textstring必須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。
- デフォルト値
- 指定なし
- 制約
- minLength:1maxLength:10000
alibaba/qwen-audio-3.1-tts-plus/text-to-speechQwen-Audio 3.1 TTS Plus は、高音質のナレーション向けの台本と演技の指示を受け付けます。Qwen-Audio 3.1 TTS Plus は 4 種類の多言語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。
例は、選択中のエンドポイントの公開パラメーター定義から作っています。API キーとサンプル素材を差し替えて、ご自身のサーバーから送信してください。
SDK・連携https://api.spicyapi.ai/api/v1/jobs/createTaskAPI キーはサーバーの環境変数 SPICY_API_KEY に保存します。Bearer 認証を使用し、JSON リクエストには Content-Type: application/json を指定してください。
Authorization: Bearer $SPICY_API_KEY# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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"このモデルの入力スキーマから生成した例です。API はどのリクエストも、同じスキーマで検証します。
これらのフィールドは、リクエスト本文の input オブジェクトに指定します。名前と型は API と一致します。デフォルト値の指定がない項目に、デフォルト値があると想定しないでください。
textstring必須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。
seedinteger任意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。
enable_ssmlboolean任意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。
bitrateinteger任意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。
320006400096000128000192000256000sample_rateinteger任意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。
8000120001600022050240004410048000output_formatstring任意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。
"mp3""wav""pcm""opus"volumeinteger任意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。
pitchnumber任意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。
speednumber任意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。
languagestring任意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。
"auto""zh""en""ja""ko""fr""de""pt""it""vi""id"instructionsstring任意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。
voice_idstring任意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。3.1 TTS Plus のボイス選択によって料金は変わりません。
"longanhuan_v3.1""longanlingxin_v3.1""xunanchuan_v3.1""longanfengyue_v3.1"{
"type": "object",
"required": [
"text"
],
"x-pricing": {
"billingMode": "per_unit",
"variantFields": []
},
"properties": {
"seed": {
"type": "integer",
"x-ui": {
"order": 10,
"widget": "number",
"advanced": true
},
"maximum": 65535,
"minimum": 0,
"description": "Random seed for controlled comparisons."
},
"text": {
"type": "string",
"x-ui": {
"rows": 6,
"order": 100,
"widget": "textarea",
"primary": true
},
"maxLength": 10000,
"minLength": 1,
"description": "The words to speak. Billed per 1,000 characters. Turn on enable_ssml to use SSML tags."
},
"pitch": {
"type": "number",
"x-ui": {
"step": 0.05,
"unit": "×",
"order": 65,
"widget": "slider"
},
"default": 1,
"maximum": 2,
"minimum": 0.5,
"description": "Pitch from 0.5 to 2."
},
"speed": {
"type": "number",
"x-ui": {
"step": 0.05,
"unit": "×",
"order": 70,
"widget": "slider"
},
"default": 1,
"maximum": 2,
"minimum": 0.5,
"description": "Speaking speed from 0.5 to 2."
},
"volume": {
"type": "integer",
"x-ui": {
"step": 1,
"order": 60,
"widget": "slider"
},
"default": 50,
"maximum": 100,
"minimum": 0,
"description": "Output volume from 0 to 100."
},
"bitrate": {
"enum": [
32000,
64000,
96000,
128000,
192000,
256000
],
"type": "integer",
"x-ui": {
"order": 40,
"widget": "select",
"advanced": true,
"enum_labels": {
"32000": "32 kbps",
"64000": "64 kbps",
"96000": "96 kbps",
"128000": "128 kbps",
"192000": "192 kbps",
"256000": "256 kbps"
}
},
"description": "Opus bit rate in bits per second. Only applies to opus."
},
"language": {
"enum": [
"auto",
"zh",
"en",
"ja",
"ko",
"fr",
"de",
"pt",
"it",
"vi",
"id"
],
"type": "string",
"x-ui": {
"order": 80,
"widget": "select",
"enum_labels": {
"de": "German",
"en": "English",
"fr": "French",
"id": "Indonesian",
"it": "Italian",
"ja": "Japanese",
"ko": "Korean",
"pt": "Portuguese",
"vi": "Vietnamese",
"zh": "Chinese",
"auto": "Auto-detect"
}
},
"default": "auto",
"description": "Reading language hint, or auto to detect it from the text."
