Aqbeż għall-kontenut

Qwen 3 TTS - Text to Speech [0.6B]

Integra

Id tal-mudell 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"

Din it-talba: $0.004 4 krediti tal-API · ≈ ₽0.43 Ħaddmu f’din il-paġna

Ikseb ċavetta API
Alibaba Test għal diskors Inputs ta’ referenza #text-to-speech

Text-to-speech Qwen3 iżgħar ta' 0.6B b'disa' vuċijiet issettjati minn qabel, għażla tal-lingwa u klonazzjoni tal-vuċi permezz ta' embedding

Alibaba · Awdjo

L-ewwel riżultat tiegħek jidher hawn

Ibni talba hawn taħt u ħaddimha biċ-ċavetta API tiegħek. L-outputs jiġu kkupjati fil-ħażna tagħna, miżmuma għal dejjem jew 7 ijiem b’xejn.

Ibni talba

Il-kontrolli jiġu ġġenerati mill-iskema tal-mudell. Il-kodiċi u l-prezz jaġġornaw hekk kif tibdilhom.

•meħtieġ

Kontenut testwali li għandu jinbidel f’diskors.

Istruzzjonijiet fakultattivi għall-istil tad-diskors, injorati kull meta jiġi pprovdut embedding tal-kelliem.

Avvanzat 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

Test ta' referenza, ipprovdut b'mod fakultattiv biex itejjeb is-sinteżi b'vuċi kklonata, li għandu jkun it-test użat biex jinħoloq l-embedding tal-kelliem.

Waqqa’ fajl, jew

Vuċi kklonata għas-sinteżi tad-diskors, jekk ipprovduta, li tieħu post l-għażliet tal-vuċi predefiniti.

Għażla tal-vuċi għas-sinteżi tad-diskors, mibdula minn kwalunkwe embedding tal-kelliem ipprovdut. Id-dettalji tal-vuċi u l-appoġġ għal-lingwi ewlenin jinsabu fid-[dokumentazzjoni tal-vuċijiet](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).

prestabbilit Auto

Lingwa użata mill-vuċi.

prestabbilit 50

Setting għat-teħid ta’ kampjuni top-k.

prestabbilit 1

Setting Top-p użat waqt it-teħid tal-kampjuni.

prestabbilit 0.9

Temperatura użata waqt it-teħid tal-kampjuni; valuri akbar iżidu l-każwalità.

prestabbilit 1.05

Penali li tiskoraġġixxi r-ripetizzjoni ta’ tokens jew kodiċijiet.

prestabbilit 50

Issettjar top-k użat meta jittieħdu kampjuni mis-sub-talker.

prestabbilit 1

Issettjar top-p użat meta jittieħdu kampjuni mis-sub-talker.

prestabbilit 0.9

Temperatura tat-teħid ta’ kampjuni użata mis-sub-talker.

prestabbilit 200

Limitu massimu għat-tokens tal-codec ġġenerati ġodda.

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

Ħaddem din it-talba

Iċ-ċavetta tiegħek tibqa’ f’dan il-browser: tintbagħat biss lid-Doitong API u tiġi ssejvjata (localStorage) biss jekk timmarka Ftakar. Ikseb ċavetta API

Dwar Qwen 3 TTS - Text to Speech [0.6B]

Jikkonverti `text` f'diskors billi juża l-mudell 0.6B. Agħżel `voice` issettjata minn qabel bħal Vivian, Serena, Dylan jew Sohee, jew ipprovdi `speaker_voice_embedding_file_url` biex tuża vuċi kklonata, b'`reference_text` fakultattiv. `language` tkopri Auto flimkien ma' għaxar lingwi msemmija, inklużi l-Ingliż, iċ-Ċiniż u l-Ġappuniż. Il-kontrolli tas-sampling u `max_new_tokens` (1 sa 8192) huma esposti.

