Alibaba

Qwen Audio 3.0 TTS

qwen-audio-3.0-tts-plus

La serie di sintesi vocale multilingue gestita di Alibaba Tongyi, che include due livelli: Flash a bassa latenza e Plus ad alta qualità audio, con supporto per il controllo dell'emozione e dello stile espressivo tramite istruzioni in linguaggio naturale

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

Prova qwen-audio-3.0-tts-plus

Input

Instruction

Output

Compila i parametri e genera: i risultati appariranno qui.

Prezzi

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

Prezzo unitario	$0.040

Panoramica della posizione

Qwen Audio 3.0 TTS Plus è un modello gestito della famiglia Qwen Audio 3.0 TTS di Alibaba, orientato alla generazione vocale di alta qualità e richiamabile tramite l'interfaccia unificata di HiAPI.ai: basta fornire un testo in input per ottenere una voce naturale e fedele. Supporta la sintesi multilingue di testi lunghi, consente di guidare emozioni e stile espressivo con istruzioni in linguaggio naturale e offre il controllo di parametri come velocità, tonalità, volume, frequenza di campionamento e formato di output. È adatto a scenari generativi come contenuti audio, lettura di corsi, annunci per il servizio clienti e doppiaggio multilingue, in cui la qualità del suono e del timbro conta più della reattività in tempo reale.

Punti chiave

Fascia Plus orientata alla priorità sulla qualità audio: rispetto al Flash della stessa famiglia, punta maggiormente su naturalezza e fedeltà del timbro, ed è adatta alla produzione vocale offline o in batch non strettamente in tempo reale.
Controllo dello stile espressivo tramite istruzioni: le istruzioni di sintesi descrivono emozione e modalità espressiva, riducendo riascolti segmento per segmento e correzioni in post-produzione.
Fino a ventimila caratteri per singola sintesi: un singolo task accetta al massimo ventimila punti di codice Unicode, così i testi lunghi possono essere inviati in un'unica soluzione, riducendo segmentazione, concatenazione e gestione dei confini.
Parametri di output regolabili con precisione: velocità, tonalità e volume sono regolabili entro intervalli, mentre frequenza di campionamento e formato contenitore sono selezionabili, per un'integrazione agevole nelle pipeline audio a valle.

Descrizione delle capacità

Sintesi vocale multilingue: supporta prompt di sintesi in più di dieci lingue; con un'unica integrazione è possibile generare voce per contenuti in cinese, inglese, giapponese, coreano e altre lingue, riducendo i costi di accesso ai contenuti multilingue.

Stile guidato da istruzioni in linguaggio naturale: le istruzioni di sintesi descrivono tono, emozione e modalità espressiva, permettendo allo stesso testo di produrre stili di lettura diversi senza cambiare timbro né ricorrere a post-elaborazioni.

Regolazione dei parametri audio: è possibile impostare velocità, tonalità, volume e frequenza di campionamento dell'output, nonché scegliere formati come mp3, wav, pcm e opus, per un collegamento diretto alle catene di riproduzione o transcodifica.

Sintesi deterministica: il seed casuale è configurabile, così da riprodurre risultati di sintesi coerenti per lo stesso testo, a vantaggio dei test di regressione e della gestione delle versioni dei contenuti.

Bitrate Opus regolabile: con l'output Opus è possibile specificare il bitrate, bilanciando qualità audio e dimensione del file negli scenari di distribuzione sensibili alla banda.

Scenari applicativi

Trascrizione di testi in voce per i creatori di contenuti audio: inviando in un'unica soluzione articoli o capitoli lunghi si produce audio pubblicabile direttamente su piattaforme di podcast e audiolibri, riducendo sintesi segmentate e lavoro di concatenazione.
Lettura di dispense di corso per enti di formazione online: le dispense vengono sintetizzate in audio esplicativi dallo stile uniforme, da usare per il doppiaggio dei materiali didattici e per gli audio di ripasso, accorciando i tempi di registrazione.
Generazione di annunci per i team di assistenza clienti: i testi standardizzati degli annunci vengono convertiti in materiali vocali per i messaggi fissi dei call center e dei canali self-service.
Doppiaggio interlinguistico per i team di contenuti: grazie ai prompt linguistici si generano voci corrispondenti per bozze in più lingue, da usare nella localizzazione di presentazioni di prodotto e materiali di marketing.

