အကြောင်းအရာသို့ ကျော်ရန်

Qwen 3 TTS - Text to Speech [1.7B]

ပေါင်းစည်းရန်

မော်ဒယ် id 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"

ဤတောင်းဆိုချက်: ၀.၀၀၅ $ ၅ API ခရက်ဒစ် · ≈ ၀.၅၄ ₽ ဤစာမျက်နှာတွင် လုပ်ဆောင်ရန်

API ကီး ရယူရန်
Alibaba စာသားမှ အသံ ရည်ညွှန်း ထည့်သွင်းချက်များ #text-to-speech

ကြိုတင်သတ်မှတ်အသံများ၊ စတိုင်ပရောမ့်နှင့် clone ပြုလုပ်ထားသော အသံအထောက်အပံ့ပါသော ပိုကြီးသည့် 1.7B Qwen3 text-to-speech

Alibaba · အသံ

သင့်ပထမဆုံးရလဒ် ဤနေရာတွင် ပေါ်လာမည်

အောက်တွင် တောင်းဆိုချက်တစ်ခု တည်ဆောက်ပြီး သင့် API ကီးဖြင့် လုပ်ဆောင်ပါ။ ထွက်ရလဒ်များကို ကျွန်ုပ်တို့၏ သိုလှောင်မှုသို့ ကူးယူပြီး အမြဲတမ်း သို့မဟုတ် ၇ ရက် အခမဲ့ သိမ်းထားသည်။

တောင်းဆိုမှုတစ်ခု တည်ဆောက်ရန်

ထိန်းချုပ်မှုများကို မော်ဒယ် schema မှ အလိုအလျောက်ဖန်တီးသည်။ ၎င်းတို့ကို ပြောင်းလဲသည်နှင့် code နှင့် စျေးနှုန်းတို့လည်း ပြောင်းလဲမည်။

•လိုအပ်သည်

စကားပြောသံအဖြစ် ပြောင်းလဲမည့် စာသားအကြောင်းအရာ။

စကားပြောစတိုင်အတွက် ရွေးချယ်ထည့်သွင်းနိုင်သော ညွှန်ကြားချက်များ။ စပီကာ embedding ထည့်ပေးထားပါက လျစ်လျူရှုမည်။

အဆင့်မြင့် 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

တုပွားထားသောအသံဖြင့် ပေါင်းစပ်ဖန်တီးမှုကို ပိုမိုကောင်းမွန်စေရန် ရွေးချယ်ထည့်သွင်းနိုင်သည့် ကိုးကားစာသား။ စပီကာ embedding ဖန်တီးရာတွင် အသုံးပြုခဲ့သည့် စာသားဖြစ်ရမည်။

ဖိုင်ကို ဆွဲချပါ၊ သို့မဟုတ်

ထည့်ပေးထားပါက ကြိုတင်သတ်မှတ်အသံရွေးချယ်စရာများအစား အသုံးပြုမည့် စကားပြောပေါင်းစပ်ဖန်တီးမှုအတွက် တုပွားထားသောအသံ။

စကားသံဖန်တီးမှုအတွက် အသံရွေးချယ်ခြင်းဖြစ်ပြီး speaker embedding ပေးထားပါက ၎င်းကို အစားထိုးအသုံးပြုမည်။ အသံအသေးစိတ်နှင့် အဓိကပံ့ပိုးထားသော ဘာသာစကားများကို [အသံဆိုင်ရာ စာရွက်စာတမ်းများ](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate) တွင် ဖော်ပြထားသည်။

မူလ Auto

အသံတွင် အသုံးပြုသည့် ဘာသာစကား။

မူလ 50

top-k sampling အတွက် ဆက်တင်။

မူလ 1

နမူနာယူစဉ် အသုံးပြုသည့် Top-p ဆက်တင်။

မူလ 0.9

နမူနာယူစဉ် အသုံးပြုသည့် အပူချိန်။ တန်ဖိုးကြီးလေ ကျပန်းဖြစ်နိုင်မှု များလေဖြစ်သည်။

