ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

Qwen 3 TTS - Clone Voice [1.7B]

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ id qwen-3-tts/clone-voice/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/clone-voice/1.7b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

ਉਦਾਹਰਨ ਵਰਗੀਆਂ ਫ਼ਾਈਲਾਂ: $0.001 1 API ਕ੍ਰੈਡਿਟ · ≈ ₽0.11 ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ ਚਲਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਮਾਪੀਆਂ ਜਾਂਦੀਆਂ ਹਨ ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
Alibaba ਆਡੀਓ ਹਵਾਲਾ ਇਨਪੁੱਟ #clone-voice#voice-clone

ਰੈਫਰੈਂਸ ਕਲਿੱਪ ਤੋਂ ਦੁਬਾਰਾ ਵਰਤਣਯੋਗ ਸਪੀਕਰ ਐਂਬੈਡਿੰਗ ਬਣਾਉਂਦਾ ਹੈ; ਵੌਇਸ ਕਲੋਨਰ ਦਾ ਵੱਡਾ 1.7B ਵਰਜਨ

Alibaba · ਡਾਟਾ (JSON)

ਤੁਹਾਡਾ ਪਹਿਲਾ ਨਤੀਜਾ ਇੱਥੇ ਹੋਵੇਗਾ

ਹੇਠਾਂ ਬੇਨਤੀ ਬਣਾਓ ਅਤੇ ਆਪਣੀ API ਕੁੰਜੀ ਨਾਲ ਚਲਾਓ। ਆਉਟਪੁੱਟ ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਕਾਪੀ ਕੀਤੇ ਜਾਂਦੇ ਹਨ ਅਤੇ ਹਮੇਸ਼ਾ ਲਈ ਜਾਂ ਮੁਫ਼ਤ ਵਿੱਚ 7 ਦਿਨ ਤੱਕ ਰੱਖੇ ਜਾਂਦੇ ਹਨ।

ਰਿਕਵੈਸਟ ਬਣਾਓ

ਕੰਟਰੋਲ ਮਾਡਲ ਸਕੀਮਾ ਤੋਂ ਤਿਆਰ ਹੁੰਦੇ ਹਨ। ਤੁਸੀਂ ਬਦਲਾਅ ਕਰਦੇ ਹੀ ਕੋਡ ਅਤੇ ਕੀਮਤ ਅੱਪਡੇਟ ਹੋ ਜਾਂਦੇ ਹਨ।

•ਲੋੜੀਂਦਾ audio_url
ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਵੌਇਸ-ਕਲੋਨਿੰਗ ਆਡੀਓ URL; ਹਵਾਲੇ ਵਜੋਂ ਇੱਕ ਛੋਟੀ, ਸਾਫ਼ ਬੋਲੀ ਦੀ ਰਿਕਾਰਡਿੰਗ ਕਾਫ਼ੀ ਹੈ, ਜੇਕਰ ਇਸ ਦੀ ਮਿਆਦ 300 ਸਕਿੰਟ (5 ਮਿੰਟ) ਤੋਂ ਵੱਧ ਨਾ ਹੋਵੇ।

ਉੱਨਤ reference_text · enable_safety_checker

ਹਵਾਲਾ ਟੈਕਸਟ, ਕਲੋਨ ਕੀਤੀ ਆਵਾਜ਼ ਨਾਲ ਸਿੰਥੇਸਿਸ ਸੁਧਾਰਨ ਲਈ ਵਿਕਲਪਿਕ ਤੌਰ 'ਤੇ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ; ਇਹ ਸਪੀਕਰ ਐਂਬੈਡਿੰਗ ਬਣਾਉਣ ਲਈ ਵਰਤਿਆ ਗਿਆ ਟੈਕਸਟ ਹੋਣਾ ਲਾਜ਼ਮੀ ਹੈ।

POST /run/qwen-3-tts/clone-voice/1.7b?wait=20 ਕੋਟ → $0.001
# 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/clone-voice/1.7b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

ਇਹ ਬੇਨਤੀ ਚਲਾਓ

ਤੁਹਾਡੀ key ਇਸ ਬ੍ਰਾਊਜ਼ਰ ਵਿੱਚ ਰਹਿੰਦੀ ਹੈ: ਇਹ ਸਿਰਫ਼ Doitong API ਨੂੰ ਭੇਜੀ ਜਾਂਦੀ ਹੈ ਅਤੇ ਸਿਰਫ਼ ਤਾਂ ਹੀ (localStorage) ਵਿੱਚ ਸੁਰੱਖਿਅਤ ਹੁੰਦੀ ਹੈ ਜੇ ਤੁਸੀਂ Remember ਚੁਣੋ। API ਕੁੰਜੀ ਪ੍ਰਾਪਤ ਕਰੋ