Limiti e consigli per la scelta

La fascia Plus privilegia la qualità audio e non è veloce quanto il Flash della stessa famiglia: non è adatta agli scenari di conversazione in tempo reale sensibili alla latenza del primo pacchetto, per i quali conviene preferire Flash. Attualmente sono disponibili solo due timbri di sistema e non è supportata la progettazione del timbro basata su descrizioni testuali; inoltre la capacità di clonazione vocale non è aperta su tutti i canali e va verificata prima dell'integrazione. Infine, si tratta di un servizio di sintesi gestito che non offre il deployment autonomo: se serve una distribuzione locale o una personalizzazione profonda del modello, occorre valutare altre soluzioni.

Crea un'attività di generazione

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

Header

AuthorizationstringObbligatorio

Chiave API dell'account. Obbligatoria in ogni richiesta. Esempio: Bearer YOUR_HIAPI_API_KEY. Ottieni una chiave API

Content-TypestringOpzionale

Il corpo della richiesta viene sempre interpretato come JSON; se inviato, è accettato solo application/json (charset facoltativo) — qualsiasi altro valore restituisce 415. Esempio: application/json.

Idempotency-KeystringOpzionale

Chiave di idempotenza, fino a 255 byte. I retry con la stessa chiave dello stesso account creano l'attività una sola volta; i replay restituiscono il taskId originale.

Chiave di idempotenza

In caso di timeout di rete o retry automatici del client, la stessa chiave crea l'attività una sola volta, senza doppi addebiti (ambito = l'account della chiave API). Usa un identificatore univoco di business (es. "order-42"); i replay restituiscono il taskId originale e le chiavi scadono 24 ore dopo la prima richiesta. La matrice completa degli scenari è nell'introduzione dell'API asincrona unificata.

Corpo

modelstringObbligatorio

Valore fisso attuale: qwen-audio-3.0-tts-plus

routestringOpzionale

Valore fisso attuale: default

inputobjectObbligatorio

Oggetto di parametri di business per qwen-audio-3.0-tts-plus e la route default — vedi la tabella dei parametri sotto.

ratenumberOpzionalePredefinito: 1min 0.5max 2

Fattore di velocità del parlato, valore numerico; predefinito 1.

seedintegerOpzionalePredefinito: 0min 0max 65535

Seme casuale per una sintesi deterministica, valore intero; predefinito 0, con lo stesso seme il risultato della sintesi è riproducibile.

textstringObbligatoriominLength 1maxLength 20000

Contenuto testuale da sintetizzare; un singolo task accetta al massimo 20.000 punti di codice Unicode; in fase di fatturazione upstream i caratteri ideografici CJK contano come due caratteri, gli altri caratteri come uno.

pitchnumberOpzionalePredefinito: 1min 0.5max 2

Fattore di intonazione, valore numerico; predefinito 1.

voicestringObbligatorioPredefinito: "longanlingxin"

Voce di sistema ufficiale da utilizzare, valore stringa, voci supportate dal livello Plus; predefinito longanlingxin.

Opzioni:longanlingxinlonganlufeng

formatstringOpzionalePredefinito: "mp3"

Formato di incapsulamento dell'audio di output o formato PCM grezzo, valore stringa; predefinito mp3.

Opzioni:pcmwavmp3opus

volumeintegerOpzionalePredefinito: 50min 0max 100

Volume di output, valore intero da 0 a 100; predefinito 50.

bit_rateintegerOpzionalePredefinito: 32min 6max 510

Bitrate di codifica Opus, in kbps, valore intero; predefinito 32, applicabile solo quando format è opus.

instructionstringOpzionaleminLength 1

Istruzione di sintesi opzionale, valore stringa, utilizzata per aggiungere indicazioni sull'effetto di sintesi; se non fornita si applica il comportamento di sintesi predefinito.

sample_rateintegerOpzionalePredefinito: 22050

Frequenza di campionamento dell'audio di output, in Hz, valore intero; predefinito 22050.

