שפּרינגען צו אינהאַלט

Qwen 3 TTS - Text to Speech [1.7B]

אינטעגרירן

מאָדעל־id 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"

דער דאָזיקער ריקוועסט: ⁨$ 0.005⁩ 5 API־קרעדיטן · ≈ ⁨₽ 0.54⁩ לויפֿן עס אויף דער דאָזיקער בלאַט

באַקומען אַן API שליסל
Alibaba טעקסט צו רעדע רעפֿערענץ־אײַנגאַבעס #text-to-speech

גרעסערע 1.7B Qwen3 טעקסט־צו־רעדע מיט פּרעסעט־קולן, סטיל־פּrompt און שטיצע פֿאַר געקלאָנטע קולן

Alibaba · אַודיאָ

דאָ קומט אײַער ערשטער רעזולטאַט

בויט אונטן אַ בקשה און לויפט זי מיט אײַער API שליסל. רעזולטאַטן ווערן קאַפּירט צו אונדזער סטאָרידזש, געהאַלטן אויף אייביק אָדער 7 טעג אומזיסט.

בויען אַ בעטן

קאָנטראָלן ווערן דזשענערירט פֿון דעם מאָדעל־סכעמע. דער קאָד און דער פּרײַז דערהײַנטיקן זיך ווען איר ענדערט זיי.

•פארלאנגט

טעקסט־אינהאַלט צו פֿאַרוואַנדלען אין רייד.

אָפּציאָנעלע אינסטרוקציעס פֿאַר רעדע־סטיל, איגנאָרירט ווען אַ רעדנער־עמבעדינג ווערט צוגעשטעלט.

פֿאָרגעשריטן 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

רעפֿערענץ־טעקסט, אָפּציאָנעל צוגעשטעלט צו פֿאַרבעסערן סינטעז מיט אַ קלאָנירטער קול; עס מוז זײַן דער טעקסט גענוצט צו שאַפֿן דעם רעדנער־עמבעדינג.

לייגט אַרײַן אַ טעקע, אָדער

קלאָנירטער קול פֿאַר רעדע־סינטעז, אויב צוגעשטעלט; ער פֿאַרבײַט די פֿאראויסגעשטעלטע קול־אויסוואלן.

קול־אויסוואל פֿאַר רעדע־סינטעז, איבערגעשריבן דורך יעדן צוגעשטעלטן רעדנער־עמבעדינג. קול־דעטאַלן און שטיצע פֿאַר הויפּט־שפּראַכן ווערן אויסגערעכנט אין דער [voice דאָקומענטאַציע](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).

סטאַנדאַרט Auto

שפּראַך גענוצט דורך דעם קול.

סטאַנדאַרט 50

באַשטימונג פֿאַר top-k sampling.

סטאַנדאַרט 1

Top-p באַשטעטיקונג גענוצט בעת סאַמפּלינג.

סטאַנדאַרט 0.9

טעמפּעראַטור גענוצט בעת סאַמפּלינג; גרעסערע ווערטן פֿאַרגרעסערן די צופֿעליקייט.

סטאַנדאַרט 1.05

פּענאַליטעט וואָס דערמוטיקט איבערחזרן טאָקענס אָדער קאָדן.

סטאַנדאַרט 50

Top-k באַשטעטיקונג בײַ סאַמפּלינג פֿון דעם סאַב־רעדנער.

סטאַנדאַרט 1

Top-p באַשטעטיקונג בײַ סאַמפּלינג פֿון דעם סאַב־רעדנער.

סטאַנדאַרט 0.9

סאַמפּלינג־טעמפּעראַטור געניצט דורך דעם סאַב־רעדנער.

סטאַנדאַרט 200

אויבערשטער שיעור פֿאַר נײַ־גענערירטע קאָדעק־טאָקענס.

POST /run/qwen-3-tts/text-to-speech/1.7b?wait=20 פּרײַז → ⁨$ 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"

לויפֿן דעם ריקוועסט

אײַער key בלײַבט אין דעם בלעטערער: זי ווערט געשיקט נאָר צום Doitong API און אָפּגעהיט (localStorage) נאָר אויב איר טיקט אָן געדענקען. באַקומען אַן API שליסל

וועגן Qwen 3 TTS - Text to Speech [1.7B]

מאַכט פֿון `text` רעדע מיטן 1.7B מאָדעל. ניצט איינעם פֿון נײַן פּריסעט־קולות אָדער אַ קלאָנירטן קול דורך `speaker_voice_embedding_file_url`, און לייגט צו `reference_text` פֿאַר קלאָנירונג. אַן אָפּציאָנעלער `prompt` פֿירט דעם רעדע־סטיל ווען קיין עמבעדינג איז נישט געגעבן. `language` נעמט Auto און צען שפּראַכן, און `max_new_tokens` גייט פֿון 1 ביז 8192.

