Przejdź do treści

Qwen 3 TTS - Voice Design [1.7B]

Integracja

Identyfikator modelu qwen-3-tts/voice-design/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/voice-design/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.",
    "prompt": "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 #text-to-speech#voice-design

Projektuje nowy głos na podstawie opisu tekstowego i wypowiada w nim podany tekst

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.

•wymagane

Opcjonalne instrukcje dotyczące stylu syntetyzowanej mowy.

Zaawansowane language · top_k · top_p · temperature · repetition_penalty · subtalker_top_k · subtalker_top_p · subtalker_temperature · max_new_tokens · subtalker_dosample · enable_safety_checker
domyślnie Auto

Język projektowanego głosu.

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/voice-design/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/voice-design/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.",
    "prompt": "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 - Voice Design [1.7B]

Generuje mowę dla `text` głosem opisanym przez wymagany `prompt`, więc nie jest potrzebny preset głosu ani dźwięk referencyjny. `language` może mieć wartość Auto lub jeden z dziesięciu nazwanych języków. Dostępne są parametry próbkowania i `max_new_tokens` (1–8192, domyślnie 200). Zaprojektowany głos można później sklonować za pomocą modelu clone-voice.

Parametry

NazwaTyp DomyślneDozwolone Opis
textwymagane
Typstring
Treść tekstowa do przekształcenia w mowę.
languageopcjonalne
Typenum
DomyślneAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Język projektowanego głosu.
promptwymagane
Typstring
Opcjonalne instrukcje dotyczące stylu syntetyzowanej mowy.
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

Wynik

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "qwen-3-tts/voice-design/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.",
    "prompt": "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/voice-design/1.7b.md. Wszystkie modele i przewodniki: https://doitong.com/developers/llms.txt