مواد پر جائیں

Qwen 3 TTS - Text to Speech [0.6B]

انٹیگریٹ کریں

ماڈل 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"

یہ درخواست: ⁨$0.004⁩ 4 API کریڈٹس · ≈ ⁨₽0.43⁩ اس صفحے پر چلائیں

API کلید حاصل کریں
Alibaba متن سے آواز حوالہ جاتی ان پٹس #text-to-speech

نو پری سیٹ آوازوں، زبان کے انتخاب اور ایمبیڈنگ کے ذریعے وائس کلوننگ کے ساتھ چھوٹا 0.6B Qwen3 ٹیکسٹ ٹو اسپیچ

Alibaba · آڈیو

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

اسپیچ میں تبدیل کرنے کے لیے متنی مواد۔

اختیاری تقریری انداز کی ہدایات؛ speaker embedding فراہم کیے جانے پر نظرانداز کی جاتی ہیں۔

ایڈوانسڈ 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

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۔

فائل ڈراپ کریں، یا

speech synthesis کے لیے کلون شدہ آواز، فراہم کیے جانے پر پہلے سے متعین آواز کے اختیارات کی جگہ لے لیتی ہے۔

speech synthesis کی آواز کا انتخاب، فراہم کردہ speaker embedding کے ذریعے اووررائیڈ ہو جاتا ہے۔ آواز کی تفصیلات اور بنیادی زبان کی معاونت [voice دستاویزات](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate) میں درج ہیں۔

ڈیفالٹ Auto

آواز کے ذریعے استعمال ہونے والی زبان۔

ڈیفالٹ 50

top-k sampling کی setting۔

ڈیفالٹ 1

sampling کے دوران استعمال ہونے والی Top-p ترتیب۔

ڈیفالٹ 0.9

sampling کے دوران استعمال ہونے والا Temperature؛ بڑی قدریں بے ترتیبی میں اضافہ کرتی ہیں۔

ڈیفالٹ 1.05

ٹوکنز یا کوڈز کی تکرار کی حوصلہ شکنی کرنے والا جرمانہ۔

ڈیفالٹ 50

سب ٹاکر سے سیمپلنگ کے وقت استعمال ہونے والی Top-k ترتیب۔

ڈیفالٹ 1

سب ٹاکر سے سیمپلنگ کے وقت استعمال ہونے والی Top-p ترتیب۔

ڈیفالٹ 0.9

سب ٹاکر کے ذریعے استعمال ہونے والا سیمپلنگ درجۂ حرارت۔

ڈیفالٹ 200

نئے تخلیق کردہ کوڈیک ٹوکنز کی زیادہ سے زیادہ حد۔

POST /run/qwen-3-tts/text-to-speech/0.6b?wait=20 قیمت → ⁨$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"

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 - Text to Speech [0.6B] کے بارے میں

0.6B ماڈل سے `text` کو تقریر میں تبدیل کرتا ہے۔ Vivian، Serena، Dylan یا Sohee جیسی پری سیٹ `voice` منتخب کریں، یا کلون شدہ آواز کے لیے `speaker_voice_embedding_file_url` دیں، اختیاری `reference_text` کے ساتھ۔ `language` میں Auto اور دس نامزد زبانیں، بشمول English، Chinese اور Japanese، شامل ہیں۔ سیمپلنگ کنٹرولز اور `max_new_tokens` (1 سے 8192) دستیاب ہیں۔

پیرامیٹرز

نامقسم ڈیفالٹمجاز تفصیل
textلازمی
قسمstring
اسپیچ میں تبدیل کرنے کے لیے متنی مواد۔
promptاختیاری
قسمstring | null
اختیاری تقریری انداز کی ہدایات؛ speaker embedding فراہم کیے جانے پر نظرانداز کی جاتی ہیں۔
voiceاختیاری
قسمenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
speech synthesis کی آواز کا انتخاب، فراہم کردہ speaker embedding کے ذریعے اووررائیڈ ہو جاتا ہے۔ آواز کی تفصیلات اور بنیادی زبان کی معاونت [voice دستاویزات](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate) میں درج ہیں۔
languageاختیاری
قسمenum
ڈیفالٹAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
آواز کے ذریعے استعمال ہونے والی زبان۔
speaker_voice_embedding_file_urlاختیاری
قسمurl · file
speech synthesis کے لیے کلون شدہ آواز، فراہم کیے جانے پر پہلے سے متعین آواز کے اختیارات کی جگہ لے لیتی ہے۔
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۔
top_kاختیاری
قسمinteger | null
ڈیفالٹ50
≥ 0
top-k sampling کی setting۔
top_pاختیاری
قسمnumber | null
ڈیفالٹ1
0 – 1
sampling کے دوران استعمال ہونے والی Top-p ترتیب۔
temperatureاختیاری
قسمnumber | null
ڈیفالٹ0.9
≤ 1> 0
sampling کے دوران استعمال ہونے والا Temperature؛ بڑی قدریں بے ترتیبی میں اضافہ کرتی ہیں۔
repetition_penaltyاختیاری
قسمnumber | null
ڈیفالٹ1.05
≥ 0
ٹوکنز یا کوڈز کی تکرار کی حوصلہ شکنی کرنے والا جرمانہ۔
subtalker_dosampleاختیاری
قسمboolean | null
ڈیفالٹtrue
سب ٹاکر کے ذریعے سیمپلنگ کو فعال یا غیر فعال کرنے والا سوئچ۔
subtalker_top_kاختیاری
قسمinteger | null
ڈیفالٹ50
≥ 0
سب ٹاکر سے سیمپلنگ کے وقت استعمال ہونے والی Top-k ترتیب۔
subtalker_top_pاختیاری
قسمnumber | null
ڈیفالٹ1
0 – 1
سب ٹاکر سے سیمپلنگ کے وقت استعمال ہونے والی Top-p ترتیب۔
subtalker_temperatureاختیاری
قسمnumber | null
ڈیفالٹ0.9
0 – 1
سب ٹاکر کے ذریعے استعمال ہونے والا سیمپلنگ درجۂ حرارت۔
max_new_tokensاختیاری
قسمinteger | null
ڈیفالٹ200
1 – 8,192
نئے تخلیق کردہ کوڈیک ٹوکنز کی زیادہ سے زیادہ حد۔
enable_safety_checkerاختیاری
قسمboolean
ڈیفالٹtrue
false سیٹ کر کے اسکریننگ نرم کی جا سکتی ہے، بشرطیکہ کال کرنے والا مجاز ہو۔
لازمی

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/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"
  }
}
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
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}سنتھیسائز کی گئی اسپیچ پر مشتمل آڈیو فائل۔

مزید ماڈلز: متن سے آواز

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