Μετάβαση στο περιεχόμενο

Qwen 3 TTS - Text to Speech [0.6B]

Ενσωμάτωση

id μοντέλου 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"

Αυτό το αίτημα: 0,004 $ 4 πιστώσεις API · ≈ 0,43 ₽ Εκτέλεση σε αυτήν τη σελίδα

Λήψη κλειδιού API
Alibaba Κείμενο σε ομιλία Είσοδοι αναφοράς #text-to-speech

Μικρότερο Qwen3 0.6B για μετατροπή κειμένου σε ομιλία, με εννέα προκαθορισμένες φωνές, επιλογή γλώσσας και κλωνοποίηση φωνής μέσω ενσωμάτωσης

Alibaba · Ήχος

Το πρώτο σας αποτέλεσμα θα εμφανιστεί εδώ

Δημιουργήστε ένα αίτημα παρακάτω και εκτελέστε το με το κλειδί API σας. Οι έξοδοι αντιγράφονται στην αποθήκευσή μας και διατηρούνται για πάντα ή 7 ημέρες δωρεάν.

Δημιουργία αιτήματος

Τα στοιχεία ελέγχου δημιουργούνται από το σχήμα του μοντέλου. Ο κώδικας και η τιμή ενημερώνονται καθώς τα αλλάζετε.

•απαιτείται

Περιεχόμενο κειμένου προς μετατροπή σε ομιλία.

Προαιρετικές οδηγίες στυλ ομιλίας, αγνοούνται όταν παρέχεται speaker embedding.

Για προχωρημένους 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

Κείμενο αναφοράς, προαιρετικά, για βελτίωση της σύνθεσης με κλωνοποιημένη φωνή· πρέπει να είναι το κείμενο που χρησιμοποιήθηκε για τη δημιουργία του speaker embedding.

Αποθέστε ένα αρχείο ή

Κλωνοποιημένη φωνή για σύνθεση ομιλίας, αν παρέχεται, που αντικαθιστά τις προκαθορισμένες επιλογές φωνής.

Επιλογή φωνής σύνθεσης ομιλίας, παρακάμπτεται από τυχόν παρεχόμενο speaker embedding. Οι λεπτομέρειες φωνών και η υποστήριξη κύριων γλωσσών παρατίθενται στην [τεκμηρίωση φωνής](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).

προεπιλογή Auto

Γλώσσα που χρησιμοποιείται από τη φωνή.

προεπιλογή 50

Ρύθμιση για δειγματοληψία top-k.

προεπιλογή 1

Ρύθμιση Top-p κατά τη δειγματοληψία.

προεπιλογή 0.9

Θερμοκρασία κατά τη δειγματοληψία· υψηλότερες τιμές αυξάνουν την τυχαιότητα.

προεπιλογή 1.05

Ποινή που αποθαρρύνει την επανάληψη token ή κωδικών.

προεπιλογή 50

Ρύθμιση top-k κατά τη δειγματοληψία από τον υπο-ομιλητή.

προεπιλογή 1

Ρύθμιση top-p κατά τη δειγματοληψία από τον υπο-ομιλητή.

προεπιλογή 0.9

Θερμοκρασία δειγματοληψίας που χρησιμοποιεί ο υπο-ομιλητής.

προεπιλογή 200

Ανώτατο όριο για τα νέα token codec που παράγονται.

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

Εκτέλεση αυτού του αιτήματος

Το κλειδί σας παραμένει σε αυτό το πρόγραμμα περιήγησης: αποστέλλεται μόνο στο Doitong API και αποθηκεύεται (localStorage) μόνο αν ενεργοποιήσετε την επιλογή «Να απομνημονεύεται». Λήψη κλειδιού API

Σχετικά με το Qwen 3 TTS - Text to Speech [0.6B]

Μετατρέπει το `text` σε ομιλία χρησιμοποιώντας το μοντέλο 0.6B. Επιλέξτε μια προεπιλεγμένη `voice`, όπως Vivian, Serena, Dylan ή Sohee, ή παρέχετε `speaker_voice_embedding_file_url` για χρήση κλωνοποιημένης φωνής, προαιρετικά με `reference_text`. Το `language` καλύπτει το Auto και δέκα ονομασμένες γλώσσες, συμπεριλαμβανομένων των English, Chinese και Japanese. Παρέχονται στοιχεία ελέγχου δειγματοληψίας και `max_new_tokens` (1 έως 8192).

