ਸਮੱਗਰੀ ਵੱਲ ਜਾਓ

Qwen 3 TTS - Text to Speech [1.7B]

ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ

ਮਾਡਲ 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"

ਇਹ ਬੇਨਤੀ: $0.005 5 API ਕ੍ਰੈਡਿਟ · ≈ ₽0.54 ਇਸ ਪੰਨੇ ’ਤੇ ਚਲਾਓ

API ਕੁੰਜੀ ਲਵੋ
Alibaba ਟੈਕਸਟ ਤੋਂ ਬੋਲੀ ਹਵਾਲਾ ਇਨਪੁੱਟ #text-to-speech

ਪੂਰਵ-ਨਿਰਧਾਰਤ ਆਵਾਜ਼ਾਂ, ਸਟਾਈਲ ਪ੍ਰੌਂਪਟ ਅਤੇ ਕਲੋਨ ਕੀਤੀ ਆਵਾਜ਼ ਸਹਾਇਤਾ ਵਾਲਾ ਵੱਡਾ 1.7B Qwen3 ਟੈਕਸਟ-ਟੂ-ਸਪੀਚ ਮਾਡਲ

Alibaba · ਆਡੀਓ

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

ਬੋਲੀ ਵਿੱਚ ਬਦਲਣ ਲਈ ਟੈਕਸਟ ਸਮੱਗਰੀ।

ਵਿਕਲਪਿਕ ਬੋਲੀ-ਸ਼ੈਲੀ ਹਦਾਇਤਾਂ, ਸਪੀਕਰ ਐਂਬੈਡਿੰਗ ਦਿੱਤੀ ਜਾਣ 'ਤੇ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ।

ਉੱਨਤ 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

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।

ਫ਼ਾਈਲ ਛੱਡੋ, ਜਾਂ

ਬੋਲੀ ਸਿੰਥੇਸਿਸ ਲਈ ਕਲੋਨ ਕੀਤੀ ਆਵਾਜ਼, ਜੇ ਦਿੱਤੀ ਹੋਵੇ, ਜੋ ਪਹਿਲਾਂ ਤੋਂ ਨਿਰਧਾਰਤ ਆਵਾਜ਼ ਵਿਕਲਪਾਂ ਦੀ ਥਾਂ ਲੈਂਦੀ ਹੈ।

ਬੋਲੀ-ਸਿੰਥੇਸਿਸ ਆਵਾਜ਼ ਦੀ ਚੋਣ, ਦਿੱਤੀ ਗਈ ਕਿਸੇ ਵੀ ਸਪੀਕਰ ਐਂਬੈਡਿੰਗ ਦੁਆਰਾ ਓਵਰਰਾਈਡ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਆਵਾਜ਼ ਦੇ ਵੇਰਵੇ ਅਤੇ ਮੁੱਖ ਭਾਸ਼ਾ ਸਮਰਥਨ [ਵੌਇਸ ਦਸਤਾਵੇਜ਼](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate) ਵਿੱਚ ਦਿੱਤੇ ਹਨ।

ਡਿਫ਼ਾਲਟ Auto

ਆਵਾਜ਼ ਦੁਆਰਾ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਭਾਸ਼ਾ।

ਡਿਫ਼ਾਲਟ 50

top-k ਸੈਂਪਲਿੰਗ ਲਈ ਸੈਟਿੰਗ।

ਡਿਫ਼ਾਲਟ 1

ਸੈਂਪਲਿੰਗ ਦੌਰਾਨ ਵਰਤੀ ਜਾਣ ਵਾਲੀ Top-p ਸੈਟਿੰਗ।

ਡਿਫ਼ਾਲਟ 0.9

ਸੈਂਪਲਿੰਗ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਤਾਪਮਾਨ; ਵੱਡੇ ਮੁੱਲ ਰੈਂਡਮਨੈੱਸ ਵਧਾਉਂਦੇ ਹਨ।

ਡਿਫ਼ਾਲਟ 1.05

ਟੋਕਨਾਂ ਜਾਂ ਕੋਡਾਂ ਦੀ ਦੁਹਰਾਈ ਨੂੰ ਹतोਤਸਾਹਿਤ ਕਰਨ ਵਾਲਾ ਜੁਰਮਾਨਾ।

ਡਿਫ਼ਾਲਟ 50

ਸਬ-ਟਾਕਰ ਤੋਂ ਸੈਂਪਲਿੰਗ ਵੇਲੇ ਵਰਤੀ ਜਾਣ ਵਾਲੀ Top-k ਸੈਟਿੰਗ।

ਡਿਫ਼ਾਲਟ 1

ਸਬ-ਟਾਕਰ ਤੋਂ ਸੈਂਪਲਿੰਗ ਵੇਲੇ ਵਰਤੀ ਜਾਣ ਵਾਲੀ Top-p ਸੈਟਿੰਗ।

ਡਿਫ਼ਾਲਟ 0.9

ਸਬ-ਟਾਕਰ ਦੁਆਰਾ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਸੈਂਪਲਿੰਗ ਤਾਪਮਾਨ।

