Введение
Используйте alibaba/qwen-audio-3.1-tts-plus/text-to-speech для озвучки подготовленного сценария: доступны 4 многоязычных системных голоса; 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-plus/text-to-speech |
| Текст сценария | 3.1 TTS Plus: обязательный text, максимум 10 000 символов |
| Выбор голоса | 3.1 TTS Plus: 4 многоязычных системных голоса, идентификаторы только этой модели |
| Настройки вывода | 3.1 TTS Plus: по умолчанию MP3; также WAV, сырой PCM или Opus; частота по умолчанию 24 000 Гц |
| Порядок запроса | 3.1 TTS Plus: асинхронная отправка и последующий опрос задачи |
| Результаты замеров | Контекст 3.1 TTS Plus: 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 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 |
voice_id | Нет | Выбор голоса 3.1 TTS Plus: укажите один из 4 многоязычных системных голосов этой модели; идентификаторы других моделей отклоняются, значение по умолчанию в исходных данных не ук… |
instructions | Нет | Подача 3.1 TTS Plus: произвольные указания об эмоциях, тоне, образе, темпе или диалекте не произносятся и не оплачиваются; предел длины и инструкции по умолчанию в исходных данн… Не более 1000 символов |
language | Нет | Языковая подсказка 3.1 TTS Plus: 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 Plus: диапазон 0,5–2, по умолчанию 1; позволяет замедлять или ускорять речь без изменения стоимости. |
pitch | Нет | Высота голоса 3.1 TTS Plus: диапазон 0,5–2, по умолчанию 1; меняет высоту звучания без дополнительной платы. |
volume | Нет | Громкость 3.1 TTS Plus: диапазон 0–100, по умолчанию 50; изменение громкости результата не влияет на оплату. |
output_format | Нет | Кодирование 3.1 TTS Plus: по умолчанию mp3, также wav, pcm (сырой поток) и opus; выбранный формат не меняет стоимость. |
sample_rate | Нет | Частота дискретизации 3.1 TTS Plus: 8000, 12000, 16000, 22050, 24000 (по умолчанию), 44100 или 48000 Гц; цена при изменении частоты сохраняется. |
bitrate | Нет | Битрейт 3.1 TTS Plus 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 Plus: включите обработку text как SSML для пауз, произношения и акцентов; значение по умолчанию в исходных данных не указано, доплаты сверх расчёта по длине тек… По умолчанию: |
seed | Нет | Сравнение 3.1 TTS Plus: используйте seed для общего источника случайности, меняя одну настройку и не ожидая идентичного аудио; диапазон и значение по умолчанию в исходных данных… |
Стоимость
$0.029 / 1000 символов
Qwen-Audio 3.1 TTS Plus тарифицирует каждые 1000 символов text; инструкции не оплачиваются, за неудачные запросы плата не взимается.
Сценарии использования
Главы аудиокниг
Подготовьте неспешное чтение главы и используйте один и тот же готовый голос в последовательных запросах.
Приветствия брендов
Попробуйте плавное приветствие туристического бренда, затем уточните уверенность и теплоту подачи в поле инструкций.
Дубляж и сцены с персонажами
Напишите диалог для фильма или вымышленного героя и оцените эмоциональную подачу перед монтажом.
Руководство по промптам и практические советы
Подготовьте сценарий 3.1 TTS Plus
Внесите окончательные слова для 3.1 TTS Plus в text и уложитесь в 10 000 символов на запрос.
Выберите голос и подачу 3.1 TTS Plus
Выберите готовый голос 3.1 TTS Plus и опишите в instructions нужную роль, эмоции и темп.
Создайте и прослушайте запись 3.1 TTS Plus
Задайте формат вывода 3.1 TTS Plus, отправьте запрос, опрашивайте задачу и прослушайте готовое исполнение.
Введение
Qwen-Audio 3.1 TTS Plus озвучивает подготовленный текст четырьмя многоязычными системными голосами команды Qwen компании Alibaba. Флагманское позиционирование модели строится на точности звучания аудиокниг, записей для брендов, кинодубляжа и реплик персонажей.
Внесите отрывок в text, а указания рассказчику — в instructions, затем отправьте задачу и опрашивайте её статус до завершения. Запрос 3.1 TTS Plus вмещает до 10 000 символов; по умолчанию экспортируется MP3 с частотой 24 000 Гц.
Основные возможности
- Выбирайте между Long An Huan, Long An Lingxin, Long An Fengyue и Xun Anchuan.
- Задавайте рассказчику эмоции, образ, тон и темп: сами указания не произносятся.
- Включайте SSML, если отрывку нужна разметка произношения, пауз или акцентов.
- Сохраняйте озвучку в MP3, WAV, сыром PCM или Opus с поддерживаемой частотой дискретизации.
Применение
- Главы аудиокниг: Подготовьте неспешное чтение главы и используйте один и тот же готовый голос в последовательных запросах.
- Приветствия брендов: Попробуйте плавное приветствие туристического бренда, затем уточните уверенность и теплоту подачи в поле инструкций.
- Дубляж и сцены с персонажами: Напишите диалог для фильма или вымышленного героя и оцените эмоциональную подачу перед монтажом.
Советы по составлению запросов
- Начните с первого абзаца, чтобы оценить рассказчика до озвучки полной главы. Пример инструкции: "Read as a patient storyteller, warm and slightly mysterious."
- Чётко обозначьте роль говорящего в записи для бренда. Пример инструкции: "Deliver a polished cruise welcome with quiet confidence."
- Опишите эмоциональную задачу сцены коротким указанием. Пример инструкции: "Keep the character thoughtful, with restrained excitement."
- Сохраняйте seed при сравнении одного изменения подачи; звучание всё равно может различаться. Пример инструкции: "Use the same calm tone with a slower ending."
Наблюдение о контенте Qwen-Audio 3.1 TTS Plus: 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/qwen-audio-3.1-tts-plus/text-to-speech",
"input": {
"text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
"language": "auto",
"voice_id": "longanhuan_v3.1",
"sample_rate": 24000,
"output_format": "mp3"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.








