Gå til indhold

Qwen 3 TTS - Clone Voice [0.6B]

Integrer

Model-id qwen-3-tts/clone-voice/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/clone-voice/0.6b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

Filer som eksemplet: 0,001 $ 1 API-kredit · ≈ 0,11 ₽ dine filer måles før kørslen Kør den på denne side

Hent API-nøgle
Alibaba Lyd Referenceinputs #clone-voice#voice-clone

Bygger en genanvendelig talerembedding fra et referenceklip, den mindre 0.6B-variant af stemmekloneren

Alibaba · Data (JSON)

Dit første resultat kommer her

Opret en anmodning nedenfor, og kør den med din API-nøgle. Output kopieres til vores lagring, gemt for altid eller 7 dage gratis.

Opret en anmodning

Kontrollerne genereres fra modellens skema. Koden og prisen opdateres, når du ændrer dem.

•påkrævet audio_url
Slip en fil, eller

Lyd-URL til stemmekloning; en kort, ren taleoptagelse er tilstrækkelig som reference, så længe dens varighed ikke overstiger 300 sekund (5 minut).

Avanceret reference_text · enable_safety_checker

Referencetekst, der valgfrit kan angives for at forbedre syntesen med en klonet stemme, skal være den tekst, der blev brugt til at oprette speaker embedding.

POST /run/qwen-3-tts/clone-voice/0.6b?wait=20 pris → 0,001 $
# 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/clone-voice/0.6b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

Kør denne anmodning

Din nøgle forbliver i denne browser: Den sendes kun til Doitong API og gemmes kun i localStorage, hvis du markerer Husk. Hent en API-nøgle

Om Qwen 3 TTS - Clone Voice [0.6B]

Tager en referenceoptagelse via `audio_url` (højst 300 sekunder; et kort klip med ren tale er tilstrækkeligt) og returnerer en talerembedding-fil i safetensors-format. Embeddingen kan derefter sendes til det tilsvarende tekst-til-tale-endpoint. En valgfri `reference_text` kan angives for at forbedre syntesekvaliteten.

Parametre

Send enten det kanoniske navn eller det oprindelige navn, ikke begge. Kanoniske navne

NavnType StandardTilladt Beskrivelse
audio_urlpåkrævet audio
Typeurl · audio
Lyd-URL til stemmekloning; en kort, ren taleoptagelse er tilstrækkelig som reference, så længe dens varighed ikke overstiger 300 sekund (5 minut).
reference_textvalgfri
Typestring | null
Referencetekst, der valgfrit kan angives for at forbedre syntesen med en klonet stemme, skal være den tekst, der blev brugt til at oprette speaker embedding.
enable_safety_checkervalgfri
Typeboolean
Standardtrue
Screening kan lempes ved at angive false, hvis den kaldende part er autoriseret.
påkrævet Kanonisk navn, også accepteret

Filparametre accepterer en offentlig https://-URL, en data:-URI på op til 10 MB eller file_url fra en upload. Filer

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "qwen-3-tts/clone-voice/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": 1,
    "usd": "0.001",
    "charged": 1,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "speaker_embedding": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "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"
  }
}
Dine filer, dit valgHver outputs[].url er en kopi på vores lagring: gemt for altid (betales pr. GB-måned) eller 7 dage gratis, afhængigt af din kontoindstilling eller ?storage=.
Samme struktur for alle modellertype, url, content_type, width, height og duration for billeder, video og lyd. output er modellens eget resultatobjekt.
Outputfelter
speaker_embedding
object {url, content_type, file_name, file_size}Speaker embedding genereret som en safetensors-fil.

Flere modeller: Lyd

Til AI-agenter: Denne side som Markdown findes på https://doitong.com/da/developers/models/qwen-3-tts/clone-voice/0.6b.md. Alle modeller og vejledninger: https://doitong.com/developers/llms.txt