Ir al contenido

Qwen 3 TTS - Text to Speech [1.7B]

Integrar

ID del modelo qwen-3-tts/text-to-speech/1.7b
# 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/1.7b?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"

Esta solicitud: $0.005 5 créditos de API · ≈ ₽0.54 Ejecutar en esta página

Obtener clave de API
Alibaba Texto a voz Entradas de referencia #text-to-speech

Texto a voz Qwen3 1.7B más grande, con voces preestablecidas, prompt de estilo y compatibilidad con voces clonadas

Alibaba · Audio

Tu primer resultado aparecerá aquí

Crea una solicitud abajo y ejecútala con tu clave de API. Las salidas se copian en nuestro almacenamiento, donde se conservan para siempre o 7 días gratis.

Crear una solicitud

Los controles se generan a partir del esquema del modelo. El código y el precio se actualizan conforme los cambias.

•obligatorio

Contenido de texto que se convertirá en voz.

Instrucciones opcionales de estilo de voz, ignoradas siempre que se proporcione una incrustación del hablante.

Avanzado 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

Texto de referencia, proporcionado opcionalmente para mejorar la síntesis con una voz clonada; debe ser el texto utilizado para crear la incrustación del hablante.

Suelta un archivo o

Voz clonada para la síntesis de voz, si se proporciona; reemplaza las opciones de voz predefinidas.

Selección de voz para la síntesis de voz, reemplazada por cualquier incrustación del hablante proporcionada. Los detalles de la voz y la compatibilidad con el idioma principal se indican en la [documentación de voz](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).

predeterminado Auto

Idioma utilizado por la voz.

predeterminado 50

Configuración para el muestreo top-k.

predeterminado 1

Configuración de Top-p utilizada durante el muestreo.

predeterminado 0.9

Temperatura utilizada durante el muestreo; los valores más altos aumentan la aleatoriedad.

predeterminado 1.05

Penalización que desalienta la repetición de tokens o códigos.

predeterminado 50

Configuración top-k utilizada al muestrear del subhablante.

predeterminado 1

Configuración top-p utilizada al muestrear del subhablante.

predeterminado 0.9

Temperatura de muestreo utilizada por el subhablante.

predeterminado 200

Límite superior de tokens de códec generados recientemente.

POST /run/qwen-3-tts/text-to-speech/1.7b?wait=20 cotización → $0.005
# 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/1.7b?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"

Ejecutar esta solicitud

Tu clave permanece en este navegador: solo se envía a la Doitong API y se guarda en localStorage únicamente si marcas Recordar. Obtener una clave de API

Acerca de Qwen 3 TTS - Text to Speech [1.7B]

Convierte `text` en voz con el modelo 1.7B. Usa una de las nueve voces preestablecidas o una voz clonada mediante `speaker_voice_embedding_file_url`, y agrega `reference_text` para la clonación. Un `prompt` opcional guía el estilo de habla cuando no se proporciona un embedding. `language` acepta Auto y diez idiomas, y `max_new_tokens` va de 1 a 8192.

Parámetros

NombreTipo PredeterminadoPermitido Descripción
textobligatorio
Tipostring
Contenido de texto que se convertirá en voz.
promptopcional
Tipostring | null
Instrucciones opcionales de estilo de voz, ignoradas siempre que se proporcione una incrustación del hablante.
voiceopcional
Tipoenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Selección de voz para la síntesis de voz, reemplazada por cualquier incrustación del hablante proporcionada. Los detalles de la voz y la compatibilidad con el idioma principal se indican en la [documentación de voz](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).
languageopcional
Tipoenum
PredeterminadoAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Idioma utilizado por la voz.
speaker_voice_embedding_file_urlopcional
Tipourl · file
Voz clonada para la síntesis de voz, si se proporciona; reemplaza las opciones de voz predefinidas.
reference_textopcional
Tipostring | null
Texto de referencia, proporcionado opcionalmente para mejorar la síntesis con una voz clonada; debe ser el texto utilizado para crear la incrustación del hablante.
top_kopcional
Tipointeger | null
Predeterminado50
≥ 0
Configuración para el muestreo top-k.
top_popcional
Tiponumber | null
Predeterminado1
0 – 1
Configuración de Top-p utilizada durante el muestreo.
temperatureopcional
Tiponumber | null
Predeterminado0.9
≤ 1> 0
Temperatura utilizada durante el muestreo; los valores más altos aumentan la aleatoriedad.
repetition_penaltyopcional
Tiponumber | null
Predeterminado1.05
≥ 0
Penalización que desalienta la repetición de tokens o códigos.
subtalker_dosampleopcional
Tipoboolean | null
Predeterminadotrue
Interruptor que activa o desactiva el muestreo mediante el subhablante.
subtalker_top_kopcional
Tipointeger | null
Predeterminado50
≥ 0
Configuración top-k utilizada al muestrear del subhablante.
subtalker_top_popcional
Tiponumber | null
Predeterminado1
0 – 1
Configuración top-p utilizada al muestrear del subhablante.
subtalker_temperatureopcional
Tiponumber | null
Predeterminado0.9
0 – 1
Temperatura de muestreo utilizada por el subhablante.
max_new_tokensopcional
Tipointeger | null
Predeterminado200
1 – 8,192
Límite superior de tokens de códec generados recientemente.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
La moderación puede relajarse estableciendo false, siempre que la persona que llama esté autorizada.
obligatorio

Los parámetros de archivo aceptan una URL pública https://, un URI data: de hasta 10 MB o el file_url de una carga. Archivos

Salida

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "qwen-3-tts/text-to-speech/1.7b",
  "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": 5,
    "usd": "0.005",
    "charged": 5,
    "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"
  }
}
Tus archivos, tú eligesCada outputs[].url es una copia en nuestro almacenamiento: se conserva para siempre (con cobro por GB-mes) o 7 días gratis, según la configuración de tu cuenta o ?storage=.
La misma estructura en todos los modelostype, url, content_type, width, height y duration, tanto para imágenes como para video y audio. output es el objeto de resultado propio del modelo.
Campos de salida
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Archivo de audio que contiene la voz sintetizada.

Más modelos: Texto a voz

Para agentes de IA: esta página en Markdown está disponible en https://doitong.com/es-MX/developers/models/qwen-3-tts/text-to-speech/1.7b.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt