Neidio i'r cynnwys

Qwen 3 TTS - Text to Speech [0.6B]

Integreiddio

ID y model 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"

Y cais hwn: $0.004 4 o gredydau API · ≈ ₽0.43 Ei redeg ar y dudalen hon

Cael allwedd API
Alibaba Testun i Leferydd Mewnbynnau cyfeirio #text-to-speech

Qwen3 testun-i-leferydd 0.6B llai gyda naw llais rhagosodedig, dewis iaith a chlonio llais drwy fewnosodiad

Alibaba · Sain

Mae eich canlyniad cyntaf yn mynd yma

Adeiladwch gais isod a'i redeg gyda'ch allwedd API. Mae allbynnau'n cael eu copïo i'n storio, wedi'u cadw am byth neu am 7 diwrnod am ddim.

Adeiladu cais

Cynhyrchir rheolyddion o sgema'r model. Mae'r cod a'r pris yn diweddaru wrth i chi eu newid.

•gofynnol

Cynnwys testun i'w drosi'n leferydd.

Cyfarwyddiadau arddull lleferydd dewisol, a anwybyddir pryd bynnag y darperir mewnblaniad siaradwr.

Uwch 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

Testun cyfeirio, a ddarperir yn ddewisol i wella synthesis gyda llais wedi'i glonio, rhaid iddo fod y testun a ddefnyddiwyd i greu mewnblaniad y siaradwr.

Gollyngwch ffeil, neu

Llais wedi'i glonio ar gyfer synthesis lleferydd, os caiff ei ddarparu, gan ddisodli'r opsiynau llais rhagosodedig.

Dewis llais synthesis lleferydd, a ddiystyrir gan unrhyw fewnblygiad siaradwr a ddarperir. Rhestrir manylion llais a chymorth prif iaith yn y [ddogfennaeth llais](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).

rhagosodedig Auto

Iaith a ddefnyddir gan y llais.

rhagosodedig 50

Gosodiad ar gyfer samplu top-k.

rhagosodedig 1

Gosodiad Top-p a ddefnyddir wrth samplu.

rhagosodedig 0.9

Tymheredd a ddefnyddir wrth samplu; mae gwerthoedd mwy yn cynyddu haprwydd.

rhagosodedig 1.05

Cosb sy’n atal ailadrodd tocynnau neu godau.

rhagosodedig 50

Gosodiad top-k a ddefnyddir wrth samplu o’r is-siaradwr.

rhagosodedig 1

Gosodiad top-p a ddefnyddir wrth samplu o’r is-siaradwr.

rhagosodedig 0.9

Tymheredd samplu a ddefnyddir gan yr is-siaradwr.

rhagosodedig 200

Terfyn uchaf ar nifer y tocynnau codec newydd a gynhyrchir.

POST /run/qwen-3-tts/text-to-speech/0.6b?wait=20 dyfynbris → $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"

Rhedeg y cais hwn

Mae'ch allwedd yn aros yn y porwr hwn: caiff ei hanfon at Doitong API yn unig a'i chadw (localStorage) dim ond os ticiwch Cofio. Cael allwedd API

Ynglŷn â Qwen 3 TTS - Text to Speech [0.6B]

Yn trosi `text` i leferydd gan ddefnyddio'r model 0.6B. Dewiswch `voice` rhagosodedig fel Vivian, Serena, Dylan neu Sohee, neu ddarparwch `speaker_voice_embedding_file_url` i ddefnyddio llais wedi'i glonio, gyda `reference_text` yn ddewisol. Mae `language` yn cynnwys Auto ynghyd â deg iaith a enwir, gan gynnwys English, Chinese a Japanese. Mae rheolyddion samplu a `max_new_tokens` (1 i 8192) ar gael.