Παράμετροι

ΌνομαΤύπος ΠροεπιλογήΕπιτρεπόμενο Περιγραφή
textαπαιτείται
Τύποςstring
Περιεχόμενο κειμένου προς μετατροπή σε ομιλία.
promptπροαιρετικό
Τύποςstring | null
Προαιρετικές οδηγίες στυλ ομιλίας, αγνοούνται όταν παρέχεται speaker embedding.
voiceπροαιρετικό
Τύποςenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Επιλογή φωνής σύνθεσης ομιλίας, παρακάμπτεται από τυχόν παρεχόμενο speaker embedding. Οι λεπτομέρειες φωνών και η υποστήριξη κύριων γλωσσών παρατίθενται στην [τεκμηρίωση φωνής](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).
languageπροαιρετικό
Τύποςenum
ΠροεπιλογήAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Γλώσσα που χρησιμοποιείται από τη φωνή.
speaker_voice_embedding_file_urlπροαιρετικό
Τύποςurl · file
Κλωνοποιημένη φωνή για σύνθεση ομιλίας, αν παρέχεται, που αντικαθιστά τις προκαθορισμένες επιλογές φωνής.
reference_textπροαιρετικό
Τύποςstring | null
Κείμενο αναφοράς, προαιρετικά, για βελτίωση της σύνθεσης με κλωνοποιημένη φωνή· πρέπει να είναι το κείμενο που χρησιμοποιήθηκε για τη δημιουργία του speaker embedding.
top_kπροαιρετικό
Τύποςinteger | null
Προεπιλογή50
≥ 0
Ρύθμιση για δειγματοληψία top-k.
top_pπροαιρετικό
Τύποςnumber | null
Προεπιλογή1
0 – 1
Ρύθμιση Top-p κατά τη δειγματοληψία.
temperatureπροαιρετικό
Τύποςnumber | null
Προεπιλογή0.9
≤ 1> 0
Θερμοκρασία κατά τη δειγματοληψία· υψηλότερες τιμές αυξάνουν την τυχαιότητα.
repetition_penaltyπροαιρετικό
Τύποςnumber | null
Προεπιλογή1.05
≥ 0
Ποινή που αποθαρρύνει την επανάληψη token ή κωδικών.
subtalker_dosampleπροαιρετικό
Τύποςboolean | null
Προεπιλογήtrue
Διακόπτης που ενεργοποιεί ή απενεργοποιεί τη δειγματοληψία από τον υπο-ομιλητή.
subtalker_top_kπροαιρετικό
Τύποςinteger | null
Προεπιλογή50
≥ 0
Ρύθμιση top-k κατά τη δειγματοληψία από τον υπο-ομιλητή.
subtalker_top_pπροαιρετικό
Τύποςnumber | null
Προεπιλογή1
0 – 1
Ρύθμιση top-p κατά τη δειγματοληψία από τον υπο-ομιλητή.
subtalker_temperatureπροαιρετικό
Τύποςnumber | null
Προεπιλογή0.9
0 – 1
Θερμοκρασία δειγματοληψίας που χρησιμοποιεί ο υπο-ομιλητής.
max_new_tokensπροαιρετικό
Τύποςinteger | null
Προεπιλογή200
1 – 8.192
Ανώτατο όριο για τα νέα token codec που παράγονται.
enable_safety_checkerπροαιρετικό
Τύποςboolean
Προεπιλογήtrue
Ο έλεγχος μπορεί να χαλαρώσει με τη ρύθμιση false, εφόσον ο καλών είναι εξουσιοδοτημένος.
απαιτείται

Οι παράμετροι αρχείων δέχονται ένα δημόσιο URL https://, ένα URI data: έως 10 MB ή το file_url μιας μεταφόρτωσης. Αρχεία

Έξοδος

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"
  }
}
Τα αρχεία σας, η επιλογή σαςΚάθε outputs[].url είναι ένα αντίγραφο στην αποθήκευσή μας: διατηρείται για πάντα (χρέωση ανά GB-μήνα) ή 7 ημέρες δωρεάν, σύμφωνα με τη ρύθμιση του λογαριασμού σας ή ?storage=.
Ίδια μορφή σε κάθε μοντέλοtype, url, content_type, width, height και duration, τόσο για εικόνες όσο και για βίντεο και ήχο. Το output είναι το αντικείμενο αποτελέσματος του ίδιου του μοντέλου.
Πεδία εξόδου
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Αρχείο ήχου που περιέχει τη συνθετική ομιλία.

Περισσότερα μοντέλα: Κείμενο σε ομιλία

Για πράκτορες AI: αυτή η σελίδα σε Markdown βρίσκεται στη διεύθυνση https://doitong.com/el/developers/models/qwen-3-tts/text-to-speech/0.6b.md. Όλα τα μοντέλα και οι οδηγοί: https://doitong.com/developers/llms.txt