פּאַראַמעטערס

נאָמעןטיפּ סטאַנדאַרטערלויבט באַשרײַבונג
textפארלאנגט
טיפּstring
טעקסט־אינהאַלט צו פֿאַרוואַנדלען אין רייד.
promptאָפּציאָנעל
טיפּstring | null
אָפּציאָנעלע אינסטרוקציעס פֿאַר רעדע־סטיל, איגנאָרירט ווען אַ רעדנער־עמבעדינג ווערט צוגעשטעלט.
voiceאָפּציאָנעל
טיפּenum
VivianSerenaUncle_FuDylanEricRyanAidenOno_AnnaSohee
קול־אויסוואל פֿאַר רעדע־סינטעז, איבערגעשריבן דורך יעדן צוגעשטעלטן רעדנער־עמבעדינג. קול־דעטאַלן און שטיצע פֿאַר הויפּט־שפּראַכן ווערן אויסגערעכנט אין דער [voice דאָקומענטאַציע](https://github.com/QwenLM/Qwen3-TTS/tree/main?tab=readme-ov-file#custom-voice-generate).
languageאָפּציאָנעל
טיפּenum
סטאַנדאַרטAuto
AutoEnglishChineseSpanishFrenchGermanItalianJapaneseKoreanPortugueseRussian
שפּראַך גענוצט דורך דעם קול.
speaker_voice_embedding_file_urlאָפּציאָנעל
טיפּurl · file
קלאָנירטער קול פֿאַר רעדע־סינטעז, אויב צוגעשטעלט; ער פֿאַרבײַט די פֿאראויסגעשטעלטע קול־אויסוואלן.
reference_textאָפּציאָנעל
טיפּstring | null
רעפֿערענץ־טעקסט, אָפּציאָנעל צוגעשטעלט צו פֿאַרבעסערן סינטעז מיט אַ קלאָנירטער קול; עס מוז זײַן דער טעקסט גענוצט צו שאַפֿן דעם רעדנער־עמבעדינג.
top_kאָפּציאָנעל
טיפּinteger | null
סטאַנדאַרט50
≥ 0
באַשטימונג פֿאַר top-k sampling.
top_pאָפּציאָנעל
טיפּnumber | null
סטאַנדאַרט1
0 – 1
Top-p באַשטעטיקונג גענוצט בעת סאַמפּלינג.
temperatureאָפּציאָנעל
טיפּnumber | null
סטאַנדאַרט0.9
≤ 1> 0
טעמפּעראַטור גענוצט בעת סאַמפּלינג; גרעסערע ווערטן פֿאַרגרעסערן די צופֿעליקייט.
repetition_penaltyאָפּציאָנעל
טיפּnumber | null
סטאַנדאַרט1.05
≥ 0
פּענאַליטעט וואָס דערמוטיקט איבערחזרן טאָקענס אָדער קאָדן.
subtalker_dosampleאָפּציאָנעל
טיפּboolean | null
סטאַנדאַרטtrue
שאַלטער וואָס אַקטיווירט אָדער דיאַקטיווירט סאַמפּלינג דורך דעם סאַב־רעדנער.
subtalker_top_kאָפּציאָנעל
טיפּinteger | null
סטאַנדאַרט50
≥ 0
Top-k באַשטעטיקונג בײַ סאַמפּלינג פֿון דעם סאַב־רעדנער.
subtalker_top_pאָפּציאָנעל
טיפּnumber | null
סטאַנדאַרט1
0 – 1
Top-p באַשטעטיקונג בײַ סאַמפּלינג פֿון דעם סאַב־רעדנער.
subtalker_temperatureאָפּציאָנעל
טיפּnumber | null
סטאַנדאַרט0.9
0 – 1
סאַמפּלינג־טעמפּעראַטור געניצט דורך דעם סאַב־רעדנער.
max_new_tokensאָפּציאָנעל
טיפּinteger | null
סטאַנדאַרט200
1 – 8,192
אויבערשטער שיעור פֿאַר נײַ־גענערירטע קאָדעק־טאָקענס.
enable_safety_checkerאָפּציאָנעל
טיפּboolean
סטאַנדאַרטtrue
סקרינינג קען ווערן פאַרלייכטערט דורך שטעלן false, אויב דער רופער איז אָטעריזירט.
פארלאנגט

טעקע־פּאַראַמעטערס נעמען אַן עפֿנטלעכע https:// URL, אַ data: URI ביז 10 MB, אָדער דעם file_url פֿון אַן אַרויפֿלאָד. טעקעס

אויסגאַבע

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"
  }
}
אייער טעקעס, אייער ברירהיעדער outputs[].url איז אַ קאַפּיע אין אונדזער סטאָרידזש: געהאַלטן אויף אייביק (באַצאָלט פּער GB־חודש) אָדער 7 טעג אומזיסט, לויט אײַער חשבון־באַשטעטיקונג אָדער ?storage=.
דער זעלבער פֿאָרעם בײַ יעדן מאָדעלtype, url, content_type, width, height און duration, סײַ פֿאַר בילדער, ווידעאָ און אַודיאָ. output איז דער אייגענער רעזולטאַט־אָביעקט פֿון מאָדעל.
פֿעלדער פֿון דער אויסגאַבע
audio
object {url, content_type, file_name, file_size, duration, channels, sample_rate, bitrate}אַודיאָ־פֿײַל מיט דער סינטעזירטער רעדע.

מער מאָדעלן: טעקסט צו רעדע

פֿאַר AI־אַגענטן: דער בלאַט ווי Markdown געפֿינט זיך בײַ https://doitong.com/yi/developers/models/qwen-3-tts/text-to-speech/1.7b.md. אַלע מאָדעלן און גוידעס: https://doitong.com/developers/llms.txt