Paramedrau

EnwMath RhagosodedigCaniateir Disgrifiad
textgofynnol
Mathstring
Cynnwys testun i'w drosi'n leferydd.
promptdewisol
Mathstring | null
Cyfarwyddiadau arddull lleferydd dewisol, a anwybyddir pryd bynnag y darperir mewnblaniad siaradwr.
voicedewisol
Mathenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Dewis llais synthesis lleferydd, a ddiystyrir gan unrhyw fewnblygiad siaradwr a ddarperir. Rhestrir manylion llais a chymorth prif iaith yn y [ddogfennaeth llais](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).
languagedewisol
Mathenum
RhagosodedigAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Iaith a ddefnyddir gan y llais.
speaker_voice_embedding_file_urldewisol
Mathurl · file
Llais wedi'i glonio ar gyfer synthesis lleferydd, os caiff ei ddarparu, gan ddisodli'r opsiynau llais rhagosodedig.
reference_textdewisol
Mathstring | null
Testun cyfeirio, a ddarperir yn ddewisol i wella synthesis gyda llais wedi'i glonio, rhaid iddo fod y testun a ddefnyddiwyd i greu mewnblaniad y siaradwr.
top_kdewisol
Mathinteger | null
Rhagosodedig50
≥ 0
Gosodiad ar gyfer samplu top-k.
top_pdewisol
Mathnumber | null
Rhagosodedig1
0 – 1
Gosodiad Top-p a ddefnyddir wrth samplu.
temperaturedewisol
Mathnumber | null
Rhagosodedig0.9
≤ 1> 0
Tymheredd a ddefnyddir wrth samplu; mae gwerthoedd mwy yn cynyddu haprwydd.
repetition_penaltydewisol
Mathnumber | null
Rhagosodedig1.05
≥ 0
Cosb sy’n atal ailadrodd tocynnau neu godau.
subtalker_dosampledewisol
Mathboolean | null
Rhagosodedigtrue
Switsh sy’n galluogi neu’n analluogi samplu gan yr is-siaradwr.
subtalker_top_kdewisol
Mathinteger | null
Rhagosodedig50
≥ 0
Gosodiad top-k a ddefnyddir wrth samplu o’r is-siaradwr.
subtalker_top_pdewisol
Mathnumber | null
Rhagosodedig1
0 – 1
Gosodiad top-p a ddefnyddir wrth samplu o’r is-siaradwr.
subtalker_temperaturedewisol
Mathnumber | null
Rhagosodedig0.9
0 – 1
Tymheredd samplu a ddefnyddir gan yr is-siaradwr.
max_new_tokensdewisol
Mathinteger | null
Rhagosodedig200
1 – 8,192
Terfyn uchaf ar nifer y tocynnau codec newydd a gynhyrchir.
enable_safety_checkerdewisol
Mathboolean
Rhagosodedigtrue
Gellir llacio'r sgrinio drwy osod false, ar yr amod bod y galwr wedi'i awdurdodi.
gofynnol

Mae paramedrau ffeil yn derbyn URL cyhoeddus https://, URI data: hyd at 10 MB, neu file_url uwchlwythiad. Ffeiliau

Allbwn

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"
  }
}
Eich ffeiliau, eich dewisMae pob outputs[].url yn gopi ar ein storio: wedi'i gadw am byth (telir fesul GB-mis) neu am 7 diwrnod am ddim, yn ôl gosodiad eich cyfrif neu ?storage=.
Yr un siâp ar bob modeltype, url, content_type, width, height a duration, ar gyfer delweddau, fideo a sain fel ei gilydd. Gwrthrych canlyniad y model ei hun yw output.
Meysydd yr allbwn
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Ffeil sain sy'n cynnwys y lleferydd a syntheseiddiwyd.

Mwy o fodelau: Testun i Leferydd

Ar gyfer asiantau AI: mae'r dudalen hon fel Markdown ar gael yn https://doitong.com/cy/developers/models/qwen-3-tts/text-to-speech/0.6b.md. Pob model a chanllaw: https://doitong.com/developers/llms.txt