},
"voice_id": {
"enum": [
"longanhuan_v3.1",
"longanlingxin_v3.1",
"xunanchuan_v3.1",
"longanfengyue_v3.1"
],
"type": "string",
"x-ui": {
"order": 90,
"widget": "select",
"enum_labels": {
"longanhuan_v3.1": "Long An Huan (Chinese)",
"xunanchuan_v3.1": "Xu Nanchuan (Chinese)",
"longanfengyue_v3.1": "Long An Fengyue (Chinese)",
"longanlingxin_v3.1": "Long An Lingxin (Chinese)"
}
},
"default": "longanhuan_v3.1",
"description": "Preset voice for this model."
},
"enable_ssml": {
"type": "boolean",
"x-ui": {
"order": 30,
"widget": "switch",
"advanced": true
},
"default": false,
"description": "Read text as SSML markup."
},
"sample_rate": {
"enum": [
8000,
12000,
16000,
22050,
24000,
44100,
48000
],
"type": "integer",
"x-ui": {
"order": 45,
"widget": "select",
"advanced": true,
"enum_labels": {
"8000": "8 kHz",
"12000": "12 kHz",
"16000": "16 kHz",
"22050": "22.05 kHz",
"24000": "24 kHz",
"44100": "44.1 kHz",
"48000": "48 kHz"
}
},
"default": 24000,
"description": "Sample rate in Hz."
},
"instructions": {
"type": "string",
"x-ui": {
"rows": 3,
"order": 85,
"widget": "textarea"
},
"maxLength": 1000,
"description": "How to read the text: emotion, tone, persona, pace or dialect. Not spoken and not billed."
},
"output_format": {
"enum": [
"mp3",
"wav",
"pcm",
"opus"
],
"type": "string",
"x-ui": {
"order": 50,
"widget": "select",
"advanced": true,
"enum_labels": {
"mp3": "MP3",
"pcm": "PCM (raw, 16-bit)",
"wav": "WAV",
"opus": "Opus"
}
},
"default": "mp3",
"description": "Audio encoding. pcm is raw 16-bit audio without a file header."
}
},
"additionalProperties": false
}HTTP 202 はタスクを受け付けたという意味で、生成が終わったという意味ではありません。返ってきた taskId を保存し、そのタスクの状態を問い合わせてください。結果を待っている間に、同じ内容でタスクを作り直さないでください。
HTTP/1.1 202 Accepted
Location: /api/v1/jobs/recordInfo?taskId=job_01k3m8x9q2z4v7n5p6r8s0t1w3
{
"code": 200,
"msg": "success",
"request_id": "req_example_create",
"data": {
"taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
"state": "queued",
"estimatedCost": "0.750000"
}
}受理レスポンスには今回の概算料金が含まれるため、アプリのタスク履歴と請求画面に同じ金額を表示できます。
curl --get "https://api.spicyapi.ai/api/v1/jobs/recordInfo" \
--data-urlencode "taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"ポーリングは約 2 秒間隔から始め、徐々に間隔を延ばします。終了状態になったら止めてください。通信が切れたときも、元の taskId で状態を確認します。作成をやり直すときは、同じ冪等キーと同じ本文をそのまま使い回してください。
import { verifyWebhook } from "@spicyapi/sdk";
// express.raw keeps the bytes we signed; express.json never matches.
app.post("/hooks/spicy", express.raw({ type: "application/json" }), (req, res) => {
const { payload } = verifyWebhook({
rawBody: req.body,
timestamp: req.header("X-Webhook-Timestamp"),
signature: req.header("X-Webhook-Signature"),
payloadVersion: Number(req.header("X-Webhook-Payload-Version")),
secret: process.env.SPICY_WEBHOOK_SECRET,
});
res.status(200).end();
void handleFinishedTask(payload);
});タスク作成時に callBackUrl を渡せば、完了したレコードが POST で届きます——ポーリングは一切不要です。配信には毎回 X-Webhook-Timestamp、X-Webhook-Signature、X-Webhook-Payload-Version が付きます。署名は taskId.timestamp.sha256(body) に対する HMAC-SHA256(base64)なので、生のバイト列で検証してください。JSON を解析して再度文字列化するとバイト列が変わり、検証は必ず失敗します。失敗した配信は再送されるため同じ taskId が二度届くことがあります。ハンドラーは冪等に。まず 2xx を返し、処理はその後で——応答が遅いと配信失敗として扱われます。
