Sleppa yfir í efni

Qwen 3 TTS - Text to Speech [1.7B]

Tengja

Auðkenni líkans 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"

Þessi beiðni: 0,005 $ 5 API-inneignir · ≈ 0,54 ₽ Keyra á þessari síðu

Fá API-lykil
Alibaba Texti í tal Tilvísunarinnlegg #text-to-speech

Stærra 1.7B Qwen3 text-to-speech með forstilltum röddum, stíl-prompti og stuðningi við klónaðar raddir

Alibaba · Hljóð

Fyrsta niðurstaðan þín birtist hér

Búðu til beiðni hér að neðan og keyrðu hana með API-lyklinum þínum. Úttök eru afrituð í geymsluna okkar og geymd að eilífu eða 7 dagar án kostnaðar.

Búa til beiðni

Stýringar eru búnar til út frá líkanaskemanu. Kóðinn og verðið uppfærast þegar þú breytir þeim.

•áskilið

Texti sem á að breyta í tal.

Valfrjálsar leiðbeiningar um talstíl, hunsaðar þegar málraddsinnfelling er gefin upp.

Ítarlegt 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

Tilvísunartexti, sem má gefa upp til að bæta myndun með afritaðri rödd; hann verður að vera textinn sem notaður var til að búa til málraddsinnfellinguna.

Slepptu skrá eða

Afrituð rödd fyrir talmyndun, ef hún er gefin upp, sem kemur í stað forstilltu raddanna.

Val á rödd fyrir talmyndun, sem er yfirskrifað af allri málraddsinnfellingu sem gefin er upp. Upplýsingar um raddir og stuðning við aðaltungumál eru í [raddskjölunum](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).

sjálfgefið Auto

Tungumál sem röddin notar.

sjálfgefið 50

Stilling fyrir top-k-úrtak.

sjálfgefið 1

Top-p-stilling sem er notuð við úrtak.

sjálfgefið 0.9

Hitastig sem er notað við úrtak; hærri gildi auka slembni.

sjálfgefið 1.05

Refsing sem dregur úr endurtekningu tákna eða kóða.

sjálfgefið 50

Top-k-stilling sem notuð er við úrtak frá undirræðumanni.

sjálfgefið 1

Top-p-stilling sem notuð er við úrtak frá undirræðumanni.

sjálfgefið 0.9

Úrtakshiti sem undirræðumaðurinn notar.

sjálfgefið 200

Hámarksfjöldi nýrra myndaðra merkjamálstákna.

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

Keyra þessa beiðni

Lykillinn þinn er áfram í þessum vafra: hann er aðeins sendur til Doitong API og vistaður í localStorage aðeins ef þú hakar við Muna. Fá API-lykil

Um Qwen 3 TTS - Text to Speech [1.7B]

Breytir `text` í tal með 1.7B-líkaninu. Notaðu eina af níu forstilltum röddum eða klónaða rödd í gegnum `speaker_voice_embedding_file_url` og bættu við `reference_text` fyrir klónun. Valfrjáls `prompt` stýrir talstíl þegar engin innfelling er gefin. `language` tekur við Auto og tíu tungumálum og `max_new_tokens` er frá 1 til 8192.

Færibreytur

HeitiGerð SjálfgefiðLeyfilegt Lýsing
textáskilið
Gerðstring
Texti sem á að breyta í tal.
promptvalfrjálst
Gerðstring | null
Valfrjálsar leiðbeiningar um talstíl, hunsaðar þegar málraddsinnfelling er gefin upp.
voicevalfrjálst
Gerðenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Val á rödd fyrir talmyndun, sem er yfirskrifað af allri málraddsinnfellingu sem gefin er upp. Upplýsingar um raddir og stuðning við aðaltungumál eru í [raddskjölunum](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).
languagevalfrjálst
Gerðenum
SjálfgefiðAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Tungumál sem röddin notar.
speaker_voice_embedding_file_urlvalfrjálst
Gerðurl · file
Afrituð rödd fyrir talmyndun, ef hún er gefin upp, sem kemur í stað forstilltu raddanna.
reference_textvalfrjálst
Gerðstring | null
Tilvísunartexti, sem má gefa upp til að bæta myndun með afritaðri rödd; hann verður að vera textinn sem notaður var til að búa til málraddsinnfellinguna.
top_kvalfrjálst
Gerðinteger | null
Sjálfgefið50
≥ 0
Stilling fyrir top-k-úrtak.
top_pvalfrjálst
Gerðnumber | null
Sjálfgefið1
0 – 1
Top-p-stilling sem er notuð við úrtak.
temperaturevalfrjálst
Gerðnumber | null
Sjálfgefið0.9
≤ 1> 0
Hitastig sem er notað við úrtak; hærri gildi auka slembni.
repetition_penaltyvalfrjálst
Gerðnumber | null
Sjálfgefið1.05
≥ 0
Refsing sem dregur úr endurtekningu tákna eða kóða.
subtalker_dosamplevalfrjálst
Gerðboolean | null
Sjálfgefiðtrue
Rofi sem kveikir eða slekkur á úrtaki frá undirræðumanni.
subtalker_top_kvalfrjálst
Gerðinteger | null
Sjálfgefið50
≥ 0
Top-k-stilling sem notuð er við úrtak frá undirræðumanni.
subtalker_top_pvalfrjálst
Gerðnumber | null
Sjálfgefið1
0 – 1
Top-p-stilling sem notuð er við úrtak frá undirræðumanni.
subtalker_temperaturevalfrjálst
Gerðnumber | null
Sjálfgefið0.9
0 – 1
Úrtakshiti sem undirræðumaðurinn notar.
max_new_tokensvalfrjálst
Gerðinteger | null
Sjálfgefið200
1 – 8.192
Hámarksfjöldi nýrra myndaðra merkjamálstákna.
enable_safety_checkervalfrjálst
Gerðboolean
Sjálfgefiðtrue
Hægt er að slaka á skimun með því að stilla false, ef beiðandi hefur heimild.
áskilið

Skrárfæribreytur taka við opinberri https://-vefslóð, data:-URI allt að 10 MB eða file_url fyrir upphleðslu. Skrár

Úttak

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"
  }
}
Skrárnar þínar, þitt valHvert outputs[].url er afrit í geymslunni okkar: geymt að eilífu (greitt fyrir hvert GB-mánuðargildi) eða 7 dagar án kostnaðar, eftir stillingu aðgangsins þíns eða ?storage=.
Sama lögun í öllum líkönumtype, url, content_type, width, height og duration, jafnt fyrir myndir, myndbönd og hljóð. output er eigið niðurstöðuhlutur líkansins.
Reitir úttaks
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Hljóðskrá sem inniheldur talgervt tal.

Fleiri líkön: Texti í tal

Fyrir gervigreindarþjóna: þessi síða á Markdown-sniði er á https://doitong.com/is/developers/models/qwen-3-tts/text-to-speech/1.7b.md. Öll líkön og leiðbeiningar: https://doitong.com/developers/llms.txt