Przejdź do treści

Qwen 3 TTS - Text to Speech [1.7B]

Integracja

Identyfikator modelu 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"

To żądanie: 0,005 $ 5 kredytów API · ≈ 0,54 ₽ Uruchom na tej stronie

Uzyskaj klucz API
Alibaba Tekst na mowę Dane referencyjne #text-to-speech

Większy model text-to-speech Qwen3 1.7B z presetami głosów, promptem stylu i obsługą sklonowanego głosu

Alibaba · Audio

Tutaj pojawi się pierwszy wynik

Zbuduj poniżej żądanie i uruchom je za pomocą klucza API. Wyniki są kopiowane do naszej przestrzeni dyskowej i przechowywane bezterminowo lub 7 dni bezpłatnie.

Zbuduj żądanie

Elementy sterujące są generowane ze schematu modelu. Kod i cena aktualizują się podczas ich zmiany.

•wymagane

Treść tekstowa do przekształcenia w mowę.

Opcjonalne instrukcje dotyczące stylu mowy, ignorowane po podaniu embeddingu mówcy.

Zaawansowane 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

Tekst referencyjny, opcjonalnie podawany w celu poprawy syntezy sklonowanego głosu; musi być tekstem użytym do utworzenia embeddingu mówcy.

Upuść plik lub

Sklonowany głos do syntezy mowy, jeśli podany, zastępujący predefiniowane opcje głosu.

Wybór głosu do syntezy mowy, zastępowany przez podany embedding mówcy. Szczegóły głosu i obsługiwane główne języki wymieniono w [dokumentacji głosów](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).

domyślnie Auto

Język używany przez głos.

domyślnie 50

Ustawienie próbkowania top-k.

domyślnie 1

Ustawienie Top-p używane podczas próbkowania.

domyślnie 0.9

Temperatura używana podczas próbkowania; większe wartości zwiększają losowość.

domyślnie 1.05

Kara zniechęcająca do powtarzania tokenów lub kodów.

domyślnie 50

Ustawienie top-k używane podczas próbkowania z sub-talkerem.

domyślnie 1

Ustawienie top-p używane podczas próbkowania z sub-talkerem.

domyślnie 0.9

Temperatura próbkowania używana przez sub-talker.

domyślnie 200

Górny limit nowo wygenerowanych tokenów kodeka.

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

Uruchom to żądanie

Klucz pozostaje w tej przeglądarce: jest wysyłany tylko do Doitong API i zapisywany (localStorage) tylko po zaznaczeniu opcji Zapamiętaj. Uzyskaj klucz API

Informacje o Qwen 3 TTS - Text to Speech [1.7B]

Zamienia `text` na mowę za pomocą modelu 1.7B. Użyj jednego z dziewięciu presetów głosu lub sklonowanego głosu przez `speaker_voice_embedding_file_url`, a do klonowania dodaj `reference_text`. Opcjonalny `prompt` steruje stylem mowy, gdy nie podano embeddingu. `language` przyjmuje Auto i dziesięć języków, a `max_new_tokens` mieści się w zakresie 1–8192.

Parametry

NazwaTyp DomyślneDozwolone Opis
textwymagane
Typstring
Treść tekstowa do przekształcenia w mowę.
promptopcjonalne
Typstring | null
Opcjonalne instrukcje dotyczące stylu mowy, ignorowane po podaniu embeddingu mówcy.
voiceopcjonalne
Typenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Wybór głosu do syntezy mowy, zastępowany przez podany embedding mówcy. Szczegóły głosu i obsługiwane główne języki wymieniono w [dokumentacji głosów](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).
languageopcjonalne
Typenum
DomyślneAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Język używany przez głos.
speaker_voice_embedding_file_urlopcjonalne
Typurl · file
Sklonowany głos do syntezy mowy, jeśli podany, zastępujący predefiniowane opcje głosu.
reference_textopcjonalne
Typstring | null
Tekst referencyjny, opcjonalnie podawany w celu poprawy syntezy sklonowanego głosu; musi być tekstem użytym do utworzenia embeddingu mówcy.
top_kopcjonalne
Typinteger | null
Domyślne50
≥ 0
Ustawienie próbkowania top-k.
top_popcjonalne
Typnumber | null
Domyślne1
0 – 1
Ustawienie Top-p używane podczas próbkowania.
temperatureopcjonalne
Typnumber | null
Domyślne0.9
≤ 1> 0
Temperatura używana podczas próbkowania; większe wartości zwiększają losowość.
repetition_penaltyopcjonalne
Typnumber | null
Domyślne1.05
≥ 0
Kara zniechęcająca do powtarzania tokenów lub kodów.
subtalker_dosampleopcjonalne
Typboolean | null
Domyślnetrue
Przełącznik włączający lub wyłączający próbkowanie przez sub-talker.
subtalker_top_kopcjonalne
Typinteger | null
Domyślne50
≥ 0
Ustawienie top-k używane podczas próbkowania z sub-talkerem.
subtalker_top_popcjonalne
Typnumber | null
Domyślne1
0 – 1
Ustawienie top-p używane podczas próbkowania z sub-talkerem.
subtalker_temperatureopcjonalne
Typnumber | null
Domyślne0.9
0 – 1
Temperatura próbkowania używana przez sub-talker.
max_new_tokensopcjonalne
Typinteger | null
Domyślne200
1 – 8192
Górny limit nowo wygenerowanych tokenów kodeka.
enable_safety_checkeropcjonalne
Typboolean
Domyślnetrue
Filtrowanie można złagodzić, ustawiając false, jeśli wywołujący ma odpowiednie uprawnienia.
wymagane

Parametry plików przyjmują publiczny URL https://, identyfikator URI data: do 10 MB albo file_url przesłanego pliku. Pliki

Wynik

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"
  }
}
Twoje pliki, Twój wybórKażdy outputs[].url to kopia w naszej przestrzeni dyskowej: przechowywana bezterminowo (opłata za GB-miesiąc) lub 7 dni bezpłatnie, zgodnie z ustawieniem konta lub ?storage=.
Taki sam format w każdym modelutype, url, content_type, width, height i duration — tak samo dla obrazów, filmów i dźwięku. output to własny obiekt wyniku modelu.
Pola wyniku
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Plik audio zawierający syntetyzowaną mowę.

Więcej modeli: Tekst na mowę

Dla agentów AI: ta strona w formacie Markdown jest dostępna pod adresem https://doitong.com/pl/developers/models/qwen-3-tts/text-to-speech/1.7b.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt