はじめに
alibaba/qwen-audio-3.1-tts-plus/text-to-speech で、用意した台本を 4 種類の多言語システムボイスで合成します。3.1 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-3.1-tts-plus/text-to-speech |
| 台本の入力 | 3.1 TTS Plus:text が必須、最大 10,000 文字 |
| ボイスの選択 | 3.1 TTS Plus:4 種類の多言語システムボイス、モデル専用の ID |
| 出力設定 | 3.1 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 | 3.1 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 | 3.1 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 | 3.1 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。3.1 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 | 3.1 TTS Plus 専用の4 種類の多言語システムボイスから 1 つ選びます。3.1 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 | 3.1 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。3.1 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 | 3.1 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。3.1 TTS Plus の言語設定は料金に影響しません。 |
speed | いいえ | 3.1 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。3.1 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 | 3.1 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。3.1 TTS Plus のピッチ調整に追加料金はかかりません。 |
volume | いいえ | 3.1 TTS Plus の出力音量は 0–100、既定は 50 です。3.1 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 | 3.1 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。3.1 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 | 3.1 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。3.1 TTS Plus のレート変更で料金は増減しません。 |
bitrate | いいえ | 3.1 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。3.1 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 | 3.1 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。3.1 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 | 3.1 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。3.1 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
$0.029 / 1,000 文字
Qwen-Audio 3.1 TTS Plus は text の 1,000 文字単位で課金されます。instructions と失敗したリクエストは課金対象に含まれません。
ユースケース
オーディオブックの各章
リクエストごとに同じプリセットを使い、落ち着いた語り口で章の朗読を仕上げます。
ブランドの紹介
旅行ブランド向けの滑らかな歓迎メッセージを試し、演技の指示欄で自信と温かさを調整します。
吹き替えとキャラクターの場面
映画や架空のキャラクターのセリフを用意し、編集前に感情の表現を試聴します。
プロンプトガイドと実践のヒント
1 TTS Plus の台本を準備します
3.1 TTS Plus で最終的に読み上げる言葉を text に入れ、1 リクエストを 10,000 文字以内に収めてください。
1 TTS Plus の声と演技を決めます
3.1 TTS Plus のプリセットを選び、求める役柄、感情、ペースを instructions に記述してください。
1 TTS Plus を生成して確認します
3.1 TTS Plus の出力形式を選んでリクエストを送信し、タスクをポーリングして、完成した演技を聴いて確認してください。
はじめに
Qwen-Audio 3.1 TTS Plus は、Alibaba の Qwen チームが提供する 4 種類の多言語システムボイスで、用意した文章をナレーションにします。オーディオブック、ブランドの録音、映画の吹き替え、キャラクターの演技で音質を重視するフラッグシップとして位置づけられています。
朗読する文章を text、ナレーターへの指示を instructions に入れ、タスクを送信して完了までポーリングします。3.1 TTS Plus は 1 リクエストにつき最大 10,000 文字に対応し、既定の出力は 24,000 Hz の MP3 です。
主な機能と特長
- Long An Huan、Long An Lingxin、Long An Fengyue、Xun Anchuan から選べます。
- 感情、人物像、口調、ペースを指示し、その指示自体は読ませずにナレーターを演出できます。
- 発音、間、強調をマークアップで指定したい箇所では SSML を有効にします。
- 対応するサンプリングレートで MP3、WAV、生の PCM、Opus に書き出せます。
活用例
- オーディオブックの各章:リクエストごとに同じプリセットを使い、落ち着いた語り口で章の朗読を仕上げます。
- ブランドの紹介:旅行ブランド向けの滑らかな歓迎メッセージを試し、演技の指示欄で自信と温かさを調整します。
- 吹き替えとキャラクターの場面:映画や架空のキャラクターのセリフを用意し、編集前に感情の表現を試聴します。
プロンプトの書き方とヒント
- 章全体を生成する前に、冒頭の段落でナレーターの読み方を確かめます。指示例:"Read as a patient storyteller, warm and slightly mysterious."
- ブランドの録音では、話し手の役割を明確にします。指示例:"Deliver a polished cruise welcome with quiet confidence."
- 場面で表現したい感情を短く説明します。指示例:"Keep the character thoughtful, with restrained excitement."
- seed を固定し、読み方の変更を 1 つずつ比較しますが、音声には違いが生じる場合があります。指示例:"Use the same calm tone with a slower ending."
Qwen-Audio 3.1 TTS Plus のコンテンツに関する観測では、コンテンツフィルターはなく、大人を題材にした台本もテストで書かれたままに読まれました。3.1 TTS Plus で描写する人物は全員が成人である必要があり、台本の権利を確認し、誰の声なのかについて聞き手に誤解を与えないでください。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/qwen-audio-3.1-tts-plus/text-to-speech",
"input": {
"text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
"language": "auto",
"voice_id": "longanhuan_v3.1",
"sample_rate": 24000,
"output_format": "mp3"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
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。








