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 predefinidas, 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, conservadas 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 al modificarlos.

•obligatorio

Contenido de texto que se convertirá en voz.

Instrucciones opcionales de estilo de voz, ignoradas cuando se proporciona una representación 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 representación 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, anulada por cualquier representación del hablante proporcionada. Los detalles de las voces y la compatibilidad con los idiomas principales se indican en la [documentación de voces](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 desaconseja 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 (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 predefinidas o una voz clonada mediante `speaker_voice_embedding_file_url`, y añade `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 cuando se proporciona una representación del hablante.
voiceopcional
Tipoenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Selección de voz para la síntesis de voz, anulada por cualquier representación del hablante proporcionada. Los detalles de las voces y la compatibilidad con los idiomas principales se indican en la [documentación de voces](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 representación 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 desaconseja 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 – 8192
Límite superior de tokens de códec generados recientemente.
enable_safety_checkeropcional
Tipoboolean
Predeterminadotrue
La moderación puede relajarse estableciendo false, siempre que el autor de la llamada esté autorizado.
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: conservada para siempre (se cobra 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 vídeo 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 en https://doitong.com/es/developers/models/qwen-3-tts/text-to-speech/1.7b.md. Todos los modelos y guías: https://doitong.com/developers/llms.txt