情、ペースを instructions に記述してください。
0 TTS Plus を生成して確認します
3.0 TTS Plus の出力形式を選んでリクエストを送信し、タスクをポーリングして、完成した演技を聴いて確認してください。
はじめに
Qwen-Audio 3.0 TTS Plus は、Alibaba の Qwen チームによる表現豊かなプリセットボイスを、ソーシャルアプリやコンパニオンアプリに提供します。597 種類のうち中国語が 589 種類、英語が 8 種類で、キャラクターのセリフや会話の録音に使えます。
セリフを text に入れ、性格や気持ちを instructions で説明します。3.0 TTS Plus の合成は非同期で進むため、リクエストを送ってタスクをポーリングし、アプリに組み込む前に生成された音声を確認します。
主な機能と特長
- 中国語のプリセット 589 種類に加え、英語の 8 種類も試聴して選べます。
- 自由な演技の指示で、コンパニオンの気分やコーチの活気を伝えます。
- 選んだキャラクターに合わせ、速度とピッチをそれぞれ 0.5 から 2 の間で調整できます。
- セリフを細かく演出したい場合は、SSML で発音、強調、間を指定できます。
活用例
- コンパニオンとの会話:相手を支える返答を書き、架空のコンパニオンに柔らかく遊び心のある演技で読ませて試聴します。
- ソーシャルアプリのキャラクター:各キャラクターのプリセットを選び、音声での投稿に短い人物像の指示を添えます。
- コーチからの励まし:ワークアウトの台本に明るい指導の指示を組み合わせ、最後の反復まで励ましが伝わるようにします。
プロンプトの書き方とヒント
- 個々のスライダーを調整する前に、キャラクターの話し方を決めます。指示例:"Sound friendly, curious and a little playful."
- 比較しやすいよう、試聴ごとに伝えたい感情を 1 つに絞ります。指示例:"Offer reassurance with gentle, steady confidence."
- コーチへの演技の指示は、励ましのセリフとは分けて書きます。指示例:"Speak like an upbeat gym coach cheering the final set."
- 声を決める前に、短い返答を複数のプリセットで比べます。指示例:"Read with relaxed warmth, as if catching up by phone."
Qwen-Audio 3.0 TTS Plus のコンテンツに関する観測では、コンテンツフィルターはなく、大人を題材にした台本もテストで書かれたままに読まれました。3.0 TTS Plus で描写する人物は全員が成人である必要があり、台本の権利を確認し、誰の声なのかについて聞き手に誤解を与えないでください。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/qwen-audio-3.0-tts-plus/text-to-speech",
"input": {
"text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
"language": "auto",
"voice_id": "qwen-audio-3.0-tts-plus-loonglunawang",
"sample_rate": 24000,
"output_format": "mp3"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。








