Alibaba

Qwen Audio 3.0 TTS

qwen-audio-3.0-tts-plus

Serie de síntesis de voz multilingüe alojada de Alibaba Tongyi, que incluye dos niveles: Flash de baja latencia y Plus de alta calidad de audio, y permite controlar la emoción y el estilo expresivo mediante instrucciones en lenguaje natural

qwen-audio-3.0-tts-flash qwen-audio-3.0-tts-plus

Probar qwen-audio-3.0-tts-plus

Entrada

Instruction

Salida

Rellena los parámetros y genera: los resultados aparecerán aquí.

Precios

qwen-audio-3.0-tts-plus per 1,000 characters

Precio unitario	$0.040

Descripción general

Qwen Audio 3.0 TTS Plus es un modelo alojado de la serie Qwen Audio 3.0 TTS de Alibaba orientado a la generación de voz de alta calidad, que se invoca mediante la interfaz unificada de HiAPI.ai: basta con introducir texto para obtener una voz natural y fiel. Admite la síntesis multilingüe de textos largos, permite guiar la emoción y el estilo de expresión con instrucciones en lenguaje natural, y ofrece control de parámetros como la velocidad, el tono, el volumen, la frecuencia de muestreo y el formato de salida. Es adecuado para escenarios generativos en los que la calidad y el timbre de la voz importan más que la respuesta en tiempo real, como contenido de audio, lectura de cursos, anuncios de atención al cliente y doblaje multilingüe.

Puntos clave

Nivel Plus orientado a la calidad de audio: frente al Flash de la misma serie, prioriza la naturalidad y la fidelidad del timbre, por lo que encaja en la producción de voz fuera de línea o por lotes donde no se exige tiempo real estricto.
Control del estilo de expresión mediante instrucciones: permite describir la emoción y la forma de expresión con instrucciones de síntesis, lo que reduce el retrabajo de escuchar fragmento por fragmento y de retocar el audio en posproducción.
Síntesis de hasta veinte mil caracteres por operación: cada tarea admite como máximo veinte mil puntos de código Unicode, de modo que los textos largos pueden enviarse completos y se evitan el empalme por fragmentos y el tratamiento de límites.
Ajuste preciso de los parámetros de salida: la velocidad, el tono y el volumen admiten ajuste por rangos, y la frecuencia de muestreo y el formato de contenedor son seleccionables, lo que facilita la integración con la cadena de procesamiento de audio posterior.

Descripción de capacidades

Síntesis de voz multilingüe: admite indicaciones de síntesis en más de diez idiomas; con una sola integración se puede generar voz para contenidos en chino, inglés, japonés, coreano y otros idiomas, lo que reduce el coste de integrar contenido multilingüe.

Estilo guiado por instrucciones en lenguaje natural: mediante instrucciones de síntesis se describe el tono, la emoción y la forma de expresión, de modo que un mismo texto produce estilos de locución distintos sin cambiar el timbre ni recurrir al posprocesamiento.

Ajuste de parámetros de audio: permite configurar la velocidad, el tono, el volumen y la frecuencia de muestreo de salida, y elegir según la necesidad formatos de salida como mp3, wav, pcm u opus, lo que facilita la conexión directa con la reproducción o la cadena de transcodificación.

Síntesis determinista: admite fijar una semilla aleatoria para reproducir resultados de síntesis consistentes con el mismo texto, lo que favorece las pruebas de regresión y la gestión de versiones de contenido.

Tasa de bits de Opus ajustable: al generar salida Opus se puede especificar la tasa de bits, lo que permite equilibrar la calidad de audio y el tamaño del archivo en escenarios de distribución sensibles al ancho de banda.

Escenarios de aplicación

Conversión de guiones a voz para creadores de contenido de audio: enviar de una vez artículos largos o textos de capítulos y producir audio listo para publicarse en plataformas de pódcast y audiolibros, lo que reduce la síntesis por fragmentos y el empalme.
Lectura de guiones de clase para instituciones de educación en línea: sintetizar los guiones de los cursos en audio explicativo de estilo uniforme para el doblaje de materiales didácticos y el audio de repaso, acortando los ciclos de grabación.
Generación de mensajes de anuncio para equipos de atención al cliente: convertir textos de mensajes estandarizados en material de voz para los anuncios fijos de centros de llamadas y canales de autoservicio.
Doblaje entre idiomas para equipos de contenido: generar la voz correspondiente para versiones multilingües de guiones con ayuda de indicaciones de idioma, destinada a la localización de presentaciones de producto y material de marketing.

Limitaciones y recomendaciones de selección

El nivel Plus antepone la calidad de audio, por lo que su velocidad es inferior a la del Flash de la misma serie y no es adecuado para escenarios de conversación en tiempo real sensibles a la latencia del primer paquete; para esas necesidades conviene considerar primero Flash. Actualmente solo ofrece dos voces del sistema y no admite diseñar voces a partir de descripciones de texto; la capacidad de clonación de voz no está disponible en todos los canales y debe confirmarse antes de la integración. Además, es un servicio de síntesis alojado que no ofrece despliegue autoalojado; si se requiere despliegue local o una personalización profunda del modelo, habrá que optar por otra solución.

