مواد پر جائیں

Qwen 3 TTS - Clone Voice [0.6B]

انٹیگریٹ کریں

ماڈل id qwen-3-tts/clone-voice/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/clone-voice/0.6b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

مثال جیسی فائلیں: ⁨$0.001⁩ 1 API کریڈٹ · ≈ ⁨₽0.11⁩ آپ کی فائلیں رن سے پہلے ناپی جاتی ہیں اس صفحے پر چلائیں

API کلید حاصل کریں
Alibaba آڈیو حوالہ جاتی ان پٹس #clone-voice#voice-clone

ریفرنس کلپ سے قابلِ استعمال اسپیکر ایمبیڈنگ بناتا ہے، وائس کلونر کا چھوٹا 0.6B ورژن

Alibaba · ڈیٹا (JSON)

آپ کا پہلا نتیجہ یہاں آئے گا

ذیل میں درخواست بنائیں اور اپنی API کلید کے ساتھ چلائیں۔ آؤٹ پٹس ہمارے اسٹوریج میں کاپی ہو جاتے ہیں، ہمیشہ کے لیے یا مفت میں 7 دن تک محفوظ رہتے ہیں۔

درخواست بنائیں

کنٹرولز ماڈل اسکیما سے تیار ہوتے ہیں۔ آپ کے بدلنے کے ساتھ کوڈ اور قیمت اپ ڈیٹ ہوتے ہیں۔

•لازمی audio_url
فائل ڈراپ کریں، یا

آواز کلون کرنے کے لیے آڈیو URL؛ مختصر اور صاف تقریری ریکارڈنگ حوالہ کے طور پر کافی ہے، بشرطیکہ اس کا دورانیہ 300 سیکنڈ (5 منٹ) سے زیادہ نہ ہو۔

ایڈوانسڈ reference_text · enable_safety_checker

حوالہ متن، اختیاری طور پر کلون شدہ آواز کے ساتھ synthesis بہتر بنانے کے لیے فراہم کیا جا سکتا ہے؛ یہ وہی متن ہونا چاہیے جو speaker embedding بنانے کے لیے استعمال ہوا ہو۔

POST /run/qwen-3-tts/clone-voice/0.6b?wait=20 قیمت → ⁨$0.001⁩
# 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/clone-voice/0.6b?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  }'

# 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"

یہ درخواست چلائیں

آپ کی key اسی براؤزر میں رہتی ہے: یہ صرف Doitong API کو بھیجی جاتی ہے اور صرف اس صورت میں localStorage میں محفوظ ہوتی ہے جب آپ Remember منتخب کریں۔ API کلید حاصل کریں

Qwen 3 TTS - Clone Voice [0.6B] کے بارے میں

`audio_url` کے ذریعے حوالہ ریکارڈنگ لیتا ہے (زیادہ سے زیادہ 300 سیکنڈ؛ صاف آواز کا مختصر کلپ کافی ہے) اور safetensors فارمیٹ میں اسپیکر ایمبیڈنگ فائل لوٹاتا ہے۔ پھر ایمبیڈنگ کو متعلقہ متن سے آواز اینڈ پوائنٹ میں منتقل کیا جا سکتا ہے۔ ترکیب کے معیار کو بہتر بنانے کے لیے اختیاری `reference_text` فراہم کیا جا سکتا ہے۔

پیرامیٹرز

معیاری نام یا مقامی نام میں سے صرف ایک بھیجیں، دونوں نہیں۔ معیاری نام

نامقسم ڈیفالٹمجاز تفصیل
audio_urlلازمی audio
قسمurl · audio
آواز کلون کرنے کے لیے آڈیو URL؛ مختصر اور صاف تقریری ریکارڈنگ حوالہ کے طور پر کافی ہے، بشرطیکہ اس کا دورانیہ 300 سیکنڈ (5 منٹ) سے زیادہ نہ ہو۔
reference_textاختیاری
قسمstring | null
حوالہ متن، اختیاری طور پر کلون شدہ آواز کے ساتھ synthesis بہتر بنانے کے لیے فراہم کیا جا سکتا ہے؛ یہ وہی متن ہونا چاہیے جو speaker embedding بنانے کے لیے استعمال ہوا ہو۔
enable_safety_checkerاختیاری
قسمboolean
ڈیفالٹtrue
false سیٹ کر کے اسکریننگ نرم کی جا سکتی ہے، بشرطیکہ کال کرنے والا مجاز ہو۔
لازمی معیاری نام، یہ بھی قبول ہے

فائل پیرامیٹرز عوامی https:// URL، 10 MB تک کی data: URI، یا اپ لوڈ کے file_url کو قبول کرتے ہیں۔ فائلیں

آؤٹ پٹ

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "qwen-3-tts/clone-voice/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": 1,
    "usd": "0.001",
    "charged": 1,
    "refunded": 0
  },
  "input": {
    "audio_url": "https://content.doitong.com/audio/showcase/v3/tools/dub_es.mp3"
  },
  "output": {
    "speaker_embedding": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_name": "0-output.jpeg",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "file",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.jpeg",
      "content_type": "image/jpeg",
      "file_size": 1843200,
      "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"
  }
}
آپ کی فائلیں، آپ کا انتخابہر outputs[].url ہمارے اسٹوریج میں ایک کاپی ہے: ہمیشہ کے لیے محفوظ (فی GB-ماہ ادائیگی) یا مفت میں 7 دن تک، آپ کی اکاؤنٹ سیٹنگ یا ?storage= کے مطابق۔
ہر ماڈل میں ایک جیسی ساختtype، url، content_type، width، height اور duration، تصاویر، ویڈیو اور آڈیو سب کے لیے یکساں۔ output ماڈل کا اپنا نتیجہ آبجیکٹ ہے۔
آؤٹ پٹ کے فیلڈز
speaker_embedding
object {url, content_type, file_name, file_size}safetensors فائل کے طور پر تخلیق کردہ speaker embedding۔

مزید ماڈلز: آڈیو

AI ایجنٹس کے لیے: یہ صفحہ Markdown میں یہاں موجود ہے https://doitong.com/ur/developers/models/qwen-3-tts/clone-voice/0.6b.md. تمام ماڈلز اور گائیڈز: https://doitong.com/developers/llms.txt