Alibaba

Qwen Audio 3.0 TTS

qwen-audio-3.0-tts-flash

Серия многоязычного синтеза речи с хостингом Alibaba Tongyi, включает два уровня: низколатентный Flash и высококачественный Plus, поддерживает управление эмоциями и стилем выразительности с помощью инструкций на естественном языке

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

Попробовать qwen-audio-3.0-tts-flash

Ввод

Instruction

Вывод

Заполните параметры и сгенерируйте — результаты появятся здесь.

Цены

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

Цена за единицу	$0.030

Краткое описание позиционирования

qwen-audio-3.0-tts-flash — это модель синтеза речи из текста, ориентированная на взаимодействие в реальном времени из серии Qwen Audio 3.0 TTS, вызываемая через единый интерфейс HiAPI.ai. Она преобразует входной текст в естественную речь, поддерживает подсказки на 16 языках, включая китайский, английский, японский и корейский, а также позволяет регулировать эмоции и стиль выразительности с помощью инструкций на естественном языке. Модель подходит разработчикам голосовых ассистентов, диалоговых приложений, озвучивания в службе поддержки и многоязычного дубляжа, особенно для сценариев реального времени, чувствительных к задержке первого пакета и требующих баланса между скоростью отклика и качеством звука. Максимальный объём текста в одной задаче — 20000 кодовых точек Unicode.

Ключевые особенности

Низкая задержка для взаимодействия в реальном времени — ориентация Flash на отклик в реальном времени: задержка первого пакета на уровне 300 миллисекунд, что подходит для синхронных диалогов и цепочек голосового оповещения.
Управление эмоциями и стилем выразительности с помощью инструкций — опциональное поле instruction описывает тон и манеру подачи, снижая необходимость постобработки аудио.
Широкий охват многоязычного синтеза — поддержка подсказок на 16 языках: одна модель обслуживает многоязычный контент без переключения моделей по языкам.
Выбор формата вывода и частоты дискретизации — поддержка четырёх форматов вывода: pcm, wav, mp3, opus; частота дискретизации от 8000 до 48000 Гц выбирается под устройство воспроизведения.

Описание возможностей

Многоязычный синтез речи из текста: по заданному тексту и тембру синтезируется речь; language_hints задаёт целевой язык, одно подключение покрывает многоязычное производство контента.

Тонкая настройка параметров речи: скорость и высота тона регулируются в диапазоне от 0,5 до 2 раз, громкость — от 0 до 100, что удобно для адаптации к разным устройствам воспроизведения и темпу контента.

Управление форматом вывода и частотой дискретизации: можно выбрать вывод mp3, wav, pcm или opus; частота дискретизации охватывает от 8000 до 48000 Гц, а для opus также можно задать битрейт от 6 до 510 кбит/с.

Управление инструкциями и seed: поле instruction описывает стиль синтеза, seed фиксирует случайное зерно для воспроизведения одного и того же результата синтеза и стабильного регрессионного тестирования.

Синтез длинного текста в одной задаче: одна задача принимает до 20000 кодовых точек Unicode, длинные абзацы не нужно предварительно разбивать на стороне вызова.

Сценарии применения

Разработчики голосовых ассистентов реального времени: текст ответов диалога — ответы диалоговой системы синтезируются в речь в реальном времени и напрямую подключаются к озвучиванию голосового ассистента или диалогового приложения.
Поддержка клиентов и колл-центры: текст скриптов оповещения — стандартные скрипты и уведомления массово преобразуются в речь для исходящих звонков, подсказок IVR и оповещения о статусе заявок.
Онлайн-образование и аудиоконтент: материалы курсов — учебные материалы и конспекты лекций синтезируются в аудио с регулируемой скоростью для озвучивания курсов и создания аудиокниг.
Многоязычные контент-команды: многоязычные тексты — один и тот же текст синтезируется на разных языках согласно языковым подсказкам для вывода продуктов на международные рынки и многоязычного дубляжа видео.

Ограничения и рекомендации по выбору

Эта модель относится к уровню Flash и ориентирована на скорость отклика: естественность и точность тембра уступают варианту Plus той же серии, поэтому для сценариев с высокими требованиями к качеству готового звука рекомендуется перейти на Plus. Системные тембры ограничены четырьмя доступными значениями, дизайн тембра по текстовому описанию не поддерживается; возможность клонирования голоса не входит в параметры этой модели. Синтез тарифицируется по выходным символам, символы CJK считаются за два символа, поэтому при массовой генерации длинных текстов нужно заранее оценивать расход. Самостоятельное развёртывание или открытые веса не входят в область применения этой модели.