Qwen 3 TTS - Clone Voice [1.7B] ਬਾਰੇ

`audio_url` ਵਜੋਂ ਦਿੱਤੀ ਹਵਾਲਾ ਰਿਕਾਰਡਿੰਗ ਤੋਂ safetensors ਫ਼ਾਰਮੈਟ ਵਿੱਚ ਸਪੀਕਰ ਐਂਬੈਡਿੰਗ ਬਣਾਉਂਦਾ ਹੈ, ਜਿਸ ਦੀ ਲੰਬਾਈ ਵੱਧ ਤੋਂ ਵੱਧ 300 ਸਕਿੰਟ ਹੋ ਸਕਦੀ ਹੈ। ਨਤੀਜੇ ਨੂੰ text-to-speech ਐਂਡਪੋਇੰਟ ਨਾਲ ਵਰਤ ਕੇ ਕਲੋਨ ਕੀਤੀ ਆਵਾਜ਼ ਵਿੱਚ ਬੋਲਵਾਓ। `reference_text` ਵਿਕਲਪਿਕ ਹੈ ਅਤੇ ਗੁਣਵੱਤਾ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ 0.6B ਕਲੋਨਰ ਦਾ 1.7B ਆਕਾਰ ਵਾਲਾ ਸਮਕੱਖੀ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਕੈਨੋਨਿਕਲ ਨਾਮ ਜਾਂ ਨੇਟਿਵ ਨਾਮ ਵਿੱਚੋਂ ਕੋਈ ਇੱਕ ਭੇਜੋ, ਦੋਵੇਂ ਨਹੀਂ। ਕੈਨੋਨਿਕਲ ਨਾਮ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
audio_urlਲੋੜੀਂਦਾ audio
ਕਿਸਮurl · audio
ਵੌਇਸ-ਕਲੋਨਿੰਗ ਆਡੀਓ URL; ਹਵਾਲੇ ਵਜੋਂ ਇੱਕ ਛੋਟੀ, ਸਾਫ਼ ਬੋਲੀ ਦੀ ਰਿਕਾਰਡਿੰਗ ਕਾਫ਼ੀ ਹੈ, ਜੇਕਰ ਇਸ ਦੀ ਮਿਆਦ 300 ਸਕਿੰਟ (5 ਮਿੰਟ) ਤੋਂ ਵੱਧ ਨਾ ਹੋਵੇ।
reference_textਵਿਕਲਪਿਕ
ਕਿਸਮstring | null
ਹਵਾਲਾ ਟੈਕਸਟ, ਕਲੋਨ ਕੀਤੀ ਆਵਾਜ਼ ਨਾਲ ਸਿੰਥੇਸਿਸ ਸੁਧਾਰਨ ਲਈ ਵਿਕਲਪਿਕ ਤੌਰ 'ਤੇ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ; ਇਹ ਸਪੀਕਰ ਐਂਬੈਡਿੰਗ ਬਣਾਉਣ ਲਈ ਵਰਤਿਆ ਗਿਆ ਟੈਕਸਟ ਹੋਣਾ ਲਾਜ਼ਮੀ ਹੈ।
enable_safety_checkerਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
false ਸੈੱਟ ਕਰਕੇ ਸਕ੍ਰੀਨਿੰਗ ਨੂੰ ਢਿੱਲਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜੇ ਕਾਲਰ ਅਧਿਕਾਰਤ ਹੋਵੇ।
ਲੋੜੀਂਦਾ ਕੈਨੋਨਿਕਲ ਨਾਮ, ਇਹ ਵੀ ਸਵੀਕਾਰਿਆ ਜਾਂਦਾ ਹੈ

ਫ਼ਾਈਲ ਪੈਰਾਮੀਟਰ ਜਨਤਕ https:// URL, 10 MB ਤੱਕ ਦਾ data: URI, ਜਾਂ ਅੱਪਲੋਡ ਦੇ file_url ਨੂੰ ਸਵੀਕਾਰਦੇ ਹਨ। ਫ਼ਾਈਲਾਂ

ਆਉਟਪੁੱਟ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "qwen-3-tts/clone-voice/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": 1,
    "usd": "0.001",
    "charged": 1,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "speaker_embedding": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "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"
  }
}
ਤੁਹਾਡੀਆਂ ਫ਼ਾਈਲਾਂ, ਤੁਹਾਡੀ ਚੋਣਹਰ outputs[].url ਸਾਡੇ ਸਟੋਰੇਜ ਵਿੱਚ ਇੱਕ ਕਾਪੀ ਹੈ: ਹਮੇਸ਼ਾ ਲਈ ਰੱਖੀ ਜਾਂਦੀ ਹੈ (ਪ੍ਰਤੀ GB-ਮਹੀਨਾ ਭੁਗਤਾਨ) ਜਾਂ 7 ਦਿਨ ਤੱਕ ਮੁਫ਼ਤ, ਤੁਹਾਡੀ ਖਾਤਾ ਸੈਟਿੰਗ ਜਾਂ ?storage= ਅਨੁਸਾਰ।
ਹਰ ਮਾਡਲ ’ਤੇ ਇੱਕੋ ਜਿਹਾ ਰੂਪਤਸਵੀਰਾਂ, ਵੀਡੀਓ ਅਤੇ ਆਡੀਓ ਸਭ ਲਈ type, url, content_type, width, height ਅਤੇ duration। output ਮਾਡਲ ਦਾ ਆਪਣਾ ਨਤੀਜਾ ਆਬਜੈਕਟ ਹੈ।
ਆਉਟਪੁੱਟ ਦੇ ਫ਼ੀਲਡ
speaker_embedding
object {url, content_type, file_name, file_size}safetensors ਫ਼ਾਈਲ ਵਜੋਂ ਸਿਰਜੀ ਗਈ ਸਪੀਕਰ ਐਂਬੈਡਿੰਗ।

ਹੋਰ ਮਾਡਲ: ਆਡੀਓ

AI ਏਜੰਟਾਂ ਲਈ: ਇਹ ਪੰਨਾ Markdown ਵਜੋਂ ਇੱਥੇ ਹੈ https://doitong.com/pa/developers/models/qwen-3-tts/clone-voice/1.7b.md. ਸਾਰੇ ਮਾਡਲ ਅਤੇ ਗਾਈਡ: https://doitong.com/developers/llms.txt