Alibaba

Qwen Audio 3.0 TTS

qwen-audio-3.0-tts-flash

Série de synthèse vocale multilingue hébergée d'Ali Tongyi, comprenant deux niveaux : Flash à faible latence et Plus à haute qualité audio, avec prise en charge du contrôle des émotions et du style d'expression par des instructions en langage naturel

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

Essayer qwen-audio-3.0-tts-flash

Entrée

Instruction

Sortie

Renseignez les paramètres et générez : les résultats s'afficheront ici.

Tarifs

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

Prix unitaire	$0.030

Présentation

qwen-audio-3.0-tts-flash est le modèle de synthèse vocale (texte vers parole) de la gamme Qwen Audio 3.0 TTS destiné aux interactions en temps réel, accessible via l'interface unifiée de HiAPI.ai. Il convertit le texte d'entrée en parole naturelle, prend en charge des consignes dans 16 langues dont le chinois, l'anglais, le japonais et le coréen, et permet de régler l'émotion et le style d'expression au moyen d'instructions en langage naturel. Il convient aux développeurs qui construisent des assistants vocaux, des applications conversationnelles, des annonces de service client et du doublage multilingue, en particulier pour les scénarios temps réel sensibles à la latence du premier paquet et nécessitant un équilibre entre réactivité et qualité audio. La limite de texte par tâche est de 20 000 points de code Unicode.

Points clés

Palier à faible latence pour l'interaction en temps réel — l'orientation Flash privilégie la réactivité en temps réel, avec une latence du premier paquet de l'ordre de 300 millisecondes, adaptée aux dialogues synchrones et aux chaînes d'annonces vocales.
Contrôle de l'émotion et du style d'expression par instructions — le champ facultatif instruction permet de décrire le ton et le mode d'expression, ce qui réduit les retraitements en post-production audio.
Large couverture de la synthèse multilingue — prise en charge de consignes dans 16 langues : un même modèle sert des contenus multilingues sans changer de version selon la langue.
Formats de sortie et fréquences d'échantillonnage au choix — quatre formats de sortie disponibles (pcm, wav, mp3, opus), avec une fréquence d'échantillonnage de 8000 à 48000 Hz selon le dispositif de lecture.

Description des capacités

Synthèse vocale multilingue : il suffit de fournir un texte et une voix pour synthétiser la parole ; language_hints permet de préciser la langue cible, et une seule intégration couvre la production de contenus en plusieurs langues.

Réglage fin des paramètres vocaux : la vitesse et la hauteur peuvent être ajustées dans une plage de 0,5 à 2 fois, le volume de 0 à 100, pour s'adapter aux différents dispositifs de lecture et au rythme du contenu.

Contrôle du format de sortie et de la fréquence d'échantillonnage : sortie mp3, wav, pcm ou opus, fréquence d'échantillonnage de 8000 à 48000 Hz, et en opus un débit de 6 à 510 kbps peut également être spécifié.

Contrôle par instruction et par graine : le champ instruction décrit le style de synthèse, seed permet de fixer la graine aléatoire afin de reproduire un même résultat de synthèse et de stabiliser les tests de régression.

Synthèse de textes longs en une seule tâche : une tâche accepte jusqu'à 20 000 points de code Unicode, les longs paragraphes n'ont pas besoin d'être découpés côté appelant.

Scénarios d'usage

Développeurs d'assistants vocaux temps réel : textes de réponse conversationnelle — synthétiser en temps réel les réponses du système de dialogue en parole et les brancher directement sur la diffusion vocale d'un assistant ou d'une application conversationnelle.
Service client et centres d'appels : textes de scripts d'annonce — convertir par lots les scripts standard et les notifications en parole, pour les appels sortants, les messages IVR et l'annonce de statut des tickets.
Éducation en ligne et contenus audio : supports de cours — synthétiser les supports de cours et les scripts en audio à vitesse ajustable, pour le doublage de cours et la production de livres audio.
Équipes de contenu multilingue : textes multilingues — synthétiser un même texte en différentes versions linguistiques selon les consignes de langue, pour l'internationalisation de produits et le doublage de vidéos multilingues.