Создать задачу генерации

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

Заголовки

AuthorizationstringОбязательно

API-ключ аккаунта. Обязателен в каждом запросе. Пример: Bearer YOUR_HIAPI_API_KEY. Получить API-ключ

Content-TypestringНеобязательно

Тело запроса всегда разбирается как JSON; при отправке принимается только application/json (charset опционален) — любое иное значение возвращает 415. Пример: application/json.

Idempotency-KeystringНеобязательно

Ключ идемпотентности, до 255 байт. Повторные запросы с тем же ключом того же аккаунта создают задачу лишь один раз; реплеи возвращают исходный taskId.

Ключ идемпотентности

При сетевых таймаутах или автоповторах клиента один и тот же ключ создаёт задачу только один раз, без двойного списания (область = аккаунт API-ключа). Рекомендуется бизнес-уникальный идентификатор (напр. "order-42"); реплеи возвращают исходный taskId, ключ истекает через 24 часа после первого запроса. Полная матрица сценариев — во введении единого асинхронного API.

Тело запроса

modelstringОбязательно

Текущее фиксированное значение: qwen-audio-3.0-tts-flash

routestringНеобязательно

Текущее фиксированное значение: default

inputobjectОбязательно

Объект бизнес-параметров для qwen-audio-3.0-tts-flash и маршрута default — см. таблицу параметров ниже.

ratenumberНеобязательноПо умолчанию: 1min 0.5max 2

Коэффициент скорости речи, по умолчанию 1, то есть нормальная скорость; значение больше 1 означает ускорение, меньше 1 — замедление.

seedintegerНеобязательноПо умолчанию: 0min 0max 65535

Случайное зерно для детерминированного синтеза, по умолчанию 0; одинаковые зерно и входные данные позволяют воспроизвести результат синтеза.

textstringОбязательноminLength 1maxLength 20000

Текст, который нужно синтезировать в речь. hiAPI принимает до 20 000 кодовых точек Unicode на задачу; Alibaba при тарификации считает идеографические символы CJK за два символа, а остальные символы — за один.

pitchnumberНеобязательноПо умолчанию: 1min 0.5max 2

Коэффициент тона, по умолчанию 1, то есть исходная высота тона; увеличение значения повышает тон, уменьшение — понижает.

voicestringОбязательноПо умолчанию: "longanhuan_v3.6"

Указывает поддерживаемый системный голос уровня Flash, по умолчанию longanhuan_v3.6.

Варианты:longanhuan_v3.6longjielidou_v3.6loongeva_v3.6loongjohn

formatstringНеобязательноПо умолчанию: "mp3"

Контейнерный формат выходного аудио или исходный формат PCM, по умолчанию mp3.

Варианты:pcmwavmp3opus

volumeintegerНеобязательноПо умолчанию: 50min 0max 100

Громкость вывода, диапазон значений от 0 до 100, по умолчанию 50.

bit_rateintegerНеобязательноПо умолчанию: 32min 6max 510

Битрейт кодирования Opus в кбит/с, по умолчанию 32; этот параметр действует только при format = opus.

instructionstringНеобязательноminLength 1

Необязательная инструкция стиля синтеза для дополнительных требований к управлению синтезом; если не указана, синтез выполняется способом по умолчанию.

sample_rateintegerНеобязательноПо умолчанию: 22050

Частота дискретизации выходного аудио в Гц, по умолчанию 22050.

Варианты:80001600022050240004410048000

language_hintsarrayНеобязательноminItems 1maxItems 1

Необязательный массив языковых подсказок; Qwen обрабатывает только первый элемент массива.

Array [ string ]

callbackobjectНеобязательно

Настройка уведомления о терминальном состоянии. Если не задана — обратных вызовов нет, опрашивайте задачу сами.

Обратные вызовы (Webhook)

Укажите callback.url при создании, и HiAPI отправит POST вашему сервису в терминальном состоянии — опрос не нужен. Тело callback повторяет структуру деталей задачи; проверка подписи, повторы и идемпотентность описаны во введении единого асинхронного API.

urlstringОбязательно

Обязательна при наличии callback. В терминальном состоянии на этот URL отправляется POST; это должна быть корректная http(s)-ссылка.

whenstringНеобязательноПо умолчанию: "final"

Сейчас поддерживается только final — уведомление и при success, и при fail.

Варианты:final

storagestringНеобязательноПо умолчанию: "temp"

Уровень хранения артефактов: temp (по умолчанию, ~7 дней) или persistent (долгосрочно, оплата по объёму). При нехватке баланса или превышении лимита — тихое понижение до temp; фактический уровень виден в ответе деталей задачи.

