Přejít na obsah

Qwen 3 TTS - Text to Speech [0.6B]

Integrace

ID modelu qwen-3-tts/text-to-speech/0.6b
# 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/text-to-speech/0.6b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

Tento požadavek: 0,004 $ 4 kredity API · ≈ 0,43 ₽ Spustit na této stránce

Získat API klíč
Alibaba Text na řeč Referenční vstupy #text-to-speech

Menší 0.6B Qwen3 pro převod textu na řeč s devíti přednastavenými hlasy, volbou jazyka a klonováním hlasu pomocí embeddingu

Alibaba · Zvuk

Zde se zobrazí váš první výsledek

Níže sestavte požadavek a spusťte ho pomocí svého API klíče. Výstupy se kopírují do našeho úložiště a uchovávají se navždy nebo 7 dne zdarma.

Sestavit požadavek

Ovládací prvky se generují ze schématu modelu. Kód a cena se aktualizují podle provedených změn.

•povinné

Textový obsah určený k převodu na řeč.

Volitelné pokyny pro styl řeči, ignorované vždy, když je zadán embedding mluvčího.

Pokročilé reference_text · speaker_voice_embedding_file_url · voice · language · top_k · top_p · temperature · repetition_penalty · subtalker_top_k · subtalker_top_p · subtalker_temperature · max_new_tokens · subtalker_dosample · enable_safety_checker

Referenční text, který lze volitelně zadat pro zlepšení syntézy klonovaným hlasem; musí jít o text použitý k vytvoření embeddingu mluvčího.

Přetáhněte soubor nebo

Klonovaný hlas pro syntézu řeči, pokud je zadán; nahrazuje předdefinované možnosti hlasu.

Výběr hlasu pro syntézu řeči, přepsaný každým dodaným embeddingem mluvčího. Podrobnosti o hlasech a podpora hlavních jazyků jsou uvedeny v [dokumentaci k hlasům](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).

výchozí Auto

Jazyk používaný hlasem.

výchozí 50

Nastavení top-k sampling.

výchozí 1

Nastavení top-p použité během vzorkování.

výchozí 0.9

Teplota použitá během vzorkování; vyšší hodnoty zvyšují náhodnost.

výchozí 1.05

Penalizace odrazující od opakování tokenů nebo kódů.

výchozí 50

Nastavení Top-k použité při vzorkování ze sub-talkeru.

výchozí 1

Nastavení Top-p použité při vzorkování ze sub-talkeru.

výchozí 0.9

Teplota vzorkování používaná sub-talkerem.

výchozí 200

Horní limit nově generovaných kodekových tokenů.

POST /run/qwen-3-tts/text-to-speech/0.6b?wait=20 cena → 0,004 $
# 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/text-to-speech/0.6b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "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"

Spustit tento požadavek

Váš klíč zůstává v tomto prohlížeči: odesílá se pouze do Doitong API a uloží se do localStorage jen tehdy, když zaškrtnete možnost Zapamatovat. Získat klíč API

O modelu Qwen 3 TTS - Text to Speech [0.6B]

Převádí `text` na řeč pomocí modelu 0.6B. Zvolte přednastavený `voice`, například Vivian, Serena, Dylan nebo Sohee, případně zadejte `speaker_voice_embedding_file_url` pro použití klonovaného hlasu, volitelně s `reference_text`. `language` zahrnuje Auto a deset pojmenovaných jazyků včetně English, Chinese a Japanese. K dispozici jsou parametry vzorkování a `max_new_tokens` (1 až 8192).

Parametry

NázevTyp VýchozíPovolené Popis
textpovinné
Typstring
Textový obsah určený k převodu na řeč.
promptvolitelné
Typstring | null
Volitelné pokyny pro styl řeči, ignorované vždy, když je zadán embedding mluvčího.
voicevolitelné
Typenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Výběr hlasu pro syntézu řeči, přepsaný každým dodaným embeddingem mluvčího. Podrobnosti o hlasech a podpora hlavních jazyků jsou uvedeny v [dokumentaci k hlasům](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).
languagevolitelné
Typenum
VýchozíAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Jazyk používaný hlasem.
speaker_voice_embedding_file_urlvolitelné
Typurl · file
Klonovaný hlas pro syntézu řeči, pokud je zadán; nahrazuje předdefinované možnosti hlasu.
reference_textvolitelné
Typstring | null
Referenční text, který lze volitelně zadat pro zlepšení syntézy klonovaným hlasem; musí jít o text použitý k vytvoření embeddingu mluvčího.
top_kvolitelné
Typinteger | null
Výchozí50
≥ 0
Nastavení top-k sampling.
top_pvolitelné
Typnumber | null
Výchozí1
0 – 1
Nastavení top-p použité během vzorkování.
temperaturevolitelné
Typnumber | null
Výchozí0.9
≤ 1> 0
Teplota použitá během vzorkování; vyšší hodnoty zvyšují náhodnost.
repetition_penaltyvolitelné
Typnumber | null
Výchozí1.05
≥ 0
Penalizace odrazující od opakování tokenů nebo kódů.
subtalker_dosamplevolitelné
Typboolean | null
Výchozítrue
Přepínač povolující nebo zakazující vzorkování pomocí sub-talkeru.
subtalker_top_kvolitelné
Typinteger | null
Výchozí50
≥ 0
Nastavení Top-k použité při vzorkování ze sub-talkeru.
subtalker_top_pvolitelné
Typnumber | null
Výchozí1
0 – 1
Nastavení Top-p použité při vzorkování ze sub-talkeru.
subtalker_temperaturevolitelné
Typnumber | null
Výchozí0.9
0 – 1
Teplota vzorkování používaná sub-talkerem.
max_new_tokensvolitelné
Typinteger | null
Výchozí200
1 – 8 192
Horní limit nově generovaných kodekových tokenů.
enable_safety_checkervolitelné
Typboolean
Výchozítrue
Kontrolu lze uvolnit nastavením na false, pokud je volající autorizován.
povinné

Parametry souborů přijímají veřejnou adresu https:// URL, data: URI do 10 MB nebo file_url nahraného souboru. Soubory

Výstup

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "qwen-3-tts/text-to-speech/0.6b",
  "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": 4,
    "usd": "0.004",
    "charged": 4,
    "refunded": 0
  },
  "input": {
    "text": "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"
  }
}
Vaše soubory, vaše volbaKaždý outputs[].url je kopie v našem úložišti: uchovávaná navždy (zpoplatněná za GB-měsíc) nebo 7 dne zdarma podle nastavení účtu nebo ?storage=.
Stejná struktura u každého modelutype, url, content_type, width, height a duration pro obrázky, video i zvuk. output je vlastní objekt výsledku modelu.
Pole výstupu
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Zvukový soubor obsahující syntetizovanou řeč.

Další modely: Text na řeč

Pro AI agenty: tato stránka je ve formátu Markdown na adrese https://doitong.com/cs/developers/models/qwen-3-tts/text-to-speech/0.6b.md. Všechny modely a návody: https://doitong.com/developers/llms.txt