Введение
Используйте alibaba/qwen-audio-3.1-tts-flash/text-to-speech для озвучки подготовленного сценария: доступны 70 системных голосов; добавьте указания по подаче, отправьте задачу и опрашивайте её до завершения.
| Характеристика | Значение |
|---|---|
| Ввод | Текст |
| Вывод | Аудио |
| Эндпоинт API | alibaba/qwen-audio-3.1-tts-flash/text-to-speech |
| Текст сценария | 3.1 TTS Flash: обязательный text, максимум 10 000 символов |
| Выбор голоса | 3.1 TTS Flash: 70 системных голосов, идентификаторы только этой модели |
| Настройки вывода | 3.1 TTS Flash: по умолчанию MP3; также WAV, сырой PCM или Opus; частота по умолчанию 24 000 Гц |
| Порядок запроса | 3.1 TTS Flash: асинхронная отправка и последующий опрос задачи |
| Результаты замеров | Контекст 3.1 TTS Flash: тесты разных моделей 5 ноября 2026 года, 139 английских символов, примерно 5–18 секунд обработки и 7–9,6 секунды аудио |
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
text | Да | Сценарий 3.1 TTS Flash: 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 |
voice_id | Нет | Выбор голоса 3.1 TTS Flash: укажите один из 70 системных голосов этой модели; идентификаторы других моделей отклоняются, значение по умолчанию в исходных данных не указано, выбо… |
instructions | Нет | Подача 3.1 TTS Flash: произвольные указания об эмоциях, тоне, образе, темпе или диалекте не произносятся и не оплачиваются; предел длины и инструкции по умолчанию в исходных дан… Не более 1000 символов |
language | Нет | Языковая подсказка 3.1 TTS Flash: по умолчанию auto, также доступны zh, en, ja, ko, fr, de, pt, it, vi и id; на цену настройка не влияет. |
speed | Нет | Темп 3.1 TTS Flash: диапазон 0,5–2, по умолчанию 1; позволяет замедлять или ускорять речь без изменения стоимости. |
pitch | Нет | Высота голоса 3.1 TTS Flash: диапазон 0,5–2, по умолчанию 1; меняет высоту звучания без дополнительной платы. |
volume | Нет | Громкость 3.1 TTS Flash: диапазон 0–100, по умолчанию 50; изменение громкости результата не влияет на оплату. |
output_format | Нет | Кодирование 3.1 TTS Flash: по умолчанию mp3, также wav, pcm (сырой поток) и opus; выбранный формат не меняет стоимость. |
sample_rate | Нет | Частота дискретизации 3.1 TTS Flash: 8000, 12000, 16000, 22050, 24000 (по умолчанию), 44100 или 48000 Гц; цена при изменении частоты сохраняется. |
bitrate | Нет | Битрейт 3.1 TTS Flash применяется к Opus и не влияет на цену; числовой диапазон и значение по умолчанию в исходных данных не приведены. |
enable_ssml | Нет | Разметка 3.1 TTS Flash: включите обработку text как SSML для пауз, произношения и акцентов; значение по умолчанию в исходных данных не указано, доплаты сверх расчёта по длине те… По умолчанию: |
seed | Нет | Сравнение 3.1 TTS Flash: используйте seed для общего источника случайности, меняя одну настройку и не ожидая идентичного аудио; диапазон и значение по умолчанию в исходных данны… |
Стоимость
$0.0029 / 1000 символов
Использование Qwen-Audio 3.1 TTS Flash тарифицируется за каждые 1000 символов text; указания в instructions и неудачные запросы не оплачиваются.
Сценарии использования
Многоязычные приветствия консьержа
Напишите приветствие на языке слушателя и оцените его звучание многоязычным голосом.
Вступления в стиле радио
Короткой инструкцией по подаче задайте английскому вступлению расслабленный образ ведущего.
Пробы региональных диалогов
Попробуйте указать китайский диалект и прослушайте короткий образец перед озвучкой остальных реплик.
Руководство по промптам и практические советы
Подготовьте сценарий 3.1 TTS Flash
Внесите окончательные слова для 3.1 TTS Flash в text и уложитесь в 10 000 символов на запрос.
Выберите голос и подачу 3.1 TTS Flash
Выберите готовый голос 3.1 TTS Flash и опишите в instructions нужную роль, эмоции и темп.
Создайте и прослушайте запись 3.1 TTS Flash
Задайте формат вывода 3.1 TTS Flash, отправьте запрос, опрашивайте задачу и прослушайте готовое исполнение.
Введение
Qwen-Audio 3.1 TTS Flash предлагает каталог из 70 системных голосов для речевых проектов, которым нужны разные языки и малая задержка. Alibaba позиционирует модель как вариант с самым широким языковым охватом среди четырёх описанных здесь моделей Qwen-Audio.
В каталоге 3.1 TTS Flash — четыре многоязычных голоса, 15 премиальных английских и 51 голос для других языков. В тесте французского консьержа многоязычный голос сработал успешно; выберите сценарий на нужном языке, добавьте указания и опрашивайте задачу синтеза, чтобы прослушать свой результат.
Основные возможности
- Изучите голоса для болгарского, нидерландского, венгерского, румынского, датского, хорватского, греческого и чешского языков.
- Выберите премиальный английский голос, например Emily, Luna, Eric, Luca или Abby.
- Попробуйте многоязычный голос для французского чтения, как в нашем тесте.
- Задайте тон, образ, темп или диалект в отдельном поле instructions.
Применение
- Многоязычные приветствия консьержа: Напишите приветствие на языке слушателя и оцените его звучание многоязычным голосом.
- Вступления в стиле радио: Короткой инструкцией по подаче задайте английскому вступлению расслабленный образ ведущего.
- Пробы региональных диалогов: Попробуйте указать китайский диалект и прослушайте короткий образец перед озвучкой остальных реплик.
Советы по составлению запросов
- Начните с приветствия на нужном языке и проверьте произношение. Пример инструкции: "Welcome the guest as a relaxed hotel concierge."
- Используйте образ ведущего для настройки английской подачи. Пример инструкции: "Read like a late-night radio host, low and unhurried."
- Чётко опишите нужный диалект и прослушайте короткий отрывок. Пример инструкции: "Use a conversational Cantonese delivery with a friendly tone."
- Сравните одно изменение тона с тем же seed, допуская различия в аудио. Пример инструкции: "Keep the wording calm and make the greeting brighter."
Наблюдение о контенте Qwen-Audio 3.1 TTS Flash: фильтра контента нет; сценарии со взрослой тематикой в тестах читались как написано; каждый изображённый человек должен быть совершеннолетним; проверьте права на сценарий и не вводите слушателей в заблуждение относительно того, чей это голос.
Быстрый старт API
# 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/qwen-audio-3.1-tts-flash/text-to-speech",
"input": {
"text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
"language": "auto",
"voice_id": "Emily_v3.1",
"sample_rate": 24000,
"output_format": "mp3"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.








