Ugrás a tartalomhoz

Qwen 3 TTS - Text to Speech [0.6B]

Integráció

Modellazonosító 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"

Ez a kérés: 0,004 $ 4 API-jóváírás · ≈ 0,43 ₽ Futtatás ezen az oldalon

API-kulcs beszerzése
Alibaba Szövegből beszéd Referencia-bemenetek #text-to-speech

Kisebb, 0.6B méretű Qwen3 szövegfelolvasó kilenc előre beállított hanggal, nyelvválasztással és embedding-alapú hangklónozással

Alibaba · Hang

Az első eredményed itt jelenik meg

Állíts össze egy kérést alább, majd futtasd az API-kulcsoddal. A kimeneteket a tárhelyünkre másoljuk, és örökre vagy 7 nap ideig ingyenesen őrizzük meg.

Kérés összeállítása

A vezérlők a modell sémájából jönnek létre. A kód és az ár a módosításokkal együtt frissül.

•kötelező

Beszéddé alakítandó szöveges tartalom.

Opcionális beszédstílus-utasítások; beszélőbeágyazás megadásakor a rendszer figyelmen kívül hagyja.

Speciális 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

Opcionálisan megadott referenciaszöveg a klónozott hanggal végzett szintézis javításához; annak a szövegnek kell lennie, amelyből a beszélőbeágyazás készült.

Húzz egy fájlt ide, vagy

Beszédszintézishez használt klónozott hang, ha meg van adva; felváltja az előre definiált hangbeállításokat.

Beszédszintézishez használt hang kiválasztása, amelyet bármely megadott beszélőbeágyazás felülbírál. A hang részletei és az elsődleges nyelvi támogatás a [hangdokumentációban](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate) találhatók.

alapértelmezett: Auto

A hang által használt nyelv.

alapértelmezett: 50

A top-k mintavételezés beállítása.

alapértelmezett: 1

Mintavételezés során használt Top-p beállítás.

alapértelmezett: 0.9

Mintavételezés során használt hőmérséklet; a nagyobb értékek növelik a véletlenszerűséget.

alapértelmezett: 1.05

A tokenek vagy kódok ismétlődését visszaszorító büntetés.

alapértelmezett: 50

A segédbeszélő mintavételezésekor használt top-k beállítás.

alapértelmezett: 1

A segédbeszélő mintavételezésekor használt top-p beállítás.

alapértelmezett: 0.9

A segédbeszélő által használt mintavételezési hőmérséklet.

alapértelmezett: 200

Az újonnan generált kodektokenek felső korlátja.

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

Kérés futtatása

A kulcsod ebben a böngészőben marad: csak a Doitong API-nak küldjük el, és csak akkor mentjük a localStorage-ba, ha bejelölöd az Emlékezz rám lehetőséget. API-kulcs igénylése

A(z) Qwen 3 TTS - Text to Speech [0.6B] bemutatása

A `text` értéket a 0.6B modellel beszéddé alakítja. Választható előre beállított `voice`, például Vivian, Serena, Dylan vagy Sohee, illetve klónozott hanghoz megadható a `speaker_voice_embedding_file_url`, opcionálisan `reference_text` értékkel. A `language` az Auto és tíz megnevezett nyelvet, köztük az angolt, a kínait és a japánt támogatja. A mintavételezési beállítások és a `max_new_tokens` (1–8192) elérhetők.

Paraméterek

NévTípus AlapértelmezettEngedélyezett Leírás
textkötelező
Típusstring
Beszéddé alakítandó szöveges tartalom.
promptnem kötelező
Típusstring | null
Opcionális beszédstílus-utasítások; beszélőbeágyazás megadásakor a rendszer figyelmen kívül hagyja.
voicenem kötelező
Típusenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Beszédszintézishez használt hang kiválasztása, amelyet bármely megadott beszélőbeágyazás felülbírál. A hang részletei és az elsődleges nyelvi támogatás a [hangdokumentációban](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate) találhatók.
languagenem kötelező
Típusenum
AlapértelmezettAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
A hang által használt nyelv.
speaker_voice_embedding_file_urlnem kötelező
Típusurl · file
Beszédszintézishez használt klónozott hang, ha meg van adva; felváltja az előre definiált hangbeállításokat.
reference_textnem kötelező
Típusstring | null
Opcionálisan megadott referenciaszöveg a klónozott hanggal végzett szintézis javításához; annak a szövegnek kell lennie, amelyből a beszélőbeágyazás készült.
top_knem kötelező
Típusinteger | null
Alapértelmezett50
≥ 0
A top-k mintavételezés beállítása.
top_pnem kötelező
Típusnumber | null
Alapértelmezett1
0 – 1
Mintavételezés során használt Top-p beállítás.
temperaturenem kötelező
Típusnumber | null
Alapértelmezett0.9
≤ 1> 0
Mintavételezés során használt hőmérséklet; a nagyobb értékek növelik a véletlenszerűséget.
repetition_penaltynem kötelező
Típusnumber | null
Alapértelmezett1.05
≥ 0
A tokenek vagy kódok ismétlődését visszaszorító büntetés.
subtalker_dosamplenem kötelező
Típusboolean | null
Alapértelmezetttrue
A segédbeszélő mintavételezését engedélyező vagy letiltó kapcsoló.
subtalker_top_knem kötelező
Típusinteger | null
Alapértelmezett50
≥ 0
A segédbeszélő mintavételezésekor használt top-k beállítás.
subtalker_top_pnem kötelező
Típusnumber | null
Alapértelmezett1
0 – 1
A segédbeszélő mintavételezésekor használt top-p beállítás.
subtalker_temperaturenem kötelező
Típusnumber | null
Alapértelmezett0.9
0 – 1
A segédbeszélő által használt mintavételezési hőmérséklet.
max_new_tokensnem kötelező
Típusinteger | null
Alapértelmezett200
1 – 8192
Az újonnan generált kodektokenek felső korlátja.
enable_safety_checkernem kötelező
Típusboolean
Alapértelmezetttrue
A szűrés a false érték beállításával enyhíthető, ha a hívó jogosult erre.
kötelező

A fájlparaméterek nyilvános https:// URL-t, legfeljebb 10 MB-os data: URI-t vagy egy feltöltés file_url értékét fogadják el. Fájlok

Kimenet

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"
  }
}
Az Ön fájljai, az Ön döntéseMinden outputs[].url a tárhelyünkön lévő másolat: örökre megőrizve (GB-hónaponként fizetve) vagy 7 nap ideig ingyenesen, a fiókbeállításod vagy a ?storage= alapján.
Azonos struktúra minden modellentype, url, content_type, width, height és duration képekhez, videókhoz és hanganyagokhoz egyaránt. Az output a modell saját eredményobjektuma.
A kimenet mezői
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}A szintetizált beszédet tartalmazó hangfájl.

További modellek: Szövegből beszéd

AI-ügynököknek: ez az oldal Markdown formátumban itt található: https://doitong.com/hu/developers/models/qwen-3-tts/text-to-speech/0.6b.md. Minden modell és útmutató: https://doitong.com/developers/llms.txt