কনটেন্টে যান

Qwen 3 TTS - Voice Design [1.7B]

ইন্টিগ্রেট করুন

মডেল id qwen-3-tts/voice-design/1.7b
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/qwen-3-tts/voice-design/1.7b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "prompt": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ: ০.০০৫$ ৫ API ক্রেডিট · ≈ ০.৫৪₽ এই পেজে চালান

API কী পান
Alibaba টেক্সট থেকে স্পিচ #text-to-speech#voice-design

লিখিত বিবরণ থেকে একটি নতুন কণ্ঠ ডিজাইন করে এবং তাতে দেওয়া টেক্সট উচ্চারণ করে

Alibaba · অডিও

আপনার প্রথম ফলাফল এখানে আসবে

নিচে একটি রিকোয়েস্ট তৈরি করে আপনার API কী দিয়ে চালান। আউটপুট আমাদের স্টোরেজে কপি করা হয়, চিরকাল বা বিনামূল্যে ৭ দিন পর্যন্ত রাখা হয়।

একটি অনুরোধ তৈরি করুন

মডেল স্কিমা থেকে কন্ট্রোল তৈরি করা হয়। এগুলো পরিবর্তন করলে কোড ও মূল্য আপডেট হয়।

•আবশ্যক

বক্তৃতায় রূপান্তর করার টেক্সট কনটেন্ট।

•আবশ্যক

সংশ্লেষিত বক্তৃতার শৈলীর জন্য ঐচ্ছিক নির্দেশনা।

অ্যাডভান্সড language · top_k · top_p · temperature · repetition_penalty · subtalker_top_k · subtalker_top_p · subtalker_temperature · max_new_tokens · subtalker_dosample · enable_safety_checker
ডিফল্ট Auto

ডিজাইন করা ভয়েসের ভাষা।

ডিফল্ট 50

top-k sampling-এর সেটিং।

ডিফল্ট 1

স্যাম্পলিংয়ের সময় ব্যবহৃত Top-p সেটিং।

ডিফল্ট 0.9

স্যাম্পলিংয়ের সময় ব্যবহৃত তাপমাত্রা; বড় মান র‍্যান্ডমনেস বাড়ায়।

ডিফল্ট 1.05

টোকেন বা কোড পুনরাবৃত্তি নিরুৎসাহিত করার পেনাল্টি।

ডিফল্ট 50

সাব-টকার থেকে স্যাম্পলিংয়ের সময় ব্যবহৃত Top-k সেটিং।

ডিফল্ট 1

সাব-টকার থেকে স্যাম্পলিংয়ের সময় ব্যবহৃত Top-p সেটিং।

ডিফল্ট 0.9

সাব-টকারের ব্যবহৃত স্যাম্পলিং তাপমাত্রা।

ডিফল্ট 200

নতুন জেনারেট করা কোডেক টোকেনের সর্বোচ্চ সীমা।

POST /run/qwen-3-tts/voice-design/1.7b?wait=20 মূল্য → ০.০০৫$
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/qwen-3-tts/voice-design/1.7b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Hello from Doitong. This is a short test sentence.",
    "prompt": "Hello from Doitong. This is a short test sentence."
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

এই অনুরোধ চালান

আপনার key এই ব্রাউজারেই থাকে: এটি শুধু Doitong API-তে পাঠানো হয় এবং Remember টিক দিলে কেবল localStorage-এ সংরক্ষিত হয়। একটি API কী পান

Qwen 3 TTS - Voice Design [1.7B] সম্পর্কে

প্রয়োজনীয় `prompt`-এ বর্ণিত কণ্ঠে `text`-এর জন্য স্পিচ জেনারেট করে, তাই কোনো প্রিসেট কণ্ঠ বা রেফারেন্স অডিও প্রয়োজন হয় না। `language` Auto অথবা দশটি নামযুক্ত ভাষার যেকোনো একটি হতে পারে। স্যাম্পলিং নিয়ন্ত্রণ এবং `max_new_tokens` (1 থেকে 8192, ডিফল্ট 200) উপলভ্য। নকশা করা কণ্ঠটি পরে clone-voice মডেল দিয়ে ক্লোন করা যায়।

