Ir para o conteúdo

Qwen 3 TTS - Voice Design [1.7B]

Integrar

ID do modelo 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"

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

Obter chave de API
Alibaba Texto para fala #text-to-speech#voice-design

Cria uma nova voz a partir de uma descrição escrita e fala o texto fornecido com ela

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.

•obrigatório

Instruções opcionais para o estilo da fala sintetizada.

Avançado language · top_k · top_p · temperature · repetition_penalty · subtalker_top_k · subtalker_top_p · subtalker_temperature · max_new_tokens · subtalker_dosample · enable_safety_checker
padrão Auto

Idioma da voz sendo criada.

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/voice-design/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/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"

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 - Voice Design [1.7B]

Gera fala para `text` com uma voz descrita pelo `prompt` obrigatório, portanto não é necessária voz predefinida nem áudio de referência. `language` pode ser Auto ou um dos dez idiomas nomeados. Controles de amostragem e `max_new_tokens` (1 a 8192, padrão 200) estão disponíveis. A voz criada pode ser clonada posteriormente com o modelo clone-voice.

Parâmetros

NomeTipo PadrãoPermitido Descrição
textobrigatório
Tipostring
Conteúdo de texto a ser convertido em fala.
languageopcional
Tipoenum
PadrãoAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Idioma da voz sendo criada.
promptobrigatório
Tipostring
Instruções opcionais para o estilo da fala sintetizada.
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

Saída

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"
  }
}
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/voice-design/1.7b.md. Todos os modelos e guias: https://doitong.com/developers/llms.txt