Vai al contenuto

Qwen 3 TTS - Text to Speech [0.6B]

Integra

ID del modello 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"

Questa richiesta: 0,004 $ 4 crediti API · ≈ 0,43 ₽ Esegui in questa pagina

Ottieni la chiave API
Alibaba Da testo a voce Input di riferimento #text-to-speech

Text-to-speech Qwen3 0.6B più piccolo, con nove voci preimpostate, scelta della lingua e clonazione vocale tramite embedding

Alibaba · Audio

Il tuo primo risultato apparirà qui

Crea una richiesta qui sotto ed eseguila con la tua chiave API. Gli output vengono copiati nella nostra archiviazione, conservati per sempre oppure 7 giorni gratuitamente.

Crea una richiesta

I controlli vengono generati dallo schema del modello. Il codice e il prezzo si aggiornano mentre li modifichi.

•obbligatorio

Contenuto testuale da convertire in voce.

Istruzioni facoltative sullo stile del parlato, ignorate quando viene fornito un embedding del parlante.

Avanzate 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

Testo di riferimento, fornito facoltativamente per migliorare la sintesi con una voce clonata; deve essere il testo utilizzato per creare l'embedding del parlante.

Trascina un file oppure

Voce clonata per la sintesi vocale, se fornita; sostituisce le opzioni vocali predefinite.

Selezione della voce per la sintesi vocale, sostituita da qualsiasi embedding del parlante fornito. I dettagli della voce e il supporto per la lingua principale sono elencati nella [documentazione della voce](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).

predefinito Auto

Lingua utilizzata dalla voce.

predefinito 50

Impostazione per il campionamento top-k.

predefinito 1

Impostazione top-p utilizzata durante il campionamento.

predefinito 0.9

Temperatura utilizzata durante il campionamento; valori più elevati aumentano la casualità.

predefinito 1.05

Penalità che scoraggia la ripetizione di token o codici.

predefinito 50

Impostazione top-k usata durante il campionamento dal sub-talker.

predefinito 1

Impostazione top-p usata durante il campionamento dal sub-talker.

predefinito 0.9

Temperatura di campionamento usata dal sub-talker.

predefinito 200

Limite massimo dei token codec generati di recente.

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

Esegui questa richiesta

La tua chiave rimane in questo browser: viene inviata solo al Doitong API e salvata in localStorage solo se selezioni Ricorda. Ottieni una chiave API

Informazioni su Qwen 3 TTS - Text to Speech [0.6B]

Converte `text` in parlato usando il modello 0.6B. Scegli una `voice` preimpostata come Vivian, Serena, Dylan o Sohee, oppure fornisci `speaker_voice_embedding_file_url` per usare una voce clonata, facoltativamente con `reference_text`. `language` include Auto e dieci lingue denominate, tra cui English, Chinese e Japanese. Sono disponibili i controlli di campionamento e `max_new_tokens` (da 1 a 8192).

Parametri

NomeTipo PredefinitoConsentiti Descrizione
textobbligatorio
Tipostring
Contenuto testuale da convertire in voce.
promptfacoltativo
Tipostring | null
Istruzioni facoltative sullo stile del parlato, ignorate quando viene fornito un embedding del parlante.
voicefacoltativo
Tipoenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Selezione della voce per la sintesi vocale, sostituita da qualsiasi embedding del parlante fornito. I dettagli della voce e il supporto per la lingua principale sono elencati nella [documentazione della voce](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).
languagefacoltativo
Tipoenum
PredefinitoAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Lingua utilizzata dalla voce.
speaker_voice_embedding_file_urlfacoltativo
Tipourl · file
Voce clonata per la sintesi vocale, se fornita; sostituisce le opzioni vocali predefinite.
reference_textfacoltativo
Tipostring | null
Testo di riferimento, fornito facoltativamente per migliorare la sintesi con una voce clonata; deve essere il testo utilizzato per creare l'embedding del parlante.
top_kfacoltativo
Tipointeger | null
Predefinito50
≥ 0
Impostazione per il campionamento top-k.
top_pfacoltativo
Tiponumber | null
Predefinito1
0 – 1
Impostazione top-p utilizzata durante il campionamento.
temperaturefacoltativo
Tiponumber | null
Predefinito0.9
≤ 1> 0
Temperatura utilizzata durante il campionamento; valori più elevati aumentano la casualità.
repetition_penaltyfacoltativo
Tiponumber | null
Predefinito1.05
≥ 0
Penalità che scoraggia la ripetizione di token o codici.
subtalker_dosamplefacoltativo
Tipoboolean | null
Predefinitotrue
Interruttore che abilita o disabilita il campionamento da parte del sub-talker.
subtalker_top_kfacoltativo
Tipointeger | null
Predefinito50
≥ 0
Impostazione top-k usata durante il campionamento dal sub-talker.
subtalker_top_pfacoltativo
Tiponumber | null
Predefinito1
0 – 1
Impostazione top-p usata durante il campionamento dal sub-talker.
subtalker_temperaturefacoltativo
Tiponumber | null
Predefinito0.9
0 – 1
Temperatura di campionamento usata dal sub-talker.
max_new_tokensfacoltativo
Tipointeger | null
Predefinito200
1 – 8192
Limite massimo dei token codec generati di recente.
enable_safety_checkerfacoltativo
Tipoboolean
Predefinitotrue
Il controllo può essere allentato impostando false, se il chiamante è autorizzato.
obbligatorio

I parametri file accettano un URL pubblico https://, un URI data: fino a 10 MB oppure il file_url di un caricamento. File

Output

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"
  }
}
I tuoi file, la tua sceltaOgni outputs[].url è una copia nella nostra archiviazione: conservata per sempre (a pagamento per GB-mese) oppure 7 giorni gratuitamente, in base all'impostazione dell'account o a ?storage=.
Stessa struttura per ogni modellotype, url, content_type, width, height e duration, per immagini, video e audio. output è l'oggetto risultato del modello.
Campi dell'output
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}File audio contenente la voce sintetizzata.

Altri modelli: Da testo a voce

Per gli agenti AI: questa pagina in Markdown è disponibile all'indirizzo https://doitong.com/it/developers/models/qwen-3-tts/text-to-speech/0.6b.md. Tutti i modelli e le guide: https://doitong.com/developers/llms.txt