ਡਿਫ਼ਾਲਟ 200

ਨਵੇਂ ਸਿਰਜੇ ਗਏ ਕੋਡੈਕ ਟੋਕਨਾਂ ਦੀ ਉੱਪਰੀ ਸੀਮਾ।

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

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 - Text to Speech [1.7B] ਬਾਰੇ

`text` ਨੂੰ 1.7B ਮਾਡਲ ਨਾਲ ਬੋਲੀ ਵਿੱਚ ਬਦਲਦਾ ਹੈ। ਨੌਂ ਪੂਰਵ-ਨਿਰਧਾਰਤ ਆਵਾਜ਼ਾਂ ਵਿੱਚੋਂ ਇੱਕ ਵਰਤੋ ਜਾਂ `speaker_voice_embedding_file_url` ਰਾਹੀਂ ਕਲੋਨ ਕੀਤੀ ਆਵਾਜ਼ ਵਰਤੋ, ਅਤੇ ਕਲੋਨਿੰਗ ਲਈ `reference_text` ਜੋੜੋ। ਜਦੋਂ ਕੋਈ ਐਂਬੈਡਿੰਗ ਨਾ ਦਿੱਤੀ ਹੋਵੇ, ਤਾਂ ਵਿਕਲਪਿਕ `prompt` ਬੋਲਣ ਦੀ ਸ਼ੈਲੀ ਨੂੰ ਨਿਰਦੇਸ਼ਿਤ ਕਰਦਾ ਹੈ। `language` Auto ਅਤੇ ਦਸ ਭਾਸ਼ਾਵਾਂ ਸਵੀਕਾਰ ਕਰਦਾ ਹੈ, ਅਤੇ `max_new_tokens` ਦੀ ਰੇਂਜ 1 ਤੋਂ 8192 ਤੱਕ ਹੈ।

