Leum chun t-susbaint

Qwen 3 TTS - Text to Speech [0.6B]

Amalaich

ID a’ mhodail 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-iarrtas seo: $0.004 4 creideasan API · ≈ ₽0.43 Ruith e air an duilleig seo

Faigh iuchair API
Alibaba Teacsa gu Òraid In-chuir iomraidh #text-to-speech

Qwen3 teacsa-gu-cainnt 0.6B nas lugha le naoi guthan ro-shuidhichte, roghainn cànain agus clonadh gutha tro embedding

Alibaba · Fuaim

Thèid a’ chiad toradh agad an-seo

Tog iarrtas gu h-ìosal agus ruith e leis an iuchair API agad. Tha na h-às-churan air an lethbhreacadh dhan stòradh againn, air an cumail gu bràth no 7 latha an-asgaidh.

Tog iarrtas

Tha na smachdan air an cruthachadh bho sgeama a’ mhodail. Bidh an còd agus a’ phrìs ag ùrachadh fhad ’s a dh’atharraicheas tu iad.

•riatanach

Susbaint teacsa ri thionndadh gu cainnt.

Stiùireadh roghainneil airson stoidhle cainnte, air a leigeil seachad nuair a thèid embedding neach-labhairt a sholar.

Adhartach 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

Teacsa iomraidh, air a sholar gu roghainneil gus co-chur le guth clonaichte a leasachadh; feumaidh e a bhith mar an teacsa a chaidh a chleachdadh gus embedding an neach-labhairt a chruthachadh.

Leig às faidhle, no

Guth clonaichte airson co-chur cainnte, ma thèid a sholar, a’ cur roghainnean gutha ro-mhìnichte nan àite.

Taghadh guth airson co-chur cainnte, air a sgrìobhadh thairis le embedding neach-labhairt sam bith a thèid a sholar. Tha mion-fhiosrachadh a’ ghutha agus taic phrìomh-chànanan air an liostadh anns na [sgrìobhainnean gutha](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).

bun-roghainn Auto

An cànan a chleachdas an guth.

bun-roghainn 50

Suidheachadh airson samplachadh top-k.

bun-roghainn 1

Suidheachadh Top-p a thèid a chleachdadh rè samplachadh.

bun-roghainn 0.9

Teòthachd a thèid a chleachdadh rè samplachadh; bidh luachan nas motha a’ meudachadh air thuaireamachd.

bun-roghainn 1.05

Peanas a chuireas bacadh air ath-aithris thocanan no chòdan.

bun-roghainn 50

Roghainn top-k nuair a thathar a’ samplachadh bhon fho-labhairtiche.

bun-roghainn 1

Roghainn top-p nuair a thathar a’ samplachadh bhon fho-labhairtiche.

bun-roghainn 0.9

Teòthachd samplachaidh a chleachdas an fho-labhairtiche.

bun-roghainn 200

Crìoch àrd air àireamh nan tòcan codec a thèid a ghineadh às ùr.

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

Ruith an t-iarrtas seo

Fuirichidh an iuchair agad sa bhrobhsair seo: thèid a cur chun Doitong API a-mhàin agus a sàbhaladh (localStorage) a-mhàin ma chuireas tu comharra ri Cuimhnich. Faigh iuchair API

Mu Qwen 3 TTS - Text to Speech [0.6B]

Tionndaidhidh e `text` gu cainnt leis a’ mhodail 0.6B. Tagh `voice` ro-shuidhichte leithid Vivian, Serena, Dylan no Sohee, no thoir seachad `speaker_voice_embedding_file_url` gus guth clonnaichte a chleachdadh, le `reference_text` ma thogras tu. Tha `language` a’ gabhail a-steach Auto agus deich cànanan ainmichte, a’ gabhail a-steach English, Chinese agus Japanese. Tha smachdan samplachaidh agus `max_new_tokens` (1 gu 8192) rim faighinn.

