Avançar 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"

Este pedido: 0,005 $ 5 créditos da API · ≈ 0,54 ₽ Executar nesta página

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

Text-to-speech Qwen3 1.7B maior, com vozes predefinidas, prompt de estilo e suporte para vozes clonadas

Alibaba · Áudio

O seu primeiro resultado aparece aqui

Crie um pedido abaixo e execute-o com a sua chave de API. As saídas são copiadas para o nosso armazenamento, guardadas para sempre ou durante 7 dias gratuitamente.

Criar um pedido

Os controlos são gerados a partir do esquema do modelo. O código e o preço são atualizados à medida que os altera.

•obrigatório

Conteúdo de texto a converter em fala.

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

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 utilizado para criar o embedding do locutor.

Largue um ficheiro ou

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

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

predefinição Auto

Idioma utilizado pela voz.

predefinição 50

Definição para amostragem top-k.

predefinição 1

Definição de top-p utilizada durante a amostragem.

predefinição 0.9

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

predefinição 1.05

Penalização que desencoraja a repetição de tokens ou códigos.

predefinição 50

Definição top-k usada durante a amostragem do sub-talker.

predefinição 1

Definição top-p usada durante a amostragem do sub-talker.

predefinição 0.9

Temperatura de amostragem usada pelo sub-talker.

predefinição 200

Limite superior de tokens de codec gerados recentemente.

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 este pedido

A sua chave permanece neste navegador: é enviada apenas para a Doitong API e guardada em localStorage apenas se selecionar 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 através de `speaker_voice_embedding_file_url` e adicione `reference_text` para a clonagem. Um `prompt` opcional orienta o estilo de fala quando não é fornecido um embedding. `language` aceita Auto e dez idiomas, e `max_new_tokens` varia de 1 a 8192.

Parâmetros

NomeTipo PredefiniçãoPermitido Descrição
textobrigatório
Tipostring
Conteúdo de texto a converter em fala.
promptopcional
Tipostring | null
Instruções opcionais de estilo de fala, ignoradas sempre que é fornecido um embedding do locutor.
voiceopcional
Tipoenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Seleção da voz de síntese de fala, substituída por qualquer embedding do locutor fornecido. Os detalhes da voz e o suporte para os idiomas principais estão listados na [documentação de vozes](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).
languageopcional
Tipoenum
PredefiniçãoAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Idioma utilizado 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 utilizado para criar o embedding do locutor.
top_kopcional
Tipointeger | null
Predefinição50
≥ 0
Definição para amostragem top-k.
top_popcional
Tiponumber | null
Predefinição1
0 – 1
Definição de top-p utilizada durante a amostragem.
temperatureopcional
Tiponumber | null
Predefinição0.9
≤ 1> 0
Temperatura utilizada durante a amostragem; valores maiores aumentam a aleatoriedade.
repetition_penaltyopcional
Tiponumber | null
Predefinição1.05
≥ 0
Penalização que desencoraja a repetição de tokens ou códigos.
subtalker_dosampleopcional
Tipoboolean | null
Predefiniçãotrue
Interruptor que ativa ou desativa a amostragem pelo sub-talker.
subtalker_top_kopcional
Tipointeger | null
Predefinição50
≥ 0
Definição top-k usada durante a amostragem do sub-talker.
subtalker_top_popcional
Tiponumber | null
Predefinição1
0 – 1
Definição top-p usada durante a amostragem do sub-talker.
subtalker_temperatureopcional
Tiponumber | null
Predefinição0.9
0 – 1
Temperatura de amostragem usada pelo sub-talker.
max_new_tokensopcional
Tipointeger | null
Predefinição200
1 – 8192
Limite superior de tokens de codec gerados recentemente.
enable_safety_checkeropcional
Tipoboolean
Predefiniçãotrue
A filtragem pode ser flexibilizada definindo false, desde que o autor do pedido esteja autorizado.
obrigatório

Os parâmetros de ficheiro aceitam um URL https:// público, um URI data: até 10 MB ou o file_url de um carregamento. Ficheiros

Resultado

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"
  }
}
Os seus ficheiros, a sua escolhaCada outputs[].url é uma cópia no nosso armazenamento: guardada para sempre (paga por GB-mês) ou durante 7 dias gratuitamente, conforme a definição da sua conta ou ?storage=.
A mesma estrutura em todos os modelostype, url, content_type, width, height e duration, tanto para imagens como para vídeo e áudio. output é o próprio objeto de resultado do modelo.
Campos do resultado
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Ficheiro de áudio que contém a fala sintetizada.

Mais modelos: Texto para voz

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