本文へスキップ

Qwen-Audio 3.1 TTS Flash は、多言語音声向けの台本と演技の指示を受け付けます。Qwen-Audio 3.1 TTS Flash は 70 種類のシステムボイスを使い、速度、ピッチ、音量、音声出力を設定できます。

最低価格 $0.0029/1,000 文字

プレイグラウンド

入力

テキストから音声
162/10000
3.1 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。3.1 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

162 文字

3.1 TTS Flash 専用の70 種類のシステムボイスから 1 つ選びます。3.1 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。3.1 TTS Flash のボイス選択によって料金は変わりません。
66/1000
3.1 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。3.1 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?

同じプロジェクトを、もっと多くの言語へ。

Qwen-Audio 3.1 TTS Flash は、Alibaba のこの 4 モデルの中で最も幅広い言語を扱い、低遅延も重視しています。70 種類のシステム音声の内訳は、多言語対応が 4 種類、高品質な英語プリセットが 15 種類、その他の言語が 51 種類です。テキスト 1,000 文字あたり $0.00285 で、SpicyAPI のこの 4 エンドポイントの中では最も低料金です。SpicyAPI による追加のコンテンツフィルターはなく、2026 年 11 月 5 日のテストでは、このモデルが NSFW の台本を送信されたとおりに読み上げました。

プレイグラウンドを開く
同じプロジェクトを、もっと多くの言語へ。
システム音声
合計 70 種類
声のグループ
多言語 4 種類 + 英語 15 種類 + その他 51 種類
言語設定
自動検出または 10 種類の明示的なヒント
台本の文字数
最大 10,000 文字まで
1,000 文字あたりの料金
$0.00285
保存された出力
14 日間利用可能
言語の広がり
10 種類のヒント以外の言語にも目を向ける音声一覧には、language の選択肢にないオランダ語やギリシャ語なども含まれます。言語ヒントと音声選択は別の設定として扱い、対象言語の台本を適切なプリセットで試聴します。
音声の構成
多言語の制作に使える 70 種類多言語音声 4 種類、高品質な英語プリセット 15 種類、その他の言語の声 51 種類から選べます。初期値は Emily ですが、複数の市場に展開する作品では、多言語キャストから試す方法もあります。
予算
この 4 モデルで最も低い文字単価3.1 Flash は text の 1,000 文字あたり $0.00285 で、文字単位で計算します。instructions は課金対象外です。失敗したリクエストは無料で、出力形式を変える追加料金もありません。

Qwen-Audio 3.1 TTS Flash API でできること

  • 4 モデルの中で最も広い言語範囲

    Alibaba は 3.1 Flash を、幅広い言語への対応と低遅延を重視したモデルとして案内しています。多言語展開の候補として検討し、実際に必要な各言語で読み方を確かめてください。

  • 多言語対応と各言語専用のキャスト

    4 種類の多言語プリセットに、15 種類の高品質な英語音声と 51 種類のその他の言語の声が加わります。別のエンドポイントの ID を流用せず、このモデルの voice_id 一覧から選びます。

  • 口調や地域の話し方を言葉で指定

    instructions に最大 1,000 文字で、感情・人物像・テンポ・口調・方言を記述できます。この指示は読み上げ台本と分かれており、課金対象の文字数にも入りません。

  • ツアーや教材の台本を収める余裕

    1 リクエストで text を最大 10,000 文字まで送信できます。長い内容は確認しやすい単位に分け、音声を確認してからツアーや講座全体に組み上げます。

  • 発音とテンポの調整方法

    SSML を有効にすると、マークアップで間・強調・発音を指定できます。speed と pitch は 0.5〜2、volume は 0〜100 に設定できます。

  • 4 種類のエンコードと対応サンプルレート

    MP3、WAV、生の PCM、Opus と、8〜48 kHz の所定のサンプルレートを選べます。初期設定は 24 kHz の MP3 です。bitrate の設定は Opus にのみ適用されます。