Paramadairean

AinmSeòrsa Bun-roghainnCeadaichte Tuairisgeul
textriatanach
Seòrsastring
Susbaint teacsa ri thionndadh gu cainnt.
promptroghainneil
Seòrsastring | null
Stiùireadh roghainneil airson stoidhle cainnte, air a leigeil seachad nuair a thèid embedding neach-labhairt a sholar.
voiceroghainneil
Seòrsaenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Taghadh guth airson co-chur cainnte, air a sgrìobhadh thairis le embedding neach-labhairt sam bith a thèid a sholar. Tha mion-fhiosrachadh a’ ghutha agus taic phrìomh-chànanan air an liostadh anns na [sgrìobhainnean gutha](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).
languageroghainneil
Seòrsaenum
Bun-roghainnAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
An cànan a chleachdas an guth.
speaker_voice_embedding_file_urlroghainneil
Seòrsaurl · file
Guth clonaichte airson co-chur cainnte, ma thèid a sholar, a’ cur roghainnean gutha ro-mhìnichte nan àite.
reference_textroghainneil
Seòrsastring | null
Teacsa iomraidh, air a sholar gu roghainneil gus co-chur le guth clonaichte a leasachadh; feumaidh e a bhith mar an teacsa a chaidh a chleachdadh gus embedding an neach-labhairt a chruthachadh.
top_kroghainneil
Seòrsainteger | null
Bun-roghainn50
≥ 0
Suidheachadh airson samplachadh top-k.
top_proghainneil
Seòrsanumber | null
Bun-roghainn1
0 – 1
Suidheachadh Top-p a thèid a chleachdadh rè samplachadh.
temperatureroghainneil
Seòrsanumber | null
Bun-roghainn0.9
≤ 1> 0
Teòthachd a thèid a chleachdadh rè samplachadh; bidh luachan nas motha a’ meudachadh air thuaireamachd.
repetition_penaltyroghainneil
Seòrsanumber | null
Bun-roghainn1.05
≥ 0
Peanas a chuireas bacadh air ath-aithris thocanan no chòdan.
subtalker_dosampleroghainneil
Seòrsaboolean | null
Bun-roghainntrue
Suidse a chuireas samplachadh leis an fho-labhairtiche air no dheth.
subtalker_top_kroghainneil
Seòrsainteger | null
Bun-roghainn50
≥ 0
Roghainn top-k nuair a thathar a’ samplachadh bhon fho-labhairtiche.
subtalker_top_proghainneil
Seòrsanumber | null
Bun-roghainn1
0 – 1
Roghainn top-p nuair a thathar a’ samplachadh bhon fho-labhairtiche.
subtalker_temperatureroghainneil
Seòrsanumber | null
Bun-roghainn0.9
0 – 1
Teòthachd samplachaidh a chleachdas an fho-labhairtiche.
max_new_tokensroghainneil
Seòrsainteger | null
Bun-roghainn200
1 – 8,192
Crìoch àrd air àireamh nan tòcan codec a thèid a ghineadh às ùr.
enable_safety_checkerroghainneil
Seòrsaboolean
Bun-roghainntrue
Faodar sgrìonadh a shocrachadh le false, ma tha cead aig an neach-gairm.
riatanach

Gabhaidh paramadairean faidhle ri URL poblach https://, URI data: suas ri 10 MB, no file_url de luchdachadh suas. Faidhlichean

Toradh

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"
  }
}
Na faidhlichean agad, do roghainnTha gach outputs[].url na lethbhreac air an stòradh againn: air a chumail gu bràth (air a phàigheadh gach GB-mìos) no 7 latha an-asgaidh, a rèir suidheachadh a’ chunntais agad no ?storage=.
An aon chruth air gach modailtype, url, content_type, width, height agus duration, airson dealbhan, bhidio agus fuaim le chèile. ’S e output nì toraidh a’ mhodail fhèin.
Raointean toraidh
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Faidhle claisneachd anns a bheil a’ chainnt cho-churtha.

Barrachd mhodalan: Teacsa gu Òraid

Do riochdairean AI: tha an duilleag seo mar Markdown aig https://doitong.com/gd/developers/models/qwen-3-tts/text-to-speech/0.6b.md. Na modailean agus na treòraichean uile: https://doitong.com/developers/llms.txt