Léim chuig an ábhar

Qwen 3 TTS - Text to Speech [0.6B]

Comhtháthú

Aitheantas na samhla 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"

An t-iarratas seo: $0.004 4 chreidmheas API · ≈ ₽0.43 Rith ar an leathanach seo

Faigh eochair API
Alibaba Téacs go Urlabhra Ionchuir tagartha #text-to-speech

Téacs-go-hurlabhra Qwen3 níos lú 0.6B le naoi nguth réamhshocraithe, rogha teanga agus clónáil gutha trí leabú

Alibaba · Fuaim

Beidh do chéad toradh anseo

Tóg iarratas thíos agus rith é le d’eochair API. Cóipeáiltear na haschuir chuig ár stóráil, coinnithe go deo nó ar feadh 7 lá saor in aisce.

Tóg iarratas

Gintear na rialtáin ó scéim na samhla. Nuashonraítear an cód agus an praghas de réir mar a athraíonn tú iad.

•riachtanach

Ábhar téacs le tiontú go caint.

Treoracha roghnacha maidir le stíl cainte, a ndéantar neamhaird díobh aon uair a sholáthraítear leabú cainteora.

Ardleibhéal 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

Téacs tagartha, a sholáthraítear go roghnach chun sintéis le guth clónáilte a fheabhsú; caithfidh sé a bheith mar an téacs a úsáideadh chun leabú an chainteora a chruthú.

Scaoil comhad, nó

Guth clónáilte le haghaidh sintéise cainte, má sholáthraítear é, a ghlacann ionad na roghanna réamhshainithe gutha.

Rogha gutha sintéise cainte, a sháraíonn aon leabú cainteora a sholáthraítear. Tá sonraí gutha agus tacaíocht na bpríomhtheangacha liostaithe sna [doiciméid ghutha](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).

réamhshocrú Auto

Teanga a úsáideann an guth.

réamhshocrú 50

Socrú le haghaidh samplála top-k.

réamhshocrú 1

Socrú Top-p a úsáidtear le linn samplála.

réamhshocrú 0.9

Teocht a úsáidtear le linn samplála; méadaíonn luachanna níos mó randamacht.

réamhshocrú 1.05

Pionós a dhíspreagann athrá tócan nó cód.

réamhshocrú 50

Socrú top-k a úsáidtear agus sampláil á déanamh ón bhfochainteoir.

réamhshocrú 1

Socrú top-p a úsáidtear agus sampláil á déanamh ón bhfochainteoir.

réamhshocrú 0.9

Teocht samplála a úsáideann an fochainteoir.

réamhshocrú 200

Uasteorainn ar na tócan nua codec a ghintear.

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

Rith an t-iarratas seo

Fanann d'eochair sa bhrabhsálaí seo: seoltar chuig Doitong API amháin í agus sábháiltear (localStorage) í ach amháin má chuireann tú tic le Meabhraigh. Faigh eochair API

Maidir le Qwen 3 TTS - Text to Speech [0.6B]

Tiontaíonn sé `text` go hurlabhra leis an tsamhail 0.6B. Roghnaigh `voice` réamhshocraithe amhail Vivian, Serena, Dylan nó Sohee, nó soláthair `speaker_voice_embedding_file_url` chun guth clónáilte a úsáid, agus `reference_text` más mian leat. Clúdaíonn `language` Auto móide deich dteanga ainmnithe, lena n-áirítear Béarla, Sínis agus Seapáinis. Tá rialuithe samplála agus `max_new_tokens` (1 go 8192) ar fáil.

Paraiméadair

AinmCineál RéamhshocrúCeadaithe Cur síos
textriachtanach
Cineálstring
Ábhar téacs le tiontú go caint.
promptroghnach
Cineálstring | null
Treoracha roghnacha maidir le stíl cainte, a ndéantar neamhaird díobh aon uair a sholáthraítear leabú cainteora.
voiceroghnach
Cineálenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Rogha gutha sintéise cainte, a sháraíonn aon leabú cainteora a sholáthraítear. Tá sonraí gutha agus tacaíocht na bpríomhtheangacha liostaithe sna [doiciméid ghutha](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).
languageroghnach
Cineálenum
RéamhshocrúAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Teanga a úsáideann an guth.
speaker_voice_embedding_file_urlroghnach
Cineálurl · file
Guth clónáilte le haghaidh sintéise cainte, má sholáthraítear é, a ghlacann ionad na roghanna réamhshainithe gutha.
reference_textroghnach
Cineálstring | null
Téacs tagartha, a sholáthraítear go roghnach chun sintéis le guth clónáilte a fheabhsú; caithfidh sé a bheith mar an téacs a úsáideadh chun leabú an chainteora a chruthú.
top_kroghnach
Cineálinteger | null
Réamhshocrú50
≥ 0
Socrú le haghaidh samplála top-k.
top_proghnach
Cineálnumber | null
Réamhshocrú1
0 – 1
Socrú Top-p a úsáidtear le linn samplála.
temperatureroghnach
Cineálnumber | null
Réamhshocrú0.9
≤ 1> 0
Teocht a úsáidtear le linn samplála; méadaíonn luachanna níos mó randamacht.
repetition_penaltyroghnach
Cineálnumber | null
Réamhshocrú1.05
≥ 0
Pionós a dhíspreagann athrá tócan nó cód.
subtalker_dosampleroghnach
Cineálboolean | null
Réamhshocrútrue
Lasca a chumasaíonn nó a dhíchumasaíonn sampláil ag an bhfochainteoir.
subtalker_top_kroghnach
Cineálinteger | null
Réamhshocrú50
≥ 0
Socrú top-k a úsáidtear agus sampláil á déanamh ón bhfochainteoir.
subtalker_top_proghnach
Cineálnumber | null
Réamhshocrú1
0 – 1
Socrú top-p a úsáidtear agus sampláil á déanamh ón bhfochainteoir.
subtalker_temperatureroghnach
Cineálnumber | null
Réamhshocrú0.9
0 – 1
Teocht samplála a úsáideann an fochainteoir.
max_new_tokensroghnach
Cineálinteger | null
Réamhshocrú200
1 – 8,192
Uasteorainn ar na tócan nua codec a ghintear.
enable_safety_checkerroghnach
Cineálboolean
Réamhshocrútrue
Is féidir an scagadh a mhaolú trí false a shocrú, ar choinníoll go bhfuil údarú ag an nglaoiteoir.
riachtanach

Glacann paraiméadair chomhaid le URL poiblí https://, URI data: suas le 10 MB, nó file_url uaslódála. Comhaid

Aschur

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"
  }
}
Do chuid comhad, do roghaIs cóip ar ár stóráil é gach outputs[].url: coinnithe go deo (íoctha in aghaidh GB-mhí) nó ar feadh 7 lá saor in aisce, de réir shocrú do chuntais nó ?storage=.
An cruth céanna ar gach samhailtype, url, content_type, width, height agus duration, d'íomhánna, d'fhíseáin agus d'fhuaim araon. Is é output réad toraidh na samhla féin.
Réimsí aschuir
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Comhad fuaime ina bhfuil an urlabhra shintéisithe.

Tuilleadh samhlacha: Téacs go Urlabhra

Do ghníomhairí AI: tá an leathanach seo mar Markdown ag https://doitong.com/ga/developers/models/qwen-3-tts/text-to-speech/0.6b.md. Gach samhail agus treoir: https://doitong.com/developers/llms.txt