رفتن به محتوا

Qwen Audio 3.0 TTS (Flash)

یکپارچه‌سازی

شناسه مدل alibaba/qwen-audio-3-tts
# 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/alibaba/qwen-audio-3-tts?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"

این درخواست: ⁨‎$۰٫۰۰۳⁩ ۳ اعتبار API · ≈ ⁨‎₽۰٫۳۲⁩ اجرای آن در این صفحه

دریافت کلید API
Alibaba متن به گفتار سریع #text-to-speech#audio#speech-synthesis#multilingual

تبدیل سریع متن چندزبانه به گفتار با انتخاب صدای نام‌دار و تنظیم زبان اختیاری

Alibaba · صوت

اولین نتیجه شما اینجا قرار می‌گیرد

درخواست را در زیر بسازید و با کلید API خود اجرا کنید. خروجی‌ها در فضای ذخیره‌سازی ما کپی می‌شوند و برای همیشه یا به‌مدت ۷ روز رایگان نگه‌داری می‌شوند.

ساخت درخواست

کنترل‌ها از شِمای مدل تولید می‌شوند. با تغییر آن‌ها، کد و قیمت به‌روزرسانی می‌شوند.

•الزامی 50 / 2000

محتوای متنی برای ترکیب گفتار.

پیشرفته voice · language · enable_safety_checker
پیش‌فرض Cherry

صدای ترکیب را بر اساس پشتیبانی از زبان و گویش انتخاب کنید؛ جزئیات در [فهرست صداهای Qwen-TTS](https://www.alibabacloud.com/help/en/model-studio/qwen-tts-voice-list) آمده است.

پیش‌فرض Auto

زبان متن ورودی: انتخاب صریح، تلفظ و آهنگ گفتار را بهبود می‌دهد؛ `Auto` تشخیص زبان را به مدل واگذار می‌کند.

POST /run/alibaba/qwen-audio-3-tts?wait=20 قیمت → ⁨‎$۰٫۰۰۳⁩
# 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/alibaba/qwen-audio-3-tts?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"

اجرای این درخواست

کلید شما در این مرورگر باقی می‌ماند: فقط به Doitong API ارسال می‌شود و فقط در صورت فعال‌کردن گزینه «یادآوری»، در localStorage ذخیره می‌شود. دریافت کلید API

درباره Qwen Audio 3.0 TTS (Flash)

حداکثر 2000 نویسه از `text` را به گفتار تبدیل می‌کند. یک `voice` را از فهرست نام‌های ازپیش‌تنظیم‌شده انتخاب کنید؛ مقدار پیش‌فرض Cherry است. `language` می‌تواند Auto یا یکی از ده زبان نام‌گذاری‌شده، از جمله چینی، انگلیسی، اسپانیایی و ژاپنی باشد؛ تنظیم صریح آن می‌تواند تلفظ و آهنگ گفتار را بهبود دهد.

پارامترها

نامنوع پیش‌فرضمجاز توضیحات
textالزامی
نوعstring
≤ ۲٬۰۰۰ نویسه
محتوای متنی برای ترکیب گفتار.
voiceاختیاری
نوعenum
پیش‌فرضCherry
CherrySerenaEthanChelsieMomoVivianMoonMaiaKaiNofishBellaJenniferRyanKaterinaAidenMia
+29 مورد دیگرMochiBellonaVincentBunnyNeilEliasArthurNiniSerenPipStellaBodegaSonrisaAlekDolceSoheeLennEmilienAndreJadaDylanLiMarcusRoyPeterSunnyEricRockyKiki
صدای ترکیب را بر اساس پشتیبانی از زبان و گویش انتخاب کنید؛ جزئیات در [فهرست صداهای Qwen-TTS](https://www.alibabacloud.com/help/en/model-studio/qwen-tts-voice-list) آمده است.
languageاختیاری
نوعenum
پیش‌فرضAuto
AutoChineseEnglishSpanishRussianItalianFrenchKoreanJapaneseGermanPortuguese
زبان متن ورودی: انتخاب صریح، تلفظ و آهنگ گفتار را بهبود می‌دهد؛ `Auto` تشخیص زبان را به مدل واگذار می‌کند.
enable_safety_checkerاختیاری
نوعboolean
پیش‌فرضtrue
با تنظیم false، در صورت مجاز بودن فراخواننده، می‌توان بررسی را آسان‌گیرانه‌تر کرد.
الزامی

خروجی

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "alibaba/qwen-audio-3-tts",
  "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": 3,
    "usd": "0.003",
    "charged": 3,
    "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"
  }
}
فایل‌های شما، انتخاب شماهر outputs[].url کپی‌ای در فضای ذخیره‌سازی ماست: برای همیشه (با هزینه به‌ازای هر GB-ماه) یا به‌مدت ۷ روز رایگان، بر اساس تنظیم حساب شما یا ?storage=.
ساختار یکسان در همه مدل‌هاtype، url، content_type، width، height و duration برای تصاویر، ویدیو و صدا یکسان هستند. output شیء نتیجه اختصاصی مدل است.
فیلدهای خروجی
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}فایل صوتی حاوی گفتار ترکیب‌شده.

مدل‌های بیشتر: متن به گفتار

برای عامل‌های هوش مصنوعی: این صفحه به‌صورت Markdown در دسترس است https://doitong.com/fa/developers/models/alibaba/qwen-audio-3-tts.md. همه مدل‌ها و راهنماها: https://doitong.com/developers/llms.txt