Zum Inhalt springen

Qwen 3 TTS - Text to Speech [0.6B]

Integrieren

Modell-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"

Diese Anfrage: 0,004 $ 4 API-Credits · ≈ 0,43 ₽ Auf dieser Seite ausführen

API-Schlüssel abrufen
Alibaba Text zu Sprache Referenzeingaben #text-to-speech

Kleinere 0.6B-Qwen3-Text-zu-Sprache mit neun voreingestellten Stimmen, Sprachauswahl und Stimmklonen per Embedding

Alibaba · Audio

Dein erstes Ergebnis erscheint hier

Erstelle unten eine Anfrage und führe sie mit deinem API-Schlüssel aus. Ausgaben werden in unseren Speicher kopiert und dauerhaft oder 7 Tage kostenlos aufbewahrt.

Anfrage erstellen

Die Steuerelemente werden aus dem Modellschema generiert. Code und Preis werden aktualisiert, während du sie änderst.

•erforderlich

Textinhalt, der in Sprache umgewandelt werden soll.

Optionale Anweisungen für den Sprachstil, die ignoriert werden, sobald ein Speaker-Embedding bereitgestellt wird.

Erweitert 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

Referenztext, der optional zur Verbesserung der Synthese mit einer geklonten Stimme bereitgestellt werden kann; er muss dem zum Erstellen des Speaker-Embeddings verwendeten Text entsprechen.

Datei ablegen oder

Geklonte Stimme für die Sprachsynthese, sofern angegeben; sie ersetzt die vordefinierten Stimmoptionen.

Auswahl der Stimme für die Sprachsynthese, überschrieben durch ein bereitgestelltes Speaker-Embedding. Einzelheiten zu Stimmen und zur Unterstützung der Primärsprache sind in der [Dokumentation zu Stimmen](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate) aufgeführt.

Standard Auto

Von der Stimme verwendete Sprache.

Standard 50

Einstellung für Top-k-Sampling.

Standard 1

Beim Sampling verwendete Top-p-Einstellung.

Standard 0.9

Beim Sampling verwendete Temperatur; höhere Werte erhöhen die Zufälligkeit.

Standard 1.05

Strafe, die die Wiederholung von Token oder Codes verhindert.

Standard 50

Top-k-Einstellung beim Sampling aus dem Sub-Talker.

Standard 1

Top-p-Einstellung beim Sampling aus dem Sub-Talker.

Standard 0.9

Sampling-Temperatur des Sub-Talkers.

Standard 200

Obergrenze für neu generierte Codec-Token.

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

Diese Anfrage ausführen

Dein Schlüssel bleibt in diesem Browser: Er wird nur an die Doitong API gesendet und nur gespeichert (localStorage), wenn du „Merken“ aktivierst. API-Schlüssel abrufen

Über Qwen 3 TTS - Text to Speech [0.6B]

Wandelt `text` mit dem 0.6B-Modell in Sprache um. Wähle eine voreingestellte `voice` wie Vivian, Serena, Dylan oder Sohee oder übergib `speaker_voice_embedding_file_url` für eine geklonte Stimme, optional mit `reference_text`. `language` umfasst Auto und zehn benannte Sprachen einschließlich English, Chinese und Japanese. Sampling-Steuerungen und `max_new_tokens` (1 bis 8192) sind verfügbar.

Parameter

NameTyp StandardZulässig Beschreibung
texterforderlich
Typstring
Textinhalt, der in Sprache umgewandelt werden soll.
promptoptional
Typstring | null
Optionale Anweisungen für den Sprachstil, die ignoriert werden, sobald ein Speaker-Embedding bereitgestellt wird.
voiceoptional
Typenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Auswahl der Stimme für die Sprachsynthese, überschrieben durch ein bereitgestelltes Speaker-Embedding. Einzelheiten zu Stimmen und zur Unterstützung der Primärsprache sind in der [Dokumentation zu Stimmen](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate) aufgeführt.
languageoptional
Typenum
StandardAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Von der Stimme verwendete Sprache.
speaker_voice_embedding_file_urloptional
Typurl · file
Geklonte Stimme für die Sprachsynthese, sofern angegeben; sie ersetzt die vordefinierten Stimmoptionen.
reference_textoptional
Typstring | null
Referenztext, der optional zur Verbesserung der Synthese mit einer geklonten Stimme bereitgestellt werden kann; er muss dem zum Erstellen des Speaker-Embeddings verwendeten Text entsprechen.
top_koptional
Typinteger | null
Standard50
≥ 0
Einstellung für Top-k-Sampling.
top_poptional
Typnumber | null
Standard1
0 – 1
Beim Sampling verwendete Top-p-Einstellung.
temperatureoptional
Typnumber | null
Standard0.9
≤ 1> 0
Beim Sampling verwendete Temperatur; höhere Werte erhöhen die Zufälligkeit.
repetition_penaltyoptional
Typnumber | null
Standard1.05
≥ 0
Strafe, die die Wiederholung von Token oder Codes verhindert.
subtalker_dosampleoptional
Typboolean | null
Standardtrue
Schalter zum Aktivieren oder Deaktivieren des Samplings durch den Sub-Talker.
subtalker_top_koptional
Typinteger | null
Standard50
≥ 0
Top-k-Einstellung beim Sampling aus dem Sub-Talker.
subtalker_top_poptional
Typnumber | null
Standard1
0 – 1
Top-p-Einstellung beim Sampling aus dem Sub-Talker.
subtalker_temperatureoptional
Typnumber | null
Standard0.9
0 – 1
Sampling-Temperatur des Sub-Talkers.
max_new_tokensoptional
Typinteger | null
Standard200
1 – 8.192
Obergrenze für neu generierte Codec-Token.
enable_safety_checkeroptional
Typboolean
Standardtrue
Die Prüfung kann durch Setzen auf false gelockert werden, sofern der Aufrufer dazu berechtigt ist.
erforderlich

Dateiparameter akzeptieren eine öffentliche https://-URL, eine data:-URI bis 10 MB oder die file_url eines Uploads. Dateien

Ausgabe

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"
  }
}
Deine Dateien, deine EntscheidungJede outputs[].url ist eine Kopie in unserem Speicher: dauerhaft aufbewahrt (Abrechnung pro GB-Monat) oder 7 Tage kostenlos – je nach Kontoeinstellung oder ?storage=.
Gleiche Struktur bei jedem Modelltype, url, content_type, width, height und duration – für Bilder, Video und Audio gleichermaßen. output ist das Ergebnisobjekt des Modells.
Ausgabefelder
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Audiodatei mit der synthetisierten Sprache.

Weitere Modelle: Text zu Sprache

Für KI-Agenten: Diese Seite ist als Markdown verfügbar unter https://doitong.com/de/developers/models/qwen-3-tts/text-to-speech/0.6b.md. Alle Modelle und Anleitungen: https://doitong.com/developers/llms.txt