မူလ 1.05

တိုကင်များ သို့မဟုတ် ကုဒ်များ ထပ်ခါတလဲလဲဖြစ်မှုကို လျှော့ချပေးသည့် ပြစ်ဒဏ်။

မူလ 50

sub-talker ထံမှ နမူနာယူစဉ် အသုံးပြုသည့် Top-k ဆက်တင်။

မူလ 1

sub-talker ထံမှ နမူနာယူစဉ် အသုံးပြုသည့် Top-p ဆက်တင်။

မူလ 0.9

sub-talker အသုံးပြုသည့် နမူနာယူအပူချိန်။

မူလ 200

အသစ်ဖန်တီးမည့် codec တိုကင်များအတွက် အမြင့်ဆုံးကန့်သတ်ချက်။

POST /run/qwen-3-tts/text-to-speech/1.7b?wait=20 ကုန်ကျစရိတ် → ၀.၀၀၅ $
# 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"

ဤတောင်းဆိုချက်ကို လုပ်ဆောင်ရန်

သင့် key သည် ဤဘရောက်ဇာထဲတွင်သာ ရှိမည်ဖြစ်ပြီး Doitong API သို့သာ ပို့မည်။ Remember ကို အမှန်ခြစ်ထားမှသာ (localStorage) တွင် သိမ်းမည်။ API ကီး ရယူရန်

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

`text` ကို 1.7B မော်ဒယ်ဖြင့် စကားသံအဖြစ် ပြောင်းပေးသည်။ ကြိုတင်သတ်မှတ်ထားသော စကားသံ 9 မျိုးထဲမှ တစ်မျိုးကို အသုံးပြုနိုင်သည် သို့မဟုတ် `speaker_voice_embedding_file_url` မှတစ်ဆင့် ကူးယူထားသော စကားသံကို အသုံးပြုနိုင်သည်၊ ကူးယူရန် `reference_text` ကို ထည့်ပါ။ Embedding မပေးထားပါက ရွေးချယ်နိုင်သော `prompt` ဖြင့် ပြောဆိုသည့် စတိုင်ကို လမ်းညွှန်နိုင်သည်။ `language` သည် Auto နှင့် ဘာသာစကား 10 မျိုးကို လက်ခံပြီး `max_new_tokens` သည် 1 မှ 8192 အထိဖြစ်သည်။