প্যারামিটার

নামধরন ডিফল্টঅনুমোদিত বিবরণ
textআবশ্যক
ধরনstring
বক্তৃতায় রূপান্তর করার টেক্সট কনটেন্ট।
languageঐচ্ছিক
ধরনenum
ডিফল্টAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
ডিজাইন করা ভয়েসের ভাষা।
promptআবশ্যক
ধরনstring
সংশ্লেষিত বক্তৃতার শৈলীর জন্য ঐচ্ছিক নির্দেশনা।
top_kঐচ্ছিক
ধরনinteger | null
ডিফল্ট50
≥ ০
top-k sampling-এর সেটিং।
top_pঐচ্ছিক
ধরনnumber | null
ডিফল্ট1
০ – ১
স্যাম্পলিংয়ের সময় ব্যবহৃত Top-p সেটিং।
temperatureঐচ্ছিক
ধরনnumber | null
ডিফল্ট0.9
≤ ১> ০
স্যাম্পলিংয়ের সময় ব্যবহৃত তাপমাত্রা; বড় মান র‍্যান্ডমনেস বাড়ায়।
repetition_penaltyঐচ্ছিক
ধরনnumber | null
ডিফল্ট1.05
≥ ০
টোকেন বা কোড পুনরাবৃত্তি নিরুৎসাহিত করার পেনাল্টি।
subtalker_dosampleঐচ্ছিক
ধরনboolean | null
ডিফল্টtrue
সাব-টকারের স্যাম্পলিং সক্রিয় বা নিষ্ক্রিয় করার সুইচ।
subtalker_top_kঐচ্ছিক
ধরনinteger | null
ডিফল্ট50
≥ ০
সাব-টকার থেকে স্যাম্পলিংয়ের সময় ব্যবহৃত Top-k সেটিং।
subtalker_top_pঐচ্ছিক
ধরনnumber | null
ডিফল্ট1
০ – ১
সাব-টকার থেকে স্যাম্পলিংয়ের সময় ব্যবহৃত Top-p সেটিং।
subtalker_temperatureঐচ্ছিক
ধরনnumber | null
ডিফল্ট0.9
০ – ১
সাব-টকারের ব্যবহৃত স্যাম্পলিং তাপমাত্রা।
max_new_tokensঐচ্ছিক
ধরনinteger | null
ডিফল্ট200
১ – ৮,১৯২
নতুন জেনারেট করা কোডেক টোকেনের সর্বোচ্চ সীমা।
enable_safety_checkerঐচ্ছিক
ধরনboolean
ডিফল্টtrue
কলকারী অনুমোদিত হলে false সেট করে স্ক্রিনিং শিথিল করা যায়।
আবশ্যক

আউটপুট

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "qwen-3-tts/voice-design/1.7b",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 5,
    "usd": "0.005",
    "charged": 5,
    "refunded": 0
  },
  "input": {
    "text": "Hello from Doitong. This is a short test sentence.",
    "prompt": "Hello from Doitong. This is a short test sentence."
  },
  "output": {
    "audio": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_name": "0-output.mp3",
      "file_size": 1843200,
      "duration": 5,
      "channels": 1,
      "sample_rate": 1,
      "bitrate": "string"
    }
  },
  "outputs": [
    {
      "type": "audio",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp3",
      "content_type": "audio/mpeg",
      "file_size": 1843200,
      "duration": 12,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
আপনার ফাইল, আপনার পছন্দপ্রতিটি outputs[].url আমাদের স্টোরেজে একটি কপি: চিরকাল রাখা হয় (প্রতি GB-মাস অনুযায়ী অর্থপ্রদত্ত) অথবা অ্যাকাউন্ট সেটিংস বা ?storage= অনুযায়ী বিনামূল্যে ৭ দিন পর্যন্ত।
প্রতিটি মডেলে একই গঠনছবি, ভিডিও এবং অডিও—সব ক্ষেত্রেই type, url, content_type, width, height এবং duration। output হলো মডেলের নিজস্ব ফলাফল অবজেক্ট।
আউটপুটের ফিল্ড
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}সংশ্লেষিত স্পিচ ধারণকারী অডিও ফাইল।

আরও মডেল: টেক্সট থেকে স্পিচ

AI এজেন্টদের জন্য: এই পৃষ্ঠাটি Markdown হিসেবে এখানে আছে https://doitong.com/bn/developers/models/qwen-3-tts/voice-design/1.7b.md. সব মডেল ও গাইড: https://doitong.com/developers/llms.txt