Crear una tarea de generación

POST https://api.hiapi.ai/v1/tasks

Encabezados

AuthorizationstringObligatorio

Clave API de la cuenta. Obligatoria en cada solicitud. Ejemplo: Bearer YOUR_HIAPI_API_KEY. Obtener clave API

Content-TypestringOpcional

El cuerpo de la solicitud siempre se analiza como JSON; si se envía, solo se acepta application/json (charset opcional) — cualquier otro valor devuelve 415. Ejemplo: application/json.

Idempotency-KeystringOpcional

Clave de idempotencia, hasta 255 bytes. Los reintentos con la misma clave de la misma cuenta crean la tarea una sola vez; las repeticiones devuelven el taskId original.

Clave de idempotencia

Ante timeouts de red o reintentos automáticos del cliente, la misma clave crea la tarea una sola vez, sin doble cobro (alcance = la cuenta de la clave API). Usa un identificador de negocio único (p. ej. "order-42"); las repeticiones devuelven el taskId original y las claves caducan 24 h después de la primera solicitud. La matriz completa de escenarios está en la introducción de la API asíncrona unificada.

Cuerpo

modelstringObligatorio

Valor fijo actual: qwen-audio-3.0-tts-plus

routestringOpcional

Valor fijo actual: default

inputobjectObligatorio

Objeto de parámetros de negocio para qwen-audio-3.0-tts-plus y la ruta default; consulta la tabla de parámetros a continuación.

ratenumberOpcionalPredeterminado: 1min 0.5max 2

Factor de velocidad del habla, valor numérico; por defecto 1.

seedintegerOpcionalPredeterminado: 0min 0max 65535

Semilla aleatoria determinista para la síntesis, valor entero; por defecto 0, con la misma semilla el resultado de la síntesis es reproducible.

textstringObligatoriominLength 1maxLength 20000

Contenido de texto a sintetizar; una tarea acepta como máximo 20.000 puntos de código Unicode, y al facturar en origen los ideogramas CJK cuentan como dos caracteres y los demás caracteres como uno.

pitchnumberOpcionalPredeterminado: 1min 0.5max 2

Factor de tono, valor numérico; por defecto 1.

voicestringObligatorioPredeterminado: "longanlingxin"

Voz oficial del sistema a utilizar, valor de cadena, voces compatibles con el nivel Plus; por defecto longanlingxin.

Opciones:longanlingxinlonganlufeng

formatstringOpcionalPredeterminado: "mp3"

Formato de contenedor del audio de salida o formato PCM sin procesar, valor de cadena; por defecto mp3.

Opciones:pcmwavmp3opus

volumeintegerOpcionalPredeterminado: 50min 0max 100

Volumen de salida, entero de 0 a 100; por defecto 50.

bit_rateintegerOpcionalPredeterminado: 32min 6max 510

Tasa de bits de codificación Opus, en kbps, valor entero; por defecto 32, solo se aplica cuando format es opus.

instructionstringOpcionalminLength 1

Instrucción de síntesis opcional, valor de cadena, usada para añadir indicaciones sobre el resultado de la síntesis; si no se proporciona, se aplica el comportamiento de síntesis predeterminado.

sample_rateintegerOpcionalPredeterminado: 22050

Frecuencia de muestreo del audio de salida, en Hz, valor entero; por defecto 22050.

Opciones:80001600022050240004410048000

language_hintsarrayOpcionalminItems 1maxItems 1

Arreglo opcional de sugerencias de idioma, cuyos elementos son cadenas de sugerencia de idioma; el origen solo procesa el primer elemento del arreglo.

Array [ string ]

callbackobjectOpcional

Configuración de notificación de estado terminal. Si se omite, no hay callback: consulta la tarea por tu cuenta.

Callbacks (Webhook)

Indica callback.url al crear y HiAPI hará POST a tu servicio en el estado terminal, sin necesidad de sondeo. El cuerpo del callback replica la estructura del detalle de la tarea; firma, reintentos e idempotencia se detallan en la introducción de la API asíncrona unificada.

urlstringObligatorio

Obligatorio si se incluye callback. Al estado terminal se envía un POST a esta URL; debe ser una URL http(s) válida.

whenstringOpcionalPredeterminado: "final"

Actualmente solo se admite final: notifica tanto en success como en fail.

Opciones:final

storagestringOpcionalPredeterminado: "temp"

Nivel de almacenamiento de artefactos: temp (por defecto, ~7 días) o persistent (largo plazo, facturado por tamaño). Saldo insuficiente o exceso de límite ⇒ degradación silenciosa a temp; el nivel efectivo se muestra en la respuesta del detalle.

