Lumaktaw sa nilalaman

Qwen 3 TTS - Text to Speech [1.7B]

I-integrate

ID ng 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"

Kahilingang ito: $0.005 5 kredito ng API · ≈ ₽0.54 Patakbuhin ito sa page na ito

Kumuha ng API key
Alibaba Text patungong Speech Mga reference input #text-to-speech

Mas malaking 1.7B Qwen3 text-to-speech na may preset voice, estilo prompt at cloned-voice support

Alibaba · audio

Dito mapupunta ang iyong unang resulta

Bumuo ng kahilingan sa ibaba at patakbuhin ito gamit ang iyong API key. Kinokopya ang mga output sa aming storage, na pinananatili nang walang hanggan o 7 araw nang libre.

Bumuo ng kahilingan

Ang mga control ay binubuo mula sa schema ng modelo. Nagbabago ang code at presyo habang ina-adjust mo ang mga ito.

•kinakailangan

Text content na iko-convert sa speech.

Opsyonal na mga instruction para sa speech style, na binabalewala kapag may ibinigay na speaker embedding.

advanced 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

Reference text, na maaaring ibigay upang mapahusay ang synthesis gamit ang cloned voice; dapat itong text na ginamit upang likhain ang speaker embedding.

Mag-drop ng file, o

Cloned voice para sa speech synthesis, kung ibinigay, na pumapalit sa mga predefined na voice option.

Pagpili ng voice para sa speech synthesis, na nao-override ng anumang ibinigay na speaker embedding. Nakalista ang mga detalye ng voice at pangunahing suporta sa wika sa [dokumentasyon ng voice](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).

default na Auto

Wikang ginagamit ng voice.

default na 50

Setting para sa top-k sampling.

default na 1

Top-p setting na ginagamit habang nagsa-sample.

default na 0.9

Temperature na ginagamit habang nagsa-sample; pinapataas ng mas malalaking value ang randomness.

default na 1.05

Parusang pumipigil sa pag-uulit ng mga token o code.

default na 50

Top-k setting na ginagamit kapag nagsa-sample mula sa sub-talker.

default na 1

Top-p setting na ginagamit kapag nagsa-sample mula sa sub-talker.

default na 0.9

Sampling temperature na ginagamit ng sub-talker.

default na 200

Pinakamataas na limitasyon ng mga bagong nabuong codec token.

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

Patakbuhin ang kahilingang ito

Nananatili ang iyong key sa browser na ito: ipinapadala lamang ito sa Doitong API at sine-save (localStorage) lamang kung pipiliin mo ang Tandaan. Kumuha ng API key

Tungkol sa Qwen 3 TTS - Text to Speech [1.7B]

Ginagawang speech ang `text` gamit ang 1.7B na modelo. Gumamit ng isa sa siyam na preset na voice o cloned voice sa pamamagitan ng `speaker_voice_embedding_file_url`, at magdagdag ng `reference_text` para sa cloning. Ang opsyonal na `prompt` ay gumagabay sa istilo ng pagsasalita kapag walang embedding. Tumatanggap ang `language` ng Auto at sampung wika, at ang `max_new_tokens` ay mula 1 hanggang 8192.

Mga parameter

PangalanUri defaultPinapayagan Paglalarawan
textkinakailangan
Uristring
Text content na iko-convert sa speech.
promptopsyonal
Uristring | null
Opsyonal na mga instruction para sa speech style, na binabalewala kapag may ibinigay na speaker embedding.
voiceopsyonal
Urienum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Pagpili ng voice para sa speech synthesis, na nao-override ng anumang ibinigay na speaker embedding. Nakalista ang mga detalye ng voice at pangunahing suporta sa wika sa [dokumentasyon ng voice](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).
languageopsyonal
Urienum
defaultAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Wikang ginagamit ng voice.
speaker_voice_embedding_file_urlopsyonal
Uriurl · file
Cloned voice para sa speech synthesis, kung ibinigay, na pumapalit sa mga predefined na voice option.
reference_textopsyonal
Uristring | null
Reference text, na maaaring ibigay upang mapahusay ang synthesis gamit ang cloned voice; dapat itong text na ginamit upang likhain ang speaker embedding.
top_kopsyonal
Uriinteger | null
default50
≥ 0
Setting para sa top-k sampling.
top_popsyonal
Urinumber | null
default1
0 – 1
Top-p setting na ginagamit habang nagsa-sample.
temperatureopsyonal
Urinumber | null
default0.9
≤ 1> 0
Temperature na ginagamit habang nagsa-sample; pinapataas ng mas malalaking value ang randomness.
repetition_penaltyopsyonal
Urinumber | null
default1.05
≥ 0
Parusang pumipigil sa pag-uulit ng mga token o code.
subtalker_dosampleopsyonal
Uriboolean | null
defaulttrue
Switch na nag-e-enable o nagdi-disable ng sampling ng sub-talker.
subtalker_top_kopsyonal
Uriinteger | null
default50
≥ 0
Top-k setting na ginagamit kapag nagsa-sample mula sa sub-talker.
subtalker_top_popsyonal
Urinumber | null
default1
0 – 1
Top-p setting na ginagamit kapag nagsa-sample mula sa sub-talker.
subtalker_temperatureopsyonal
Urinumber | null
default0.9
0 – 1
Sampling temperature na ginagamit ng sub-talker.
max_new_tokensopsyonal
Uriinteger | null
default200
1 – 8,192
Pinakamataas na limitasyon ng mga bagong nabuong codec token.
enable_safety_checkeropsyonal
Uriboolean
defaulttrue
Maaaring luwagan ang screening sa pamamagitan ng pagtatakda ng false, kung awtorisado ang tumatawag.
kinakailangan

Tumatanggap ang mga parameter ng file ng pampublikong https:// URL, data: URI na hanggang 10 MB, o file_url ng isang upload. Mga file

Output

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"
  }
}
Ikaw ang pumipili para sa iyong mga fileAng bawat outputs[].url ay kopya sa aming storage: pinananatili nang walang hanggan (sinisingil bawat GB-month) o 7 araw nang libre, ayon sa setting ng iyong account o ?storage=.
Parehong shape sa bawat modelotype, url, content_type, width, height at duration, para sa mga larawan, video at audio. Ang output ay sariling result object ng modelo.
Mga field ng output
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Audio file na naglalaman ng synthesized speech.

Higit pang modelo: Text patungong Speech

Para sa mga AI agent: nasa Markdown ang pahinang ito sa https://doitong.com/fil/developers/models/qwen-3-tts/text-to-speech/1.7b.md. Lahat ng modelo at gabay: https://doitong.com/developers/llms.txt