ပါရာမီတာများ

အမည်အမျိုးအစား မူလတန်ဖိုးခွင့်ပြုထားသည် ဖော်ပြချက်
textလိုအပ်သည်
အမျိုးအစားstring
စကားပြောသံအဖြစ် ပြောင်းလဲမည့် စာသားအကြောင်းအရာ။
promptရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
စကားပြောစတိုင်အတွက် ရွေးချယ်ထည့်သွင်းနိုင်သော ညွှန်ကြားချက်များ။ စပီကာ embedding ထည့်ပေးထားပါက လျစ်လျူရှုမည်။
voiceရွေးချယ်နိုင်သည်
အမျိုးအစားenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
စကားသံဖန်တီးမှုအတွက် အသံရွေးချယ်ခြင်းဖြစ်ပြီး speaker embedding ပေးထားပါက ၎င်းကို အစားထိုးအသုံးပြုမည်။ အသံအသေးစိတ်နှင့် အဓိကပံ့ပိုးထားသော ဘာသာစကားများကို [အသံဆိုင်ရာ စာရွက်စာတမ်းများ](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate) တွင် ဖော်ပြထားသည်။
languageရွေးချယ်နိုင်သည်
အမျိုးအစားenum
မူလတန်ဖိုးAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
အသံတွင် အသုံးပြုသည့် ဘာသာစကား။
speaker_voice_embedding_file_urlရွေးချယ်နိုင်သည်
အမျိုးအစားurl · file
ထည့်ပေးထားပါက ကြိုတင်သတ်မှတ်အသံရွေးချယ်စရာများအစား အသုံးပြုမည့် စကားပြောပေါင်းစပ်ဖန်တီးမှုအတွက် တုပွားထားသောအသံ။
reference_textရွေးချယ်နိုင်သည်
အမျိုးအစားstring | null
တုပွားထားသောအသံဖြင့် ပေါင်းစပ်ဖန်တီးမှုကို ပိုမိုကောင်းမွန်စေရန် ရွေးချယ်ထည့်သွင်းနိုင်သည့် ကိုးကားစာသား။ စပီကာ embedding ဖန်တီးရာတွင် အသုံးပြုခဲ့သည့် စာသားဖြစ်ရမည်။
top_kရွေးချယ်နိုင်သည်
အမျိုးအစားinteger | null
မူလတန်ဖိုး50
≥ ၀
top-k sampling အတွက် ဆက်တင်။
top_pရွေးချယ်နိုင်သည်
အမျိုးအစားnumber | null
မူလတန်ဖိုး1
၀ – ၁
နမူနာယူစဉ် အသုံးပြုသည့် Top-p ဆက်တင်။
temperatureရွေးချယ်နိုင်သည်
အမျိုးအစားnumber | null
မူလတန်ဖိုး0.9
≤ ၁> ၀
နမူနာယူစဉ် အသုံးပြုသည့် အပူချိန်။ တန်ဖိုးကြီးလေ ကျပန်းဖြစ်နိုင်မှု များလေဖြစ်သည်။
repetition_penaltyရွေးချယ်နိုင်သည်
အမျိုးအစားnumber | null
မူလတန်ဖိုး1.05
≥ ၀
တိုကင်များ သို့မဟုတ် ကုဒ်များ ထပ်ခါတလဲလဲဖြစ်မှုကို လျှော့ချပေးသည့် ပြစ်ဒဏ်။
subtalker_dosampleရွေးချယ်နိုင်သည်
အမျိုးအစားboolean | null
မူလတန်ဖိုးtrue
sub-talker ဖြင့် နမူနာယူမှုကို ဖွင့်/ပိတ်ပေးသည့် ခလုတ်။
subtalker_top_kရွေးချယ်နိုင်သည်
အမျိုးအစားinteger | null
မူလတန်ဖိုး50
≥ ၀
sub-talker ထံမှ နမူနာယူစဉ် အသုံးပြုသည့် Top-k ဆက်တင်။
subtalker_top_pရွေးချယ်နိုင်သည်
အမျိုးအစားnumber | null
မူလတန်ဖိုး1
၀ – ၁
sub-talker ထံမှ နမူနာယူစဉ် အသုံးပြုသည့် Top-p ဆက်တင်။
subtalker_temperatureရွေးချယ်နိုင်သည်
အမျိုးအစားnumber | null
မူလတန်ဖိုး0.9
၀ – ၁
sub-talker အသုံးပြုသည့် နမူနာယူအပူချိန်။
max_new_tokensရွေးချယ်နိုင်သည်
အမျိုးအစားinteger | null
မူလတန်ဖိုး200
၁ – ၈,၁၉၂
အသစ်ဖန်တီးမည့် codec တိုကင်များအတွက် အမြင့်ဆုံးကန့်သတ်ချက်။
enable_safety_checkerရွေးချယ်နိုင်သည်
အမျိုးအစားboolean
မူလတန်ဖိုးtrue
caller က ခွင့်ပြုချက်ရှိပါက false သတ်မှတ်ခြင်းဖြင့် စစ်ဆေးမှုကို လျှော့ချနိုင်သည်။
လိုအပ်သည်

ဖိုင်ပါရာမီတာများသည် အများပြည်သူသုံး https:// URL၊ 10 MB အထိ data: URI သို့မဟုတ် အပ်လုဒ်လုပ်ထားသောဖိုင်၏ file_url ကို လက်ခံသည်။ ဖိုင်များ

ထွက်ရလဒ်

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"
  }
}
သင့်ဖိုင်များ၊ သင့်ရွေးချယ်မှုoutputs[].url တိုင်းသည် ကျွန်ုပ်တို့၏ သိုလှောင်မှုရှိ မိတ္တူဖြစ်သည်- အမြဲတမ်း (GB-month အလိုက် ငွေပေးရသည်) သို့မဟုတ် ၇ ရက် အခမဲ့၊ သင့်အကောင့်ဆက်တင် သို့မဟုတ် ?storage= ဖြင့် သိမ်းထားသည်။
မော်ဒယ်တိုင်းတွင် ပုံစံတူပုံ၊ ဗီဒီယိုနှင့် အသံတို့အတွက် type၊ url၊ content_type၊ width၊ height နှင့် duration။ output သည် မော်ဒယ်ကိုယ်တိုင်၏ ရလဒ် object ဖြစ်သည်။
ထွက်ရလဒ်၏ Fields များ
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}ဖန်တီးထားသော စကားပြောသံပါဝင်သည့် အသံဖိုင်။

နောက်ထပ် မော်ဒယ်များ: စာသားမှ အသံ

AI အေးဂျင့်များအတွက်- ဤစာမျက်နှာ၏ Markdown ကို ဤနေရာတွင် ရရှိနိုင်သည် https://doitong.com/my/developers/models/qwen-3-tts/text-to-speech/1.7b.md. မော်ဒယ်များနှင့် လမ်းညွှန်များအားလုံး: https://doitong.com/developers/llms.txt