Gå til indhold

Qwen 3 TTS - Text to Speech [0.6B]

Integrer

Model-id 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"

Denne anmodning: 0,004 $ 4 API-kreditter · ≈ 0,43 ₽ Kør den på denne side

Hent API-nøgle
Alibaba Tekst til tale Referenceinputs #text-to-speech

Mindre 0.6B Qwen3 tekst-til-tale med ni forudindstillede stemmer, sprogvalg og stemmekloning via embedding

Alibaba · Lyd

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

Tekstindhold, der skal konverteres til tale.

Valgfrie instruktioner til talestil, som ignoreres, når en speaker embedding angives.

Avanceret 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

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.

Slip en fil, eller

Klonet stemme til talesyntese, hvis den angives, som erstatter de foruddefinerede stemmeindstillinger.

Valg af stemme til talesyntese, tilsidesat af enhver angivet speaker embedding. Stemmeoplysninger og understøttelse af primærsprog findes i [stemmedokumentationen](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).

standard Auto

Sprog, der anvendes af stemmen.

standard 50

Indstilling for top-k-sampling.

standard 1

Top-p-indstilling, der anvendes under sampling.

standard 0.9

Temperatur, der anvendes under sampling; højere værdier øger tilfældigheden.

standard 1.05

Straf, der gentagelse af tokens eller koder modvirker.

standard 50

Top-k-indstilling ved sampling fra sub-talker.

standard 1

Top-p-indstilling ved sampling fra sub-talker.

standard 0.9

Samplingtemperatur anvendt af sub-talker.

standard 200

Øvre grænse for nyligt genererede codec-tokens.

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

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 - Text to Speech [0.6B]

Konverterer `text` til tale med 0.6B-modellen. Vælg en forudindstillet `voice` som Vivian, Serena, Dylan eller Sohee, eller angiv `speaker_voice_embedding_file_url` for at bruge en klonet stemme, eventuelt med `reference_text`. `language` omfatter Auto samt ti navngivne sprog, herunder English, Chinese og Japanese. Samplingkontroller og `max_new_tokens` (1 til 8192) er tilgængelige.

Parametre

NavnType StandardTilladt Beskrivelse
textpåkrævet
Typestring
Tekstindhold, der skal konverteres til tale.
promptvalgfri
Typestring | null
Valgfrie instruktioner til talestil, som ignoreres, når en speaker embedding angives.
voicevalgfri
Typeenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Valg af stemme til talesyntese, tilsidesat af enhver angivet speaker embedding. Stemmeoplysninger og understøttelse af primærsprog findes i [stemmedokumentationen](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).
languagevalgfri
Typeenum
StandardAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Sprog, der anvendes af stemmen.
speaker_voice_embedding_file_urlvalgfri
Typeurl · file
Klonet stemme til talesyntese, hvis den angives, som erstatter de foruddefinerede stemmeindstillinger.
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.
top_kvalgfri
Typeinteger | null
Standard50
≥ 0
Indstilling for top-k-sampling.
top_pvalgfri
Typenumber | null
Standard1
0 – 1
Top-p-indstilling, der anvendes under sampling.
temperaturevalgfri
Typenumber | null
Standard0.9
≤ 1> 0
Temperatur, der anvendes under sampling; højere værdier øger tilfældigheden.
repetition_penaltyvalgfri
Typenumber | null
Standard1.05
≥ 0
Straf, der gentagelse af tokens eller koder modvirker.
subtalker_dosamplevalgfri
Typeboolean | null
Standardtrue
Kontakt, der aktiverer eller deaktiverer sampling med sub-talker.
subtalker_top_kvalgfri
Typeinteger | null
Standard50
≥ 0
Top-k-indstilling ved sampling fra sub-talker.
subtalker_top_pvalgfri
Typenumber | null
Standard1
0 – 1
Top-p-indstilling ved sampling fra sub-talker.
subtalker_temperaturevalgfri
Typenumber | null
Standard0.9
0 – 1
Samplingtemperatur anvendt af sub-talker.
max_new_tokensvalgfri
Typeinteger | null
Standard200
1 – 8.192
Øvre grænse for nyligt genererede codec-tokens.
enable_safety_checkervalgfri
Typeboolean
Standardtrue
Screening kan lempes ved at angive false, hvis den kaldende part er autoriseret.
påkrævet

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/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"
  }
}
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
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Lydfil med den syntetiserede tale.

Flere modeller: Tekst til tale

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