Limites et conseils de choix

Ce modèle appartient au palier Flash, qui privilégie la réactivité : le naturel et la fidélité de la voix restent inférieurs à ceux de la variante Plus de la même gamme ; pour les cas exigeant une qualité audio finale élevée, il est recommandé de passer à Plus. Les voix système ne proposent que quatre valeurs au choix et il n'est pas possible de concevoir une voix à partir d'une description textuelle ; la capacité de clonage vocal ne fait pas partie des paramètres de ce modèle. La synthèse est facturée au nombre de caractères produits, les caractères CJK comptant pour deux caractères ; il convient d'estimer le volume lors de la génération par lots de textes longs. Le déploiement auto-hébergé ou les poids open source ne relèvent pas du périmètre de ce modèle.

Créer une tâche de génération

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

En-têtes

AuthorizationstringRequis

Clé API du compte. Requise sur chaque requête. Exemple : Bearer YOUR_HIAPI_API_KEY. Obtenir une clé API

Content-TypestringOptionnel

Le corps de la requête est toujours analysé en JSON ; s'il est envoyé, seul application/json (charset facultatif) est accepté — toute autre valeur renvoie 415. Exemple : application/json.

Idempotency-KeystringOptionnel

Clé d'idempotence, jusqu'à 255 octets. Les reprises avec la même clé du même compte ne créent la tâche qu'une seule fois ; les rejeux renvoient le taskId d'origine.

Clé d'idempotence

En cas de timeout réseau ou de relance automatique du client, la même clé ne crée la tâche qu'une seule fois, sans double facturation (portée = le compte de la clé API). Utilisez un identifiant métier unique (ex. "order-42") ; les rejeux renvoient le taskId d'origine et les clés expirent 24 h après la première requête. La matrice complète des scénarios est dans la présentation de l'API asynchrone unifiée.

Corps

modelstringRequis

Valeur fixe actuelle : qwen-audio-3.0-tts-flash

routestringOptionnel

Valeur fixe actuelle : default

inputobjectRequis

Objet de paramètres métier pour qwen-audio-3.0-tts-flash et la route default — voir le tableau des paramètres ci-dessous.

ratenumberOptionnelDéfaut: 1min 0.5max 2

Multiplicateur de vitesse de la parole, par défaut 1, soit une vitesse normale ; une valeur supérieure à 1 accélère, une valeur inférieure à 1 ralentit.

seedintegerOptionnelDéfaut: 0min 0max 65535

Graine aléatoire pour une synthèse déterministe, par défaut 0 ; une même graine et les mêmes entrées permettent de reproduire le résultat de la synthèse.

textstringRequisminLength 1maxLength 20000

Texte à synthétiser en parole. hiAPI accepte au maximum 20 000 points de code Unicode par tâche ; pour la facturation Alibaba, les idéogrammes CJK comptent pour deux caractères et les autres caractères pour un seul.

pitchnumberOptionnelDéfaut: 1min 0.5max 2

Multiplicateur de hauteur tonale, par défaut 1, soit la hauteur d'origine ; une valeur plus élevée augmente la hauteur, une valeur plus faible la diminue.

voicestringRequisDéfaut: "longanhuan_v3.6"

Voix système prises en charge pour le niveau Flash, par défaut longanhuan_v3.6.

Options：longanhuan_v3.6longjielidou_v3.6loongeva_v3.6loongjohn

formatstringOptionnelDéfaut: "mp3"

Format de conteneur ou format PCM brut de l'audio de sortie, par défaut mp3.

Options：pcmwavmp3opus

volumeintegerOptionnelDéfaut: 50min 0max 100

Volume de sortie, plage de valeurs de 0 à 100, par défaut 50.

bit_rateintegerOptionnelDéfaut: 32min 6max 510

Débit binaire de l'encodage Opus, en kbps, par défaut 32 ; ce paramètre ne s'applique que lorsque format vaut opus.

instructionstringOptionnelminLength 1

Instruction de style de synthèse facultative, servant à ajouter des exigences de contrôle de la synthèse ; si elle n'est pas fournie, la synthèse s'effectue de manière par défaut.

sample_rateintegerOptionnelDéfaut: 22050

Fréquence d'échantillonnage de l'audio de sortie, en Hz, par défaut 22050.