output を読むのは、state が succeeded のときだけにしてください。失敗したときは errorCode、errorMessage、request_id を手がかりに調べます。例に出ている料金や状態は、実際の請求ではありません。
{
"code": 200,
"msg": "success",
"request_id": "req_example_record",
"data": {
"taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
"model": "alibaba/qwen-audio-3.1-tts-plus/text-to-speech",
"state": "succeeded",
"output": {
"assets": [
{
"key": "tasks/2026/08/28/job_01k3m8x9q2z4v7n5p6r8s0t1w3/3f7a1c9e5b2d48f0a6c1e3d5b7f9a1c3.mp3",
"mime": "audio/mpeg",
"url": "https://example.r2.cloudflarestorage.com/results/job_01k3m8x9q2z4v7n5p6r8s0t1w3/result.mp3?X-Amz-Signature=SIGNATURE_FROM_RESPONSE",
"expiresAt": "2026-08-28T12:20:08.000Z"
}
]
},
"cost": "0.750000",
"settled": true,
"createdAt": "2026-08-28T12:00:00Z",
"completedAt": "2026-08-28T12:00:30Z"
}
}利用可能なファイルは assets[].url からそのまま開くか、ダウンロードできます。API の Authorization ヘッダーは不要です。署名付き URL は expiresAt で失効しますが、保存期間内であればタスクを再取得することで更新できます。処理中または利用できないファイルに URL はありません。署名付き URL は非公開情報として扱ってください。
アプリ、ターミナル、AI アシスタント、ビジュアルワークフローで SpicyAPI を活用。接続ガイドを選んでください。
上のコードを書く必要はありません。MCP サーバーを 1 回接続すれば、MCP に対応するエージェント(Claude Code、Codex、Cursor、Windsurf、VS Code、Gemini CLI、Cline、LibreChat)がこのモデルを名前で実行できます。シェルから 1 つのコマンドで実行することもできます。
Use alibaba/qwen-audio-3.1-tts-plus/text-to-speech to generate a portrait of a dancer under neon light, and save it to ./out/.
エージェントは公開カタログからモデルを引き、ローカルファイルを代わりにアップロードし、正確な見積もりと上限額を示して確認を待ちます。承認するまで課金は発生しません。
claude mcp add spicyapi -e SPICY_API_KEY=$SPICY_API_KEY \
-- npx --yes --package=@spicyapi/mcp spicyapi-mcp
npx skills add spicyapi-ai/spicy-skill1 行目でツールを、2 行目で Skill を渡します。Skill は使い方の取り決めです——課金の前に見積もりを取り、ローカルファイルはバイト列を貼らずにアップロードし、完成した成果物の URL を推測せずに読む。ほかのクライアントも同じサーバーをそれぞれの設定ファイルから使います。開発者向けページをご覧ください。
npx @spicyapi/cli tasks create --model alibaba/qwen-audio-3.1-tts-plus/text-to-speech \
--input-json '{"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"}' \
--wait入力は上の例と同じ、このエンドポイント固有のスキーマに従います。--wait はタスクの完了までポーリングして結果を表示します。CI では --yes を追加すると確認を省略できます。先に SPICY_API_KEY を設定してください。API、CLI、MCP サーバーで同じキーを使えます。
npx @spicyapi/cli tasks create --model alibaba/qwen-audio-3.1-tts-plus/text-to-speech \
--input-json '{…}' --retention 1h --wait
npx @spicyapi/cli tasks get $TASK_ID # read back the retention that applied--retention は保持期間を短くするだけです——30m、1h、7d、あるいは 0 なら終了と同時に削除。実際に効くのはリクエスト・アカウント設定・プラットフォーム上限のうち最も短い値なので、指定した数値が通った前提で進めず、タスクレコードから読み戻してください。アカウントの許容より長い値を渡しても何も起きません。
ComfyUI Manager か下のコマンドで SpicyAPI ノードをインストールしたら、キャンバスで Qwen-Audio 3.1 TTS Plus · Text to Speech を検索してください。このノードにはこのページと同じオプションがあり、実行前に価格が表示されます。
cd ComfyUI/custom_nodes
git clone https://github.com/spicyapi-ai/comfyui-spicyapi埋め込みパネルはこのページと同じスキーマを参照するため、API 仕様とのずれを防げます。ドキュメント内の検索対象にする場合は、/api/embed/models/ の JSON を取得して描画してください。
<iframe src="https://spicyapi.ai/embed/ja/models/qwen-audio-3-1-tts-plus/api?model=alibaba%2Fqwen-audio-3.1-tts-plus%2Ftext-to-speech" width="100%" height="560" loading="lazy" title="リクエスト例" style="border:1px solid rgba(0,0,0,.12)"></iframe>