Hoppa till innehåll

Qwen 3 TTS - Text to Speech [0.6B]

Integrera

Modell-id qwen-3-tts/text-to-speech/0.6b
# 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/0.6b?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"

Den här begäran: 0,004 $ 4 API-krediter · ≈ 0,43 ₽ Kör den på den här sidan

Hämta API-nyckel
Alibaba Text till tal Referensinmatningar #text-to-speech

Mindre 0.6B Qwen3 för text-till-tal med nio förinställda röster, språkval och röstkloning via inbäddning

Alibaba · Ljud

Ditt första resultat visas här

Skapa en begäran nedan och kör den med din API-nyckel. Utdata kopieras till vår lagring och sparas för alltid eller 7 dagar kostnadsfritt.

Skapa en begäran

Kontrollerna genereras från modellschemat. Koden och priset uppdateras när du ändrar dem.

•obligatoriskt

Textinnehåll som ska omvandlas till tal.

Valfria instruktioner för talstil, ignoreras alltid när en speaker embedding anges.

Avancerat 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

Referenstext, som valfritt kan anges för att förbättra syntesen med en klonad röst, måste vara texten som användes för att skapa talarens embedding.

Släpp en fil eller

Klonad röst för talsyntes, om den anges, som ersätter de fördefinierade röstalternativen.

Val av röst för talsyntes, åsidosätts av en angiven speaker embedding. Röstinformation och stöd för primära språk finns i [röstdokumentationen](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).

standard Auto

Språk som används av rösten.

standard 50

Inställning för top-k-sampling.

standard 1

Top-p-inställning som används vid sampling.

standard 0.9

Temperatur som används vid sampling; högre värden ökar slumpmässigheten.

standard 1.05

Straff som motverkar upprepning av token eller koder.

standard 50

Top-k-inställning vid sampling från underprataren.

standard 1

Top-p-inställning vid sampling från underprataren.

standard 0.9

Samplingstemperatur som används av underprataren.

standard 200

Övre gräns för nyligen genererade codec-token.

POST /run/qwen-3-tts/text-to-speech/0.6b?wait=20 pris → 0,004 $
# 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/0.6b?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"

Kör den här begäran

Din nyckel stannar i den här webbläsaren: den skickas endast till Doitong API och sparas endast i localStorage om du markerar Kom ihåg. Hämta en API-nyckel

Om Qwen 3 TTS - Text to Speech [0.6B]

Konverterar `text` till tal med 0.6B-modellen. Välj en förinställd `voice`, till exempel Vivian, Serena, Dylan eller Sohee, eller ange `speaker_voice_embedding_file_url` för att använda en klonad röst, eventuellt med `reference_text`. `language` omfattar Auto samt tio namngivna språk, däribland English, Chinese och Japanese. Samplingkontroller och `max_new_tokens` (1 till 8192) är tillgängliga.

Parametrar

NamnTyp StandardTillåtna Beskrivning
textobligatoriskt
Typstring
Textinnehåll som ska omvandlas till tal.
promptvalfritt
Typstring | null
Valfria instruktioner för talstil, ignoreras alltid när en speaker embedding anges.
voicevalfritt
Typenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
Val av röst för talsyntes, åsidosätts av en angiven speaker embedding. Röstinformation och stöd för primära språk finns i [röstdokumentationen](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).
languagevalfritt
Typenum
StandardAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
Språk som används av rösten.
speaker_voice_embedding_file_urlvalfritt
Typurl · file
Klonad röst för talsyntes, om den anges, som ersätter de fördefinierade röstalternativen.
reference_textvalfritt
Typstring | null
Referenstext, som valfritt kan anges för att förbättra syntesen med en klonad röst, måste vara texten som användes för att skapa talarens embedding.
top_kvalfritt
Typinteger | null
Standard50
≥ 0
Inställning för top-k-sampling.
top_pvalfritt
Typnumber | null
Standard1
0 – 1
Top-p-inställning som används vid sampling.
temperaturevalfritt
Typnumber | null
Standard0.9
≤ 1> 0
Temperatur som används vid sampling; högre värden ökar slumpmässigheten.
repetition_penaltyvalfritt
Typnumber | null
Standard1.05
≥ 0
Straff som motverkar upprepning av token eller koder.
subtalker_dosamplevalfritt
Typboolean | null
Standardtrue
Reglage som aktiverar eller inaktiverar sampling med underprataren.
subtalker_top_kvalfritt
Typinteger | null
Standard50
≥ 0
Top-k-inställning vid sampling från underprataren.
subtalker_top_pvalfritt
Typnumber | null
Standard1
0 – 1
Top-p-inställning vid sampling från underprataren.
subtalker_temperaturevalfritt
Typnumber | null
Standard0.9
0 – 1
Samplingstemperatur som används av underprataren.
max_new_tokensvalfritt
Typinteger | null
Standard200
1 – 8 192
Övre gräns för nyligen genererade codec-token.
enable_safety_checkervalfritt
Typboolean
Standardtrue
Granskningen kan lättas genom att ange false, om anroparen är behörig.
obligatoriskt

Filparametrar tar emot en offentlig https://-URL, en data:-URI på upp till 10 MB eller file_url från en uppladdning. Filer

Resultat

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "qwen-3-tts/text-to-speech/0.6b",
  "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": 4,
    "usd": "0.004",
    "charged": 4,
    "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"
  }
}
Dina filer, ditt valVarje outputs[].url är en kopia i vår lagring: sparad för alltid (debiteras per GB-månad) eller 7 dagar kostnadsfritt, enligt din kontoinställning eller ?storage=.
Samma struktur för varje modelltype, url, content_type, width, height och duration, för bilder, video och ljud. output är modellens eget resultatobjekt.
Resultatets fält
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}Ljudfil som innehåller det syntetiserade talet.

Fler modeller: Text till tal

För AI-agenter: den här sidan som Markdown finns på https://doitong.com/sv/developers/models/qwen-3-tts/text-to-speech/0.6b.md. Alla modeller och guider: https://doitong.com/developers/llms.txt