Op den Inhalt sprangen

Qwen 3 TTS - Voice Design [1.7B]

Integréieren

Modell-ID qwen-3-tts/voice-design/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/voice-design/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.",
    "prompt": "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"

Dës Ufro: 0,005 $ 5 API-Kreditter · ≈ 0,54 ₽ Op dëser Säit ausféieren

API-Schlëssel kréien
Alibaba Text zu Sprooch #text-to-speech#voice-design

Designt eng nei Stëmm aus enger schrëftlecher Beschreiwung a schwätzt de gegebenen Text domat

Alibaba · Audio

Äin éischt Resultat kënnt hei hin

Baut hei drënner eng Ufro a féiert se mat Ärem API-Schlëssel aus. Output gëtt an eis Späicherung kopéiert, fir ëmmer oder 7 Deeg gratis gespäichert.

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

•obligatoresch

Textinhalt, deen a Sprooch ëmgewandelt soll ginn.

•obligatoresch

Optional Instruktioune fir de Stil vun der synthetiséierter Sprooch.

Erweidert language · top_k · top_p · temperature · repetition_penalty · subtalker_top_k · subtalker_top_p · subtalker_temperature · max_new_tokens · subtalker_dosample · enable_safety_checker
Standard Auto

Sprooch fir d'Stëmm, déi entworf gëtt.

Standard 50

Astellung fir Top-k-Sampling.

Standard 1

Top-p-Astellung, déi wärend dem Sampling benotzt gëtt.

Standard 0.9

Temperatur, déi wärend dem Sampling benotzt gëtt; méi héich Wäerter erhéijen d'Zoufällegkeet.

Standard 1.05

Penalty, déi d'Widderhuelung vun Token oder Coden ofschwächt.

Standard 50

Top-k-Astellung beim Sampling vum sub-talker.

Standard 1

Top-p-Astellung beim Sampling vum sub-talker.

Standard 0.9

Sampling-Temperatur, déi vum sub-talker benotzt gëtt.

Standard 200

Uewergrenz fir nei generéiert Codec-Token.

POST /run/qwen-3-tts/voice-design/1.7b?wait=20 Präis → 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/voice-design/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.",
    "prompt": "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"

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer Qwen 3 TTS - Voice Design [1.7B]

Generéiert Sprooch fir `text` an enger Stëmm, déi vum néidege `prompt` beschriwwe gëtt; eng preset Stëmm oder Referenzaudio ass net néideg. `language` kann Auto oder eng vun 10 benannte Sprooche sinn. Sampling-Kontrollen an `max_new_tokens` (1 bis 8192, Standard 200) sinn verfügbar. Déi designt Stëmm ka spéider mam clone-voice-Modell geklonnt ginn.

Parameteren

NummTyp StandardErlaabt Beschreiwung
textobligatoresch
Typstring
Textinhalt, deen a Sprooch ëmgewandelt soll ginn.
languageoptional
Typenum
StandardAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Sprooch fir d'Stëmm, déi entworf gëtt.
promptobligatoresch
Typstring
Optional Instruktioune fir de Stil vun der synthetiséierter Sprooch.
top_koptional
Typinteger | null
Standard50
≥ 0
Astellung fir Top-k-Sampling.
top_poptional
Typnumber | null
Standard1
0 – 1
Top-p-Astellung, déi wärend dem Sampling benotzt gëtt.
temperatureoptional
Typnumber | null
Standard0.9
≤ 1> 0
Temperatur, déi wärend dem Sampling benotzt gëtt; méi héich Wäerter erhéijen d'Zoufällegkeet.
repetition_penaltyoptional
Typnumber | null
Standard1.05
≥ 0
Penalty, déi d'Widderhuelung vun Token oder Coden ofschwächt.
subtalker_dosampleoptional
Typboolean | null
Standardtrue
Schalter, deen d'Sampling duerch den sub-talker aktivéiert oder deaktivéiert.
subtalker_top_koptional
Typinteger | null
Standard50
≥ 0
Top-k-Astellung beim Sampling vum sub-talker.
subtalker_top_poptional
Typnumber | null
Standard1
0 – 1
Top-p-Astellung beim Sampling vum sub-talker.
subtalker_temperatureoptional
Typnumber | null
Standard0.9
0 – 1
Sampling-Temperatur, déi vum sub-talker benotzt gëtt.
max_new_tokensoptional
Typinteger | null
Standard200
1 – 8.192
Uewergrenz fir nei generéiert Codec-Token.
enable_safety_checkeroptional
Typboolean
Standardtrue
D'Kontroll kann duerch false gelackert ginn, wann den Uruffer autoriséiert ass.
obligatoresch

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "qwen-3-tts/voice-design/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.",
    "prompt": "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"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Audio-Datei mat der synthetiséierter Sprooch.

Méi Modeller: Text zu Sprooch

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/qwen-3-tts/voice-design/1.7b.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt