Qwen-Audio 3.0 TTS Plus: 이커머스 보이스오버를 위한 음성 합성 모델

Qwen-Audio 3.0 TTS Plus는 텍스트 음성 변환 모델이지 이미지 생성기가 아닙니다. 따라서 AI 상품 이미지를 찾으러 오셨다면, 실제로 필요한 도구는 GPT Image 2 같은 이미지 모델입니다. 이 모델이 진짜 잘하는 것은 작성된 스크립트를 몇 초 만에 깔끔한 보이스오버로 바꾸는 것이며, 이는 대부분의 이커머스 팀이 실제로 오디오를 필요로 하는 장면입니다. 상품 영상 내레이션, 프로모션 음성, 그리고 한 문장 안에서 언어를 전환하는 크로스보더 상품 문안 등이 그렇습니다. 아래는 HiAPI의 /v1/tasks 엔드포인트를 통해 생성한 두 개의 실제 보이스오버와 함께, 인터페이스 구조, 가격, 그리고 상품 등록 워크플로에 통합하는 방법에 대한 설명입니다.

이커머스 팀은 TTS로 무엇을 하는가

대부분의 스토어는 상시 고용한 성우가 필요하지 않습니다. 필요한 것은 짧은 상품 영상 콘텐츠에 내레이션을 입히고, TikTok Shop이나 Reels 같은 플랫폼의 프로모션 숏폼에 오디오 트랙을 추가하며, 자신이 사용하는 쇼핑 언어로 듣기를 원하는 시장의 구매자를 위해 상품 문안을 현지화하는 빠르고 반복 가능한 방법입니다. SKU당 몇 초 분량의 스크립트 보이스오버를 필요할 때 생성하면 녹음실에 가지 않고도 이 세 가지 요구를 모두 충족할 수 있습니다.

요청부터 완성품까지, 두 개의 실제 보이스오버

두 개의 실제 스크립트(자리표시자 텍스트가 아님)를 모델에 돌려서 실제 출력 품질과 비용을 확인했습니다.

테스트 1: 영어 상품 영상 보이스오버

요청:

{
  "model": "qwen-audio-3.0-tts-plus",
  "input": {
    "text": "Introducing the AeroFit wireless earbuds. Twenty-eight hours of battery life, active noise cancellation, and a charging case that fits in your pocket. Free shipping ends tonight.",
    "voice": "longanlingxin"
  }
}

실제 결과:

{
  "taskId": "tk-hiapi-01M33PRBVZJDDXKMHK7ANDG5DK",
  "status": "success",
  "model": "qwen-audio-3.0-tts-plus",
  "created": 1790052151,
  "completed": 1790052159,
  "storage": "temp",
  "output": [
    {
      "type": "audio",
      "url": "https://temp.hiapi.ai/7c6ttvrbpt/01M33PRBVZJDDXKMHK7ANDG5DK-0.mp3",
      "artifactId": "187560",
      "expireAt": 1790656959
    }
  ]
}

178자 스크립트이며 8초 만에 생성이 끝났고 비용은 약 0.007달러였습니다. format을 설정하지 않았기 때문에 출력은 기본값인 MP3입니다. 영상 편집 소프트웨어의 음성 트랙에 넣기 전에 별도 인코딩 단계가 필요하지 않습니다.

테스트 2: 중영 이중 언어 크로스보더 상품 내레이션

요청:

{
  "model": "qwen-audio-3.0-tts-plus",
  "input": {
    "text": "欢迎选购 AeroFit 无线耳机。This is our best-selling model on TikTok Shop this month. 电池续航二十八小时，支持主动降噪。Ships worldwide, free returns within 30 days.",
    "voice": "longanlufeng",
    "sample_rate": 44100
  }
}

실제 결과:

{
  "taskId": "tk-hiapi-01M33PS3GPV0GBXBSHYDMAEA5A",
  "status": "success",
  "model": "qwen-audio-3.0-tts-plus",
  "created": 1790052175,
  "completed": 1790052184,
  "storage": "temp",
  "output": [
    {
      "type": "audio",
      "url": "https://temp.hiapi.ai/7c6ttvrbpt/01M33PS3GPV0GBXBSHYDMAEA5A-0.mp3",
      "artifactId": "187562",
      "expireAt": 1790656984
    }
  ]
}

이 스크립트는 138자이며 문장 중간에 중국어와 영어를 섞었습니다. 별도의 언어 플래그가 필요하지 않습니다. 모델은 text 안의 내용을 그대로 읽고 같은 오디오 안에서 두 언어 사이를 매끄럽게 전환합니다. 생성에는 9초가 걸렸고 비용은 약 0.0055달러였습니다.

이 글을 읽을 때쯤이면 위의 두 오디오는 거의 확실히 만료되었을 것입니다. 기본 storage 모드는 temp이며 expireAt은 created로부터 약 7일 후입니다. 이는 예상된 동작이지 오류가 아닙니다. 실제 출력 품질과 소요 시간의 기록으로 받아들이고, 프로덕션 환경에서는 작업이 완료되는 즉시 output[0].url을 다운로드해 자체 스토리지에 다시 호스팅하세요.

인터페이스 구조와 가격 요약

요청 구조는 작고 엄격합니다(추가 필드는 거부됩니다):

• text(문자열, 필수) — 읽을 스크립트
• voice(열거형, 필수) — longanlingxin 또는 longanlufeng, 이 두 가지뿐입니다
• format(열거형, 선택) — mp3(기본), wav, pcm 또는 opus
• sample_rate(열거형, 선택) — 8000, 16000, 22050, 24000, 44100, 48000 중 하나
• pitch(숫자, 선택) — 0.5에서 2
• volume(숫자, 선택) — 0에서 100

이 모델에는 감정, 말 속도, SSML 제어가 없습니다. 어조와 리듬은 전적으로 스크립트에 구두점과 끊어 읽기를 어떻게 넣느냐에 달려 있습니다.

가격은 1,000자당 0.04달러이며 HiAPI의 실시간 가격 엔드포인트로 확인했습니다. 150자 상품 소개는 1센트 훨씬 아래의 비용이 들고, 이런 길이의 짧은 소개 500개를 만들어도 총비용은 약 3달러입니다. Qwen-Audio 3.0 TTS Plus 모델 페이지에는 실시간 Playground가 있어 API를 연동하기 전에 자체 스크립트를 테스트하고 두 음색을 미리 들어볼 수 있습니다.

상품 등록 또는 영상 워크플로에 통합하기

1. 실제로 읽힐 때의 효과를 기준으로 스크립트를 작성(또는 현지화)합니다.
2. 모델, text의 스크립트, voice를 담아 POST /v1/tasks로 요청을 보냅니다.
3. status가 success가 될 때까지 GET /v1/tasks/<id>를 폴링하거나 콜백을 사용합니다.
4. output[0].url을 즉시 다운로드합니다. 임시 링크를 저장하지 마세요.
5. MP3를 자체 스토리지나 CDN에 다시 호스팅합니다.
6. 영상 편집 소프트웨어의 음성 트랙에 넣거나 상품 페이지에 직접 첨부합니다.

작업 생성 요청에 Idempotency-Key 헤더를 설정하면 타임아웃 후 재시도한 호출이 중복 오디오 클립을 생성(및 과금)하지 않습니다. 필드별 요청과 응답에 대한 전체 설명은 qwen-audio-3.0-tts-plus API 튜토리얼을 참고하세요.

할 수 없는 일

• 감정 또는 말 속도 매개변수가 없습니다. 어떤 문장이 더 감동적이어야 한다면 음색 설정을 찾는 대신 더 짧은 문장과 더 명확한 구두점으로 다시 작성하세요.
• 오디오 전용입니다. 상품 페이지의 시각적 부분은 처리하지 않습니다. 상품 사진과 영상 소재는 이미지 또는 비디오 모델과 함께 사용해야 합니다.
• 기본적으로 임시 스토리지를 사용합니다. 영구 스토리지를 요청하지 않는 한 링크 유효 기간은 약 7일입니다. 첫날부터 재호스팅 단계를 프로세스에 포함하세요.
• 음색은 두 가지뿐입니다. 전체 상품 카탈로그에 일관된 브랜드 음성이 필요하다면 이는 오히려 의지할 수 있는 제약입니다. 매번 무작위로 고르는 대신 모든 SKU에 똑같은 두 음색을 사용하세요.

자주 묻는 질문

qwen-audio-3.0-tts-plus는 감정이 담긴 표현력 있는 음성을 지원하나요?

지원하지 않습니다. 인터페이스는 pitch(0.5–2)와 volume(0–100)만 노출하며 감정, 스타일, SSML 제어는 없습니다. 표현력은 스크립트 자체의 작성 방식과 구두점에서 나옵니다.

qwen-audio-3.0-tts-plus는 한 번의 요청으로 중영 혼합 텍스트를 읽을 수 있나요?

가능합니다. 위의 두 번째 테스트에서 같은 text 필드에 중국어와 영어를 섞었고 모델은 별도 언어 매개변수 설정 없이 두 언어 사이를 매끄럽게 전환했습니다.

qwen-audio-3.0-tts-plus의 출력 파일은 얼마나 보관되나요?

기본적으로 storage는 temp이며 expireAt은 작업 완료 후 약 7일입니다. 장기 보관이 필요하면 해당 기간이 끝나기 전에 파일을 다운로드해 다시 호스팅하세요.

qwen-audio-3.0-tts-plus는 어떤 오디오 형식을 지원하나요?

mp3(기본), wav, pcm, opus이며 선택적 format 필드로 설정합니다.

더 저렴한 Qwen-Audio TTS 티어가 있나요?

있습니다. 같은 시리즈의 Qwen-Audio 3.0 TTS Flash는 1,000자당 0.03달러로 Plus의 0.04달러보다 저렴합니다. 둘은 동일한 작업 기반 API 형태를 공유합니다.

직접 사용해 보기

상품 등록에 더 많은 이미지가 아니라 내레이션이 필요하다면 Qwen-Audio 3.0 TTS Plus는 빠르고 저렴한 방법입니다. 먼저 모델 페이지의 Playground에서 스크립트를 돌려 각 음색을 들어보고, 그다음 전체 상품 카탈로그용 스크립트를 작성하세요. 다른 음성 및 음악 모델은 HiAPI의 AI 오디오 API 컬렉션에서 살펴보세요.