Мазмұнға өту

Qwen 3 TTS - Text to Speech [1.7B]

Интеграциялау

Модель идентификаторы 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"

Осы сұрау: 0,005 $ 5 API кредиті · ≈ 0,54 ₽ Осы бетте іске қосу

API кілтін алу
Alibaba Мәтіннен сөйлеуге Анықтамалық кірістер #text-to-speech

Алдын ала орнатылған дауыстары, стильдік нұсқауы және клондалған дауыс қолдауы бар үлкен 1.7B Qwen3 мәтіннен сөйлеуге моделі

Alibaba · Аудио

Алғашқы нәтижеңіз осында пайда болады

Төменде сұрау құрып, оны API кілтіңізбен іске қосыңыз. Шығыстар сақтау орнымызға көшіріліп, мәңгі немесе 7 күн тегін сақталады.

Сұрау жасау

Басқару элементтері модель схемасынан жасалады. Оларды өзгерткен сайын код пен баға жаңартылады.

•міндетті

Сөйлеуге түрлендірілетін мәтін мазмұны.

Қосымша сөйлеу стилі нұсқаулары; speaker embedding берілсе, еленбейді.

Қосымша 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

Клондалған дауыспен синтезді жақсарту үшін қосымша берілетін анықтамалық мәтін; ол speaker embedding жасауға пайдаланылған мәтін болуы керек.

Файлды тастаңыз немесе

Берілсе, алдын ала анықталған дауыс параметрлерін алмастыратын сөйлеу синтезінің клондалған дауысы.

Сөйлеуді синтездеуге арналған дауысты таңдау. Сөйлеушінің эмбеддингі берілсе, осы таңдаудың орнына сол қолданылады. Дауыстар туралы мәліметтер мен негізгі қолдау көрсетілетін тілдер [дауыс құжаттамасында](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate) берілген.

әдепкі Auto

Дауыс пайдаланатын тіл.

әдепкі 50

Top-k сэмплингіне арналған баптау.

әдепкі 1

Сэмплинг кезінде пайдаланылатын Top-p параметрі.

әдепкі 0.9

Сэмплинг кезінде пайдаланылатын температура; жоғары мәндер кездейсоқтықты арттырады.

әдепкі 1.05

Токендердің немесе кодтардың қайталануын тежейтін айыппұл.

әдепкі 50

Қосалқы сөйлеушіден сэмплинг жасау кезіндегі Top-k параметрі.

әдепкі 1

Қосалқы сөйлеушіден сэмплинг жасау кезіндегі Top-p параметрі.

әдепкі 0.9

Қосалқы сөйлеуші пайдаланатын сэмплинг температурасы.

әдепкі 200

Жаңадан генерацияланатын кодек токендерінің жоғарғы шегі.

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

Осы сұрауды іске қосу

Кілтіңіз осы браузерде қалады: ол тек Doitong API-ге жіберіледі және Remember параметрін белгілеcеңіз ғана localStorage ішінде сақталады. API кілтін алу

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

`text` мәнін 1.7B моделінің көмегімен сөйлеуге айналдырады. Тоғыз алдын ала орнатылған дауыстың бірін немесе `speaker_voice_embedding_file_url` арқылы клонданған дауысты пайдаланыңыз, клондау үшін `reference_text` қосыңыз. Эмбеддинг берілмесе, міндетті емес `prompt` сөйлеу стилін бағыттайды. `language` Auto және он тілді қабылдайды, ал `max_new_tokens` 1-ден 8192-ге дейін.

Параметрлер

АтауыТүрі ӘдепкіРұқсат етілген Сипаттама
textміндетті
Түріstring
Сөйлеуге түрлендірілетін мәтін мазмұны.
promptміндетті емес
Түріstring | null
Қосымша сөйлеу стилі нұсқаулары; speaker embedding берілсе, еленбейді.
voiceміндетті емес
Түріenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Сөйлеуді синтездеуге арналған дауысты таңдау. Сөйлеушінің эмбеддингі берілсе, осы таңдаудың орнына сол қолданылады. Дауыстар туралы мәліметтер мен негізгі қолдау көрсетілетін тілдер [дауыс құжаттамасында](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate) берілген.
languageміндетті емес
Түріenum
ӘдепкіAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Дауыс пайдаланатын тіл.
speaker_voice_embedding_file_urlміндетті емес
Түріurl · file
Берілсе, алдын ала анықталған дауыс параметрлерін алмастыратын сөйлеу синтезінің клондалған дауысы.
reference_textміндетті емес
Түріstring | null
Клондалған дауыспен синтезді жақсарту үшін қосымша берілетін анықтамалық мәтін; ол speaker embedding жасауға пайдаланылған мәтін болуы керек.
top_kміндетті емес
Түріinteger | null
Әдепкі50
≥ 0
Top-k сэмплингіне арналған баптау.
top_pміндетті емес
Түріnumber | null
Әдепкі1
0 – 1
Сэмплинг кезінде пайдаланылатын Top-p параметрі.
temperatureміндетті емес
Түріnumber | null
Әдепкі0.9
≤ 1> 0
Сэмплинг кезінде пайдаланылатын температура; жоғары мәндер кездейсоқтықты арттырады.
repetition_penaltyміндетті емес
Түріnumber | null
Әдепкі1.05
≥ 0
Токендердің немесе кодтардың қайталануын тежейтін айыппұл.
subtalker_dosampleміндетті емес
Түріboolean | null
Әдепкіtrue
Қосалқы сөйлеушінің сэмплингін қосатын немесе өшіретін ауыстырып-қосқыш.
subtalker_top_kміндетті емес
Түріinteger | null
Әдепкі50
≥ 0
Қосалқы сөйлеушіден сэмплинг жасау кезіндегі Top-k параметрі.
subtalker_top_pміндетті емес
Түріnumber | null
Әдепкі1
0 – 1
Қосалқы сөйлеушіден сэмплинг жасау кезіндегі Top-p параметрі.
subtalker_temperatureміндетті емес
Түріnumber | null
Әдепкі0.9
0 – 1
Қосалқы сөйлеуші пайдаланатын сэмплинг температурасы.
max_new_tokensміндетті емес
Түріinteger | null
Әдепкі200
1 – 8 192
Жаңадан генерацияланатын кодек токендерінің жоғарғы шегі.
enable_safety_checkerміндетті емес
Түріboolean
Әдепкіtrue
Шақырушы авторизацияланған болса, false мәнін орнату арқылы тексеруді жеңілдетуге болады.
міндетті

Файл параметрлері жалпыға қолжетімді https:// URL мекенжайын, 10 MB-қа дейінгі data: URI мекенжайын немесе жүктеп салынған файлдың file_url мәнін қабылдайды. Файлдар

Шығыс

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"
  }
}
Файлдарыңыз — таңдауыңызӘр outputs[].url — сақтау орнымыздағы көшірме: мәңгі (әр GB-ай үшін ақылы) немесе аккаунт параметрі не ?storage= арқылы 7 күн тегін сақталады.
Әр модельдегі пішім бірдейtype, url, content_type, width, height және duration — кескіндерге, бейнеге және аудиоға ортақ. output — модельдің өз нәтижелер нысаны.
Шығыс өрістері
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Синтезделген сөйлеу жазылған аудио файлы.

Қосымша модельдер: Мәтіннен сөйлеуге

AI агенттеріне: бұл беттің Markdown нұсқасы мына жерде: https://doitong.com/kk/developers/models/qwen-3-tts/text-to-speech/1.7b.md. Барлық модельдер мен нұсқаулықтар: https://doitong.com/developers/llms.txt