Перейти к основному контенту

Qwen-Audio 3.0 TTS Plus принимает сценарий и указания по подаче для выразительных голосов для общения; доступны 597 готовых голосов с настройками speed, pitch, volume и формата аудио.

От $0.019/1 000 символов

Рабочая область

Ввод

Текст в речь
133/10000
Сценарий 3.0 TTS Plus: обязательное поле text, до 10 000 символов, без текста по умолчанию; длина определяет оплату за каждые 1000 символов. Не менее 1 символов · Не более 10000 символов

133 символа

Выбор голоса 3.0 TTS Plus: укажите один из 597 готовых голосов этой модели; идентификаторы других моделей отклоняются, значение по умолчанию в исходных данных не указано, выбор не меняет цену.
84/1000
Подача 3.0 TTS Plus: произвольные указания об эмоциях, тоне, образе, темпе или диалекте не произносятся и не оплачиваются; предел длины и инструкции по умолчанию в исходных данных не указаны. Не более 1000 символов

Никогда не зачитывается вслух. Только задаёт, как исполнить текст.

Фильтр безопасностиВыключен

SpicyAPI не применяет фильтр безопасности к этой модели. Промпт и материалы передаются модели без изменений, а результат определяет сама модель.

Проверяем аккаунт перед включением отправки и расчёта стоимости.

Вывод

Готово к запуску
Пример результата
0:00 / –:––

Связанные модели и следующие шаги

Нужной модели нет?

У каждого персонажа — своя манера говорить

Qwen-Audio 3.0 TTS Plus ставит выразительность на первое место в приложениях для общения и виртуальных собеседниках. Модель Alibaba предлагает 597 готовых голосов: 589 китайскоязычных и восемь английских; по умолчанию выбран Luna Wang. Напишите ответ, опишите настроение персонажа в instructions и получите дубль за $0.019 на 1000 символов текста. SpicyAPI не фильтрует контент: при проверке 5 ноября 2026 года этот эндпоинт озвучил тестовые NSFW-сценарии без переписывания.

Открыть плейграунд
У каждого персонажа — своя манера говорить
Набор готовых голосов
597 голосов
Состав набора
589 китайскоязычных + 8 английских
Голос по умолчанию
Luna Wang, английский
Объём реплики
10 000 символов текста
Тариф за символы
$0.019 за 1000
Лимит указаний
1000 неоплачиваемых символов
Выразительность
Отделите реплику от её настроенияДля спокойного ободрения и радостного объявления можно использовать один голос с разными instructions. В указаниях задаются эмоция, образ, тон, темп и диалект — сами эти слова в реплике не звучат.
Подбор актёров
597 голосов для проб персонажейВосемь английских вариантов дополняют 589 китайскоязычных. Начните с выбранного по умолчанию Luna Wang или прослушайте другой голос этого эндпоинта, прежде чем строить вокруг него персонажа.
Настройки
Два уровня управления репликойТекстовое задание определяет исполнение, а числовые speed, pitch и volume уточняют подачу. При включённом enable_ssml разметка SSML позволяет добавить паузы, указания по произношению и акценты.

Возможности API Qwen-Audio 3.0 TTS Plus

  • Выразительность для общения

    Команда Qwen позиционирует 3.0 Plus для выразительной речи в общении и приложениях с виртуальными собеседниками. Сравните одну нейтральную реплику в ободряющей и более деловой манере, чтобы понять, что подходит персонажу.

  • Большой выбор китайскоязычных голосов

    589 китайскоязычных вариантов дают широкий выбор для проектов с персонажами. Идентификаторы голосов привязаны к модели, поэтому выбирайте их из её собственного списка.

  • Восемь английских вариантов

    Английские голоса — Olivia Lin, Luna Wang, Nora Hu, Ivy Hu, Alexander Hu, Adrian Gao, James Zhao и Ryan Ma. Сначала выберите голос, затем уточняйте эмоциональную подачу реплики.

  • Указания за пределами звуковой дорожки

    Задание на исполнение вмещает до 1000 символов отдельно от произносимого текста длиной до 10 000 символов. Оно не озвучивается и не учитывается при расчёте оплаты.

  • Подача под конкретную сцену

    Диапазон speed и pitch составляет 0.5–2, а volume — 0–100. Сохраните настройки рядом с описанием персонажа и проверяйте, как подача меняется в следующих дублях.