Opciones:temppersistent

Ejemplos de solicitud

# Envía una tarea asíncrona; devuelve un taskId de inmediato (sin esperar la generación)
curl -X POST "https://api.hiapi.ai/v1/tasks" \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "qwen-audio-3.0-tts-plus",
  "input": {
    "rate": 1,
    "seed": 0,
    "text": "…",
    "pitch": 1,
    "voice": "longanlingxin",
    "format": "mp3",
    "volume": 50,
    "bit_rate": 32,
    "sample_rate": 22050
  }
}'

const res = await fetch("https://api.hiapi.ai/v1/tasks", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.HIAPI_API_KEY}`,
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    model: "qwen-audio-3.0-tts-plus",
    input: {
      "rate": 1,
      "seed": 0,
      "text": "…",
      "pitch": 1,
      "voice": "longanlingxin",
      "format": "mp3",
      "volume": 50,
      "bit_rate": 32,
      "sample_rate": 22050
    }
  }),
});
const task = await res.json();
// { code: 200, message: "success", data: { taskId } }

import os, requests

res = requests.post(
    "https://api.hiapi.ai/v1/tasks",
    headers={"Authorization": f"Bearer {os.environ['HIAPI_API_KEY']}"},
    json={
        "model": "qwen-audio-3.0-tts-plus",
        "input": {
          "rate": 1,
          "seed": 0,
          "text": "…",
          "pitch": 1,
          "voice": "longanlingxin",
          "format": "mp3",
          "volume": 50,
          "bit_rate": 32,
          "sample_rate": 22050
        }
    },
)
print(res.json())  # { code, message, data: { taskId } }

200 OK

{
  "code": 200,
  "message": "success",
  "data": {
    "taskId": "tk-hiapi-01HZTQ8BX2N3GM3YFK4Z9D7VQR"
  }
}

400 Bad Request

{
  "code": 400,
  "message": "invalid request",
  "data": null,
  "error_code": "INVALID_REQUEST"
}

Obtener el detalle de la tarea

GET https://api.hiapi.ai/v1/tasks/:id

Campos de respuesta

taskIdstringObligatorio

ID de tarea, siempre con prefijo tk-hiapi-.

modelstringObligatorio

Nombre completo resuelto del modelo. Las tareas enviadas con el parámetro route devuelven base@route (p. ej. gpt-image-2/text-to-image@ext); si no, coincide con el nombre enviado.

routestringOpcional

Solo aparece si se usó el parámetro route explícito; repite el valor enviado.

statusstringObligatorio

Estado de la tarea.

Valores de estado

queued En cola, sin iniciar. handling Procesando. archiving Proceso terminado, preparando artefactos. success Terminal: completado, artefactos disponibles (se devuelve output). fail Terminal: error (se devuelve error). Tras el envío, guíate por status: success y fail son terminales; el resto, no. Sondea cada 1–3 s hasta el estado terminal. Con éxito, descarga los artefactos desde output[].url y transfiérelos antes de expireAt; para retención larga usa storage: "persistent" al crear.

creatednumberObligatorio

Hora de creación de la tarea (segundos Unix).

completednumberObligatorio

Segundos Unix al alcanzar estado terminal; 0 mientras no sea terminal.

outputarrayOpcional

Solo con status == success. Lista de artefactos — siempre un array; una tarea puede devolver varios types a la vez (p. ej. video + first_frame).

Array [ object ]

Elementos del array

urlstringObligatorio

URL del artefacto, descargable directamente.

typestringObligatorio

Valores posibles actuales: video, image, audio, first_frame, last_frame, thumbnail; podrían ampliarse más adelante.

expireAtnumberObligatorio

Segundos Unix hasta los que el artefacto es accesible; descárgalo o transfiérelo antes.

errorobjectOpcional

Solo con status == fail.

codestringObligatorio

Código de error de negocio.

messagestringObligatorio

Descripción del error.

Ejemplos de respuesta

Éxito

{
  "code": 200,
  "message": "success",
  "data": {
    "taskId": "tk-hiapi-01HZTQ8BX2N3GM3YFK4Z9D7VQR",
    "model": "happyhorse-1-0",
    "status": "success",
    "created": 1777282033,
    "completed": 1777282099,
    "output": [
      {
        "url": "https://cdn.hiapi.ai/tasks/.../video.mp4",
        "type": "video",
        "expireAt": 1777886899
      }
    ]
  }
}

En proceso (no terminal)

{
  "code": 200,
  "message": "success",
  "data": {
    "taskId": "tk-hiapi-...",
    "model": "happyhorse-1-0",
    "status": "archiving",
    "created": 1777282033,
    "completed": 0
  }
}

Fallido

{
  "code": 200,
  "message": "success",
  "data": {
    "taskId": "tk-hiapi-...",
    "model": "happyhorse-1-0",
    "status": "fail",
    "created": 1777282033,
    "completed": 1777282099,
    "error": {
      "code": "TASK_FAILED",
      "message": "task failed"
    }
  }
}