Parametri

IsemTip PrestabbilitPermess Deskrizzjoni
textmeħtieġ
Tipstring
Kontenut testwali li għandu jinbidel f’diskors.
promptmhux obbligatorju
Tipstring | null
Istruzzjonijiet fakultattivi għall-istil tad-diskors, injorati kull meta jiġi pprovdut embedding tal-kelliem.
voicemhux obbligatorju
Tipenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Għażla tal-vuċi għas-sinteżi tad-diskors, mibdula minn kwalunkwe embedding tal-kelliem ipprovdut. Id-dettalji tal-vuċi u l-appoġġ għal-lingwi ewlenin jinsabu fid-[dokumentazzjoni tal-vuċijiet](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).
languagemhux obbligatorju
Tipenum
PrestabbilitAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Lingwa użata mill-vuċi.
speaker_voice_embedding_file_urlmhux obbligatorju
Tipurl · file
Vuċi kklonata għas-sinteżi tad-diskors, jekk ipprovduta, li tieħu post l-għażliet tal-vuċi predefiniti.
reference_textmhux obbligatorju
Tipstring | null
Test ta' referenza, ipprovdut b'mod fakultattiv biex itejjeb is-sinteżi b'vuċi kklonata, li għandu jkun it-test użat biex jinħoloq l-embedding tal-kelliem.
top_kmhux obbligatorju
Tipinteger | null
Prestabbilit50
≥ 0
Setting għat-teħid ta’ kampjuni top-k.
top_pmhux obbligatorju
Tipnumber | null
Prestabbilit1
0 – 1
Setting Top-p użat waqt it-teħid tal-kampjuni.
temperaturemhux obbligatorju
Tipnumber | null
Prestabbilit0.9
≤ 1> 0
Temperatura użata waqt it-teħid tal-kampjuni; valuri akbar iżidu l-każwalità.
repetition_penaltymhux obbligatorju
Tipnumber | null
Prestabbilit1.05
≥ 0
Penali li tiskoraġġixxi r-ripetizzjoni ta’ tokens jew kodiċijiet.
subtalker_dosamplemhux obbligatorju
Tipboolean | null
Prestabbilittrue
Swiċċ li jattiva jew jiddiżattiva t-teħid ta’ kampjuni mis-sub-talker.
subtalker_top_kmhux obbligatorju
Tipinteger | null
Prestabbilit50
≥ 0
Issettjar top-k użat meta jittieħdu kampjuni mis-sub-talker.
subtalker_top_pmhux obbligatorju
Tipnumber | null
Prestabbilit1
0 – 1
Issettjar top-p użat meta jittieħdu kampjuni mis-sub-talker.
subtalker_temperaturemhux obbligatorju
Tipnumber | null
Prestabbilit0.9
0 – 1
Temperatura tat-teħid ta’ kampjuni użata mis-sub-talker.
max_new_tokensmhux obbligatorju
Tipinteger | null
Prestabbilit200
1 – 8,192
Limitu massimu għat-tokens tal-codec ġġenerati ġodda.
enable_safety_checkermhux obbligatorju
Tipboolean
Prestabbilittrue
L-iskrinjar jista’ jiġi rilassat billi jiġi ssettjat għal false, sakemm min jagħmel it-talba jkun awtorizzat.
meħtieġ

Il-parametri tal-fajls jaċċettaw URL pubbliku https://, URI data: sa 10 MB, jew file_url ta’ upload. Fajls

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"
  }
}
Il-fajls tiegħek, l-għażla tiegħekKull outputs[].url huwa kopja fil-ħażna tagħna: miżmuma għal dejjem (imħallsa għal kull GB-xahar) jew 7 ijiem b’xejn, skont l-issettjar tal-kont tiegħek jew ?storage=.
L-istess struttura fuq kull mudelltype, url, content_type, width, height u duration, kemm għall-immaġnijiet kif ukoll għall-vidjo u l-awdjo. output huwa l-oġġett tar-riżultat tal-mudell innifsu.
Oqsma tal-output
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Fajl awdjo li fih id-diskors sintetizzat.

Aktar mudelli: Test għal diskors

Għall-aġenti tal-AI: din il-paġna bħala Markdown tinsab fuq https://doitong.com/mt/developers/models/qwen-3-tts/text-to-speech/0.6b.md. Il-mudelli u l-gwidi kollha: https://doitong.com/developers/llms.txt