  • Аудио для плеера или монтажа

    Получайте MP3 по умолчанию либо запрашивайте WAV, «сырой» PCM или Opus с поддерживаемой частотой от 8 до 48 кГц. Параметр bitrate действует только при кодировании в Opus.

Для каких проектов выбрать Qwen-Audio 3.0 TTS Plus

  • Узнаваемый образ персонажа в чате

    Разработчикам чатов и виртуальных собеседников

    Узнаваемый образ персонажа в чате

    Подберите голос поддерживающего собеседника, затем опишите его реакцию на небольшой успех или трудный день. Сам ответ оставьте в text, а эмоциональный контекст — в instructions.

  • Короткая озвучка с характером

    Авторам роликов для соцсетей

    Короткая озвучка с характером

    Озвучьте новость, совет на каждый день или представление продукта в разговорной манере. Прежде чем выбрать финальную дорожку, сопоставьте темп с монтажом.

  • Состав персонажей для сюжетных развилок

    Командам интерактивных историй

    Состав персонажей для сюжетных развилок

    Назначьте готовые голоса героям визуальной новеллы или интерактивного рассказа. Храните голос и задание для каждой роли вместе и прослушивайте реплики из разных веток подряд.

  • Повседневный диалог по ролям

    Командам языковых тренажёров

    Повседневный диалог по ролям

    Создайте партнёра для тренировки заказа в кафе, знакомства или рабочего разговора. Задайте языковую подсказку и темп, за которым учащемуся будет удобно следить.

Работа с API Qwen-Audio 3.0 TTS Plus по шагам

  1. Напишите ответ персонажа

    Поместите точный текст диалога в text, максимум — 10 000 символов. Для начала возьмите короткую реплику, в которой хорошо виден обычный характер героя.

  2. Прослушайте готовые варианты

    Выберите voice_id этой модели или начните с английского Luna Wang, используемого по умолчанию. Доступен выбор готового голоса; входа для клонирования здесь нет.

  3. Добавьте задание персонажу

    Опишите эмоцию, тон и образ в instructions в пределах 1000 символов. Используйте автоопределение или одну из десяти языковых подсказок и при необходимости настройте числовые параметры.

  4. Сгенерируйте дубль и оцените его в диалоге

    Отправьте настроенный запрос и опрашивайте статус задачи по её идентификатору. Прослушайте результат вместе с соседними репликами и скачайте выбранные файлы до окончания 14-дневного срока хранения.

Qwen-Audio 3.0 TTS Plus: примеры на практике

  • Ободряющий ответ в чате

    Текст поддерживает собеседника в обычной ситуации, а указание задаёт образ и жизнерадостную манеру.

    {"text": "You finished the first lesson. That is a good start. Shall we try the next exercise together?", "voice_id": "qwen-audio-3.0-tts-plus-loonglunawang", "language": "en", "instructions": "An encouraging study companion, cheerful without rushing the final question."}
  • Ролик для соцсетей о саде на балконе

    Короткая озвучка получает разговорную подачу и небольшую поправку темпа под монтаж.

    {"text": "A sunny corner and a few small pots are enough to start a balcony garden. Today, we are planting mint, basil and parsley.", "voice_id": "qwen-audio-3.0-tts-plus-loonglunawang", "instructions": "A presenter sharing a practical idea with relaxed enthusiasm.", "speed": 1.05, "output_format": "wav"}
  • Партнёр для диалога в кафе

    Языковая подсказка и замедленный темп подготавливают простую учебную реплику без сложного актёрского задания.

    {"text": "Good morning. Would you like a table by the window, or would you prefer to sit outside?", "voice_id": "qwen-audio-3.0-tts-plus-loonglunawang", "language": "en", "instructions": "A cafe host speaking patiently to a language learner.", "speed": 0.85}

Ответы на вопросы о Qwen-Audio 3.0 TTS Plus API

Выберите короткий диалог, который раскрывает обычную манеру персонажа, и прослушайте голос до составления подробного актёрского задания. Измените настроение того же диалога и оцените, подходит ли голос для нужного диапазона сцен. В instructions сосредоточьтесь на ситуации и обращении к слушателю. Найдя подходящий вариант, сохраните его идентификатор для этой модели и выбранные настройки, продолжая проверять каждую сгенерированную реплику. В интерактивных историях слушайте разные сюжетные ветки вместе, а в роликах для соцсетей сопоставляйте речь с изображением и субтитрами. Обе проверки полезнее, чем оценка реплики в отрыве от контекста.