Opzioni:80001600022050240004410048000

language_hintsarrayOpzionaleminItems 1maxItems 1

Array opzionale di suggerimenti sulla lingua, i cui elementi sono stringhe di suggerimento linguistico; upstream elabora solo il primo elemento dell'array.

Array [ string ]

callbackobjectOpzionale

Configurazione di notifica dello stato terminale. Se omessa, nessun callback: interroga l'attività per conto tuo.

Callback (Webhook)

Fornisci callback.url in creazione e HiAPI invierà un POST al tuo servizio allo stato terminale, senza polling. Il corpo del callback replica la struttura del dettaglio attività; verifica firma, retry e idempotenza sono descritti nell'introduzione dell'API asincrona unificata.

urlstringObbligatorio

Obbligatoria se è presente callback. Allo stato terminale viene inviato un POST a questo URL; deve essere un URL http(s) valido.

whenstringOpzionalePredefinito: "final"

Al momento è supportato solo final: notifica sia su success sia su fail.

Opzioni:final

storagestringOpzionalePredefinito: "temp"

Livello di archiviazione degli artefatti: temp (predefinito, ~7 giorni) o persistent (a lungo termine, fatturato per dimensione). Saldo insufficiente o superamento del limite ⇒ declassamento silenzioso a temp; il livello effettivo è visibile nella risposta di dettaglio.

Opzioni:temppersistent

Esempi di richiesta

# Invia un'attività asincrona; restituisce subito un taskId (senza attendere la generazione)
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"
}

Ottieni i dettagli dell'attività

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

Campi della risposta

taskIdstringObbligatorio

ID attività, sempre con prefisso tk-hiapi-.

modelstringObbligatorio

Nome completo risolto del modello. Le attività inviate con il parametro route restituiscono base@route (es. gpt-image-2/text-to-image@ext); altrimenti coincide con il nome inviato.

routestringOpzionale

Presente solo se è stato usato il parametro route esplicito; restituisce il valore inviato.

statusstringObbligatorio

Stato dell'attività.

Valori di stato

queued In coda, non avviata. handling In elaborazione. archiving Elaborazione conclusa, preparazione artefatti. success Terminale: completato, artefatti disponibili (restituisce output). fail Terminale: errore (restituisce error). Dopo l'invio, segui status: success e fail sono terminali, il resto no. Esegui polling ogni 1–3 s fino allo stato terminale. In caso di successo scarica gli artefatti da output[].url e trasferiscili prima di expireAt; per conservazione lunga usa storage: "persistent" in creazione.

creatednumberObbligatorio

Istante di creazione dell'attività (secondi Unix).

completednumberObbligatorio

Secondi Unix dello stato terminale; 0 finché non terminale.

outputarrayOpzionale

Presente solo con status == success. Elenco artefatti — sempre un array; un'attività può restituire più type contemporaneamente (es. video + first_frame).

Array [ object ]

Elementi dell'array

urlstringObbligatorio

URL dell'artefatto, scaricabile direttamente.

typestringObbligatorio

Valori attualmente possibili: video, image, audio, first_frame, last_frame, thumbnail; potrebbero essere ampliati in futuro.

expireAtnumberObbligatorio

Secondi Unix di disponibilità dell'artefatto; scarica o trasferisci prima della scadenza.

errorobjectOpzionale

Presente solo con status == fail.

codestringObbligatorio

Codice errore di business.

messagestringObbligatorio

Descrizione dell'errore.

Esempi di risposta

Successo

{
  "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
      }
    ]
  }
}

In elaborazione (non terminale)

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

Non riuscito

{
  "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"
    }
  }
}