Qwen-Audio 3.1 TTS Flash が役立つ場面

  • 操作ツアーを複数言語で案内

    製品のローカライズ担当者

    操作ツアーを複数言語で案内

    翻訳済みのツアー台本を用意してから、各言語に合う声を試します。製品に音声を組み込む前に、操作項目や製品名の読みを確認してください。

  • 各レッスンに音声版を付ける

    語学教材の出版社

    各レッスンに音声版を付ける

    用意した例文や日常会話を音声にします。練習の内容に合わせて速度を調整し、配布前に発音を確認してもらいます。

  • 訪れるゲストに合う言語で案内

    旅行・宿泊サービスの運営者

    訪れるゲストに合う言語で案内

    受付の説明、集合場所のお知らせ、旅行中のアナウンスを、ゲストに必要な言語で制作します。地名・時刻・最後の行動案内を注意して聴いてください。

  • 商品動画のナレーションを現地向けに

    越境コマースの担当者

    商品動画のナレーションを現地向けに

    実演や商品説明のために、各市場向けの台本を用意して収録します。それぞれの動画編集と合わせてテイクを判断し、対象の視聴者に合う文面か確認してもらいます。

Qwen-Audio 3.1 TTS Flash API の使い方

  1. 対象言語の台本を準備する

    text に読み上げる文面を 10,000 文字以内で記入します。これは音声合成なので、読み上げを依頼する前に翻訳済みの文章を用意してください。

  2. 適切なシステム音声を選ぶ

    70 種類の一覧から該当するプリセットを聴き比べます。voice_id を省略すると Emily が使われます。ヒントの選択肢にない言語は auto から始め、適切な声で読み方を確認します。

  3. 発音と演出の指示を設定する

    instructions に 1,000 文字以内で、求める口調や方言を書きます。必要に応じて SSML を有効にし、サンプルを比較しながら speed、pitch、volume を調整してください。

  4. 音声を依頼し、対象言語で確認する

    形式とサンプルレートを選んで送信し、タスクをポーリングして結果を取得します。対象言語での表現を確認してもらい、14 日以内に採用ファイルを保存します。

Qwen-Audio 3.1 TTS Flash の実例

  • 製品ツアーの導入を英語で案内

    Emily に落ち着いた演出を添え、短い操作ツアーを読み上げます。実装の詳細を交えず、製品の使い方を伝えるナレーションです。

    {"text": "Welcome to your workspace. Start with a new project, add your notes, and invite your team when you are ready to share.", "voice_id": "Emily_v3.1", "language": "en", "instructions": "A product guide, welcoming and clear, with a deliberate pause between actions.", "output_format": "wav"}
  • ゆっくり聞く語学レッスン

    多言語プリセットと控えめな速度設定を使い、日常的な英語の一節をリスニング練習用に用意します。

    {"text": "The library is opposite the station. Walk past the cafe, then turn left at the next crossing.", "voice_id": "longanlingxin_v3.1", "language": "en", "instructions": "A language teacher giving a patient example of everyday directions.", "speed": 0.8}
  • ホテルの宿泊客へのアナウンス

    別の英語プリセットと接客の演出メモで、実用的な館内案内に合う声を選ぶ例です。

    {"text": "The morning walking tour meets in the lobby at nine thirty. Please arrive ten minutes early and bring a bottle of water.", "voice_id": "Luna_v3.1", "language": "en", "instructions": "A hotel host addressing a small group, friendly and easy to follow.", "output_format": "mp3"}

Qwen-Audio 3.1 TTS Flash API のよくある質問

声を選ぶ前に、対象言語ごとにプロジェクトを整理します。明示的な 10 種類の言語ヒントはリクエストの設定項目であり、音声一覧が扱う言語のすべてではありません。実際に翻訳した文面で、その言語に合うプリセットを試してください。最初のサンプルには商品名、数字、一通りの指示を含めます。こうした細部が、収録した音声を使えるかどうかの判断につながります。ツアーや教材の残りを生成する前に、各言語の読み上げを確認してもらいます。選んだ音声 ID、演出メモ、出力設定を台本とともに管理し、採用音声はダウンロードして、一時的な出力ストレージに依存しない形で残してください。