Options：80001600022050240004410048000

language_hintsarrayOptionnelminItems 1maxItems 1

Tableau facultatif d'indications de langue ; Qwen ne traite que le premier élément du tableau.

Array [ string ]

callbackobjectOptionnel

Configuration de notification d'état terminal. Sans elle, aucun callback — interrogez la tâche vous-même.

Rappels (Webhook)

Fournissez callback.url à la création et HiAPI envoie un POST à votre service à l'état terminal — plus besoin de polling. Le corps du rappel reprend la structure du détail de tâche ; vérification de signature, relances et idempotence sont décrits dans la présentation de l'API asynchrone unifiée.

urlstringRequis

Obligatoire si callback est présent. Un POST est envoyé vers cette URL à l'état terminal ; doit être une URL http(s) valide.

whenstringOptionnelDéfaut: "final"

Seul final est pris en charge pour l'instant — notifié sur success et fail.

Options：final

storagestringOptionnelDéfaut: "temp"

Niveau de stockage des artefacts : temp (par défaut, ~7 jours) ou persistent (long terme, facturé au volume). Solde insuffisant ou dépassement de limite ⇒ rétrogradation silencieuse en temp ; le niveau effectif figure dans la réponse de détail.

Options：temppersistent

Exemples de requête

# Soumet une tâche asynchrone ; renvoie immédiatement un taskId (n'attend pas la génération)
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-flash",
  "input": {
    "rate": 1,
    "seed": 0,
    "text": "…",
    "pitch": 1,
    "voice": "longanhuan_v3.6",
    "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-flash",
    input: {
      "rate": 1,
      "seed": 0,
      "text": "…",
      "pitch": 1,
      "voice": "longanhuan_v3.6",
      "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-flash",
        "input": {
          "rate": 1,
          "seed": 0,
          "text": "…",
          "pitch": 1,
          "voice": "longanhuan_v3.6",
          "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"
}

Obtenir le détail de la tâche

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

Champs de réponse

taskIdstringRequis

Identifiant de tâche, toujours préfixé tk-hiapi-.

modelstringRequis

Nom complet résolu du modèle. Les tâches envoyées avec le paramètre route renvoient base@route (ex. gpt-image-2/text-to-image@ext) ; sinon identique au nom fourni.

routestringOptionnel

Présent uniquement si le paramètre route explicite a été utilisé ; renvoie la valeur soumise.

statusstringRequis

Statut de la tâche.

Valeurs de statut

queued En file, pas encore démarrée. handling En cours de traitement. archiving Traitement terminé, préparation des artefacts. success Terminal : terminé, artefacts disponibles (output renvoyé). fail Terminal : échec (error renvoyé). Après soumission, suivez status : success et fail sont terminaux, le reste non terminal. Interrogez toutes les 1–3 s jusqu'à l'état terminal. En cas de succès, téléchargez les artefacts via output[].url et transférez-les avant expireAt ; pour une conservation longue durée, indiquez storage: "persistent" à la création.

creatednumberRequis

Date de création de la tâche (secondes Unix).

completednumberRequis

Secondes Unix de l'état terminal ; 0 tant que non terminal.

outputarrayOptionnel

Présent uniquement si status == success. Liste d'artefacts — toujours un tableau ; une tâche peut renvoyer plusieurs types à la fois (ex. video + first_frame).

Array [ object ]

Éléments du tableau

urlstringRequis

URL de l'artefact, téléchargeable directement.

typestringRequis

Valeurs possibles actuelles : video, image, audio, first_frame, last_frame, thumbnail ; d'autres pourront s'ajouter.

expireAtnumberRequis

Secondes Unix de disponibilité de l'artefact ; téléchargez ou transférez avant l'expiration.

errorobjectOptionnel

Présent uniquement si status == fail.

codestringRequis

Code d'erreur métier.

messagestringRequis

Description de l'erreur.

Exemples de réponse

Succès

{
  "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 cours (non terminal)

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

Échec

{
  "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"
    }
  }
}