ਪੈਰਾਮੀਟਰ

ਨਾਮਕਿਸਮ ਡਿਫ਼ਾਲਟਮਨਜ਼ੂਰਸ਼ੁਦਾ ਵੇਰਵਾ
textਲੋੜੀਂਦਾ
ਕਿਸਮstring
ਬੋਲੀ ਵਿੱਚ ਬਦਲਣ ਲਈ ਟੈਕਸਟ ਸਮੱਗਰੀ।
promptਵਿਕਲਪਿਕ
ਕਿਸਮstring | null
ਵਿਕਲਪਿਕ ਬੋਲੀ-ਸ਼ੈਲੀ ਹਦਾਇਤਾਂ, ਸਪੀਕਰ ਐਂਬੈਡਿੰਗ ਦਿੱਤੀ ਜਾਣ 'ਤੇ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ।
voiceਵਿਕਲਪਿਕ
ਕਿਸਮenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
ਬੋਲੀ-ਸਿੰਥੇਸਿਸ ਆਵਾਜ਼ ਦੀ ਚੋਣ, ਦਿੱਤੀ ਗਈ ਕਿਸੇ ਵੀ ਸਪੀਕਰ ਐਂਬੈਡਿੰਗ ਦੁਆਰਾ ਓਵਰਰਾਈਡ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਆਵਾਜ਼ ਦੇ ਵੇਰਵੇ ਅਤੇ ਮੁੱਖ ਭਾਸ਼ਾ ਸਮਰਥਨ [ਵੌਇਸ ਦਸਤਾਵੇਜ਼](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate) ਵਿੱਚ ਦਿੱਤੇ ਹਨ।
languageਵਿਕਲਪਿਕ
ਕਿਸਮenum
ਡਿਫ਼ਾਲਟAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
ਆਵਾਜ਼ ਦੁਆਰਾ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਭਾਸ਼ਾ।
speaker_voice_embedding_file_urlਵਿਕਲਪਿਕ
ਕਿਸਮurl · file
ਬੋਲੀ ਸਿੰਥੇਸਿਸ ਲਈ ਕਲੋਨ ਕੀਤੀ ਆਵਾਜ਼, ਜੇ ਦਿੱਤੀ ਹੋਵੇ, ਜੋ ਪਹਿਲਾਂ ਤੋਂ ਨਿਰਧਾਰਤ ਆਵਾਜ਼ ਵਿਕਲਪਾਂ ਦੀ ਥਾਂ ਲੈਂਦੀ ਹੈ।
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।
top_kਵਿਕਲਪਿਕ
ਕਿਸਮinteger | null
ਡਿਫ਼ਾਲਟ50
≥ 0
top-k ਸੈਂਪਲਿੰਗ ਲਈ ਸੈਟਿੰਗ।
top_pਵਿਕਲਪਿਕ
ਕਿਸਮnumber | null
ਡਿਫ਼ਾਲਟ1
0 – 1
ਸੈਂਪਲਿੰਗ ਦੌਰਾਨ ਵਰਤੀ ਜਾਣ ਵਾਲੀ Top-p ਸੈਟਿੰਗ।
temperatureਵਿਕਲਪਿਕ
ਕਿਸਮnumber | null
ਡਿਫ਼ਾਲਟ0.9
≤ 1> 0
ਸੈਂਪਲਿੰਗ ਦੌਰਾਨ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਤਾਪਮਾਨ; ਵੱਡੇ ਮੁੱਲ ਰੈਂਡਮਨੈੱਸ ਵਧਾਉਂਦੇ ਹਨ।
repetition_penaltyਵਿਕਲਪਿਕ
ਕਿਸਮnumber | null
ਡਿਫ਼ਾਲਟ1.05
≥ 0
ਟੋਕਨਾਂ ਜਾਂ ਕੋਡਾਂ ਦੀ ਦੁਹਰਾਈ ਨੂੰ ਹतोਤਸਾਹਿਤ ਕਰਨ ਵਾਲਾ ਜੁਰਮਾਨਾ।
subtalker_dosampleਵਿਕਲਪਿਕ
ਕਿਸਮboolean | null
ਡਿਫ਼ਾਲਟtrue
ਸਬ-ਟਾਕਰ ਦੁਆਰਾ ਸੈਂਪਲਿੰਗ ਸਮਰੱਥ ਜਾਂ ਅਸਮਰੱਥ ਕਰਨ ਵਾਲਾ ਸਵਿੱਚ।
subtalker_top_kਵਿਕਲਪਿਕ
ਕਿਸਮinteger | null
ਡਿਫ਼ਾਲਟ50
≥ 0
ਸਬ-ਟਾਕਰ ਤੋਂ ਸੈਂਪਲਿੰਗ ਵੇਲੇ ਵਰਤੀ ਜਾਣ ਵਾਲੀ Top-k ਸੈਟਿੰਗ।
subtalker_top_pਵਿਕਲਪਿਕ
ਕਿਸਮnumber | null
ਡਿਫ਼ਾਲਟ1
0 – 1
ਸਬ-ਟਾਕਰ ਤੋਂ ਸੈਂਪਲਿੰਗ ਵੇਲੇ ਵਰਤੀ ਜਾਣ ਵਾਲੀ Top-p ਸੈਟਿੰਗ।
subtalker_temperatureਵਿਕਲਪਿਕ
ਕਿਸਮnumber | null
ਡਿਫ਼ਾਲਟ0.9
0 – 1
ਸਬ-ਟਾਕਰ ਦੁਆਰਾ ਵਰਤਿਆ ਜਾਣ ਵਾਲਾ ਸੈਂਪਲਿੰਗ ਤਾਪਮਾਨ।
max_new_tokensਵਿਕਲਪਿਕ
ਕਿਸਮinteger | null
ਡਿਫ਼ਾਲਟ200
1 – 8,192
ਨਵੇਂ ਸਿਰਜੇ ਗਏ ਕੋਡੈਕ ਟੋਕਨਾਂ ਦੀ ਉੱਪਰੀ ਸੀਮਾ।
enable_safety_checkerਵਿਕਲਪਿਕ
ਕਿਸਮboolean
ਡਿਫ਼ਾਲਟtrue
false ਸੈੱਟ ਕਰਕੇ ਸਕ੍ਰੀਨਿੰਗ ਨੂੰ ਢਿੱਲਾ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਜੇ ਕਾਲਰ ਅਧਿਕਾਰਤ ਹੋਵੇ।
ਲੋੜੀਂਦਾ

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/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"
  }
}
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
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}ਸੰਸ਼ਲੇਸ਼ਿਤ ਬੋਲੀ ਵਾਲੀ ਆਡੀਓ ਫ਼ਾਈਲ।

ਹੋਰ ਮਾਡਲ: ਟੈਕਸਟ ਤੋਂ ਬੋਲੀ

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