Ir para o conteúdo

Qwen 3 TTS - Text to Speech [1.7B]

Integrar

ID do modelo 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"

Esta solicitação: $ 0,005 5 créditos de API · ≈ ₽ 0,54 Executar nesta página

Obter chave de API
Alibaba Texto para fala Entradas de referência #text-to-speech

Text-to-speech Qwen3 maior, de 1.7B, com vozes predefinidas, prompt de estilo e suporte a voz clonada

Alibaba · Áudio

Seu primeiro resultado aparecerá aqui

Monte uma requisição abaixo e execute-a com sua chave de API. As saídas são copiadas para nosso armazenamento, mantidas para sempre ou por 7 dias gratuitamente.

Criar uma solicitação

Os controles são gerados a partir do esquema do modelo. O código e o preço são atualizados conforme você os altera.

•obrigatório

Conteúdo de texto a ser convertido em fala.

Instruções opcionais de estilo de fala, ignoradas sempre que um embedding do falante é fornecido.

Avançado 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

Texto de referência, fornecido opcionalmente para melhorar a síntese com uma voz clonada; deve ser o texto usado para criar o embedding do falante.

Solte um arquivo ou

Voz clonada para síntese de fala, se fornecida, substituindo as opções de voz predefinidas.

Seleção da voz para síntese de fala, substituída por qualquer embedding do falante fornecido. Os detalhes da voz e o suporte aos idiomas principais estão listados na [documentação de voz](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).

padrão Auto

Idioma usado pela voz.

padrão 50

Configuração para amostragem top-k.

padrão 1

Configuração de Top-p usada durante a amostragem.

padrão 0.9

Temperatura usada durante a amostragem; valores maiores aumentam a aleatoriedade.

padrão 1.05

Penalidade que desencoraja a repetição de tokens ou códigos.

padrão 50

Configuração top-k usada ao fazer amostragem do sub-talker.

padrão 1

Configuração top-p usada ao fazer amostragem do sub-talker.

padrão 0.9

Temperatura de amostragem usada pelo sub-talker.

padrão 200

Limite superior de tokens de codec recém-gerados.

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

Executar esta solicitação

Sua chave permanece neste navegador: ela é enviada somente à Doitong API e salva (localStorage) apenas se você marcar Lembrar. Obter uma chave de API

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

Converte `text` em fala com o modelo 1.7B. Use uma das nove vozes predefinidas ou uma voz clonada por meio de `speaker_voice_embedding_file_url`, e adicione `reference_text` para a clonagem. Um `prompt` opcional orienta o estilo da fala quando nenhum embedding é fornecido. `language` aceita Auto e dez idiomas, e `max_new_tokens` varia de 1 a 8192.

Parâmetros

NomeTipo PadrãoPermitido Descrição
textobrigatório
Tipostring
Conteúdo de texto a ser convertido em fala.
promptopcional
Tipostring | null
Instruções opcionais de estilo de fala, ignoradas sempre que um embedding do falante é fornecido.
voiceopcional
Tipoenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Seleção da voz para síntese de fala, substituída por qualquer embedding do falante fornecido. Os detalhes da voz e o suporte aos idiomas principais estão listados na [documentação de voz](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).
languageopcional
Tipoenum
PadrãoAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Idioma usado pela voz.
speaker_voice_embedding_file_urlopcional
Tipourl · file
Voz clonada para síntese de fala, se fornecida, substituindo as opções de voz predefinidas.
reference_textopcional
Tipostring | null
Texto de referência, fornecido opcionalmente para melhorar a síntese com uma voz clonada; deve ser o texto usado para criar o embedding do falante.
top_kopcional
Tipointeger | null
Padrão50
≥ 0
Configuração para amostragem top-k.
top_popcional
Tiponumber | null
Padrão1
0 – 1
Configuração de Top-p usada durante a amostragem.
temperatureopcional
Tiponumber | null
Padrão0.9
≤ 1> 0
Temperatura usada durante a amostragem; valores maiores aumentam a aleatoriedade.
repetition_penaltyopcional
Tiponumber | null
Padrão1.05
≥ 0
Penalidade que desencoraja a repetição de tokens ou códigos.
subtalker_dosampleopcional
Tipoboolean | null
Padrãotrue
Alterna a ativação ou desativação da amostragem pelo sub-talker.
subtalker_top_kopcional
Tipointeger | null
Padrão50
≥ 0
Configuração top-k usada ao fazer amostragem do sub-talker.
subtalker_top_popcional
Tiponumber | null
Padrão1
0 – 1
Configuração top-p usada ao fazer amostragem do sub-talker.
subtalker_temperatureopcional
Tiponumber | null
Padrão0.9
0 – 1
Temperatura de amostragem usada pelo sub-talker.
max_new_tokensopcional
Tipointeger | null
Padrão200
1 – 8.192
Limite superior de tokens de codec recém-gerados.
enable_safety_checkeropcional
Tipoboolean
Padrãotrue
A filtragem pode ser relaxada definindo false, desde que o chamador esteja autorizado.
obrigatório

Os parâmetros de arquivo aceitam uma URL https:// pública, um URI data: de até 10 MB ou o file_url de um upload. Arquivos

Saída

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"
  }
}
Seus arquivos, sua escolhaCada outputs[].url é uma cópia em nosso armazenamento: mantida para sempre (cobrada por GB-mês) ou por 7 dias gratuitamente, conforme a configuração da sua conta ou ?storage=.
Mesmo formato em todos os modelostype, url, content_type, width, height e duration, para imagens, vídeos e áudios. output é o próprio objeto de resultado do modelo.
Campos da saída
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Arquivo de áudio contendo a fala sintetizada.

Mais modelos: Texto para fala

Para agentes de IA: esta página em Markdown está em https://doitong.com/pt-BR/developers/models/qwen-3-tts/text-to-speech/1.7b.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt