Passer au contenu

Qwen 3 TTS - Text to Speech [0.6B]

Intégrer

Identifiant du modèle 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"

Cette requête: 0,004 $ 4 crédits API · ≈ 0,43 ₽ L’exécuter sur cette page

Obtenir une clé API
Alibaba Texte vers parole Entrées de référence #text-to-speech

Synthèse vocale Qwen3 0.6B compacte avec neuf voix prédéfinies, choix de langue et clonage vocal via embedding

Alibaba · audio

Votre premier résultat apparaîtra ici

Construisez une requête ci-dessous et exécutez-la avec votre clé API. Les sorties sont copiées dans notre stockage, conservées indéfiniment ou 7 jours gratuitement.

Créer une requête

Les contrôles sont générés à partir du schéma du modèle. Le code et le prix se mettent à jour lorsque vous les modifiez.

•requis

Contenu textuel à convertir en parole.

Instructions facultatives de style vocal, ignorées lorsqu’un encodage du locuteur est fourni.

Avancé 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

Texte de référence, fourni facultativement pour améliorer la synthèse avec une voix clonée ; il doit s’agir du texte utilisé pour créer l’encodage du locuteur.

Déposez un fichier, ou

Voix clonée pour la synthèse vocale, si elle est fournie ; elle remplace les options de voix prédéfinies.

Sélection de la voix pour la synthèse vocale, remplacée par tout encodage du locuteur fourni. Les détails des voix et la prise en charge des langues principales sont indiqués dans la [documentation des voix](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).

par défaut Auto

Langue utilisée par la voix.

par défaut 50

Réglage de l'échantillonnage top-k.

par défaut 1

Paramètre top-p utilisé pendant l’échantillonnage.

par défaut 0.9

Température utilisée pendant l’échantillonnage ; des valeurs plus élevées augmentent le caractère aléatoire.

par défaut 1.05

Pénalité qui décourage la répétition de jetons ou de codes.

par défaut 50

Paramètre top-k utilisé lors de l’échantillonnage du sous-parleur.

par défaut 1

Paramètre top-p utilisé lors de l’échantillonnage du sous-parleur.

par défaut 0.9

Température d’échantillonnage utilisée par le sous-parleur.

par défaut 200

Limite supérieure du nombre de jetons de codec nouvellement générés.

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

Exécuter cette requête

Votre clé reste dans ce navigateur : elle est envoyée uniquement à la Doitong API et enregistrée dans localStorage uniquement si vous cochez Mémoriser. Obtenir une clé API

À propos de Qwen 3 TTS - Text to Speech [0.6B]

Convertit `text` en parole avec le modèle 0.6B. Choisissez une `voice` prédéfinie comme Vivian, Serena, Dylan ou Sohee, ou fournissez `speaker_voice_embedding_file_url` pour utiliser une voix clonée, éventuellement avec `reference_text`. `language` couvre Auto et dix langues nommées, dont English, Chinese et Japanese. Les contrôles d’échantillonnage et `max_new_tokens` (1 à 8192) sont exposés.

Paramètres

NomType Par défautAutorisé Description
textrequis
Typestring
Contenu textuel à convertir en parole.
promptfacultatif
Typestring | null
Instructions facultatives de style vocal, ignorées lorsqu’un encodage du locuteur est fourni.
voicefacultatif
Typeenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Sélection de la voix pour la synthèse vocale, remplacée par tout encodage du locuteur fourni. Les détails des voix et la prise en charge des langues principales sont indiqués dans la [documentation des voix](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).
languagefacultatif
Typeenum
Par défautAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Langue utilisée par la voix.
speaker_voice_embedding_file_urlfacultatif
Typeurl · file
Voix clonée pour la synthèse vocale, si elle est fournie ; elle remplace les options de voix prédéfinies.
reference_textfacultatif
Typestring | null
Texte de référence, fourni facultativement pour améliorer la synthèse avec une voix clonée ; il doit s’agir du texte utilisé pour créer l’encodage du locuteur.
top_kfacultatif
Typeinteger | null
Par défaut50
≥ 0
Réglage de l'échantillonnage top-k.
top_pfacultatif
Typenumber | null
Par défaut1
0 – 1
Paramètre top-p utilisé pendant l’échantillonnage.
temperaturefacultatif
Typenumber | null
Par défaut0.9
≤ 1> 0
Température utilisée pendant l’échantillonnage ; des valeurs plus élevées augmentent le caractère aléatoire.
repetition_penaltyfacultatif
Typenumber | null
Par défaut1.05
≥ 0
Pénalité qui décourage la répétition de jetons ou de codes.
subtalker_dosamplefacultatif
Typeboolean | null
Par défauttrue
Commutateur qui active ou désactive l’échantillonnage par le sous-parleur.
subtalker_top_kfacultatif
Typeinteger | null
Par défaut50
≥ 0
Paramètre top-k utilisé lors de l’échantillonnage du sous-parleur.
subtalker_top_pfacultatif
Typenumber | null
Par défaut1
0 – 1
Paramètre top-p utilisé lors de l’échantillonnage du sous-parleur.
subtalker_temperaturefacultatif
Typenumber | null
Par défaut0.9
0 – 1
Température d’échantillonnage utilisée par le sous-parleur.
max_new_tokensfacultatif
Typeinteger | null
Par défaut200
1 – 8 192
Limite supérieure du nombre de jetons de codec nouvellement générés.
enable_safety_checkerfacultatif
Typeboolean
Par défauttrue
Le filtrage peut être assoupli en définissant false, si l'appelant est autorisé.
requis

Les paramètres de fichier acceptent une URL publique https://, un URI data: jusqu’à 10 MB ou le file_url d’un téléversement. Fichiers

Sortie

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"
  }
}
Vos fichiers, votre choixChaque outputs[].url est une copie dans notre stockage : conservée indéfiniment (facturation au Go-mois) ou 7 jours gratuitement, selon le réglage de votre compte ou ?storage=.
Même structure pour chaque modèletype, url, content_type, width, height et duration, pour les images, vidéos et fichiers audio. output est le propre objet de résultat du modèle.
Champs de sortie
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Fichier audio contenant la parole synthétisée.

Plus de modèles : Texte vers parole

Pour les agents IA : cette page au format Markdown est disponible à https://doitong.com/fr/developers/models/qwen-3-tts/text-to-speech/0.6b.md. Tous les modèles et guides : https://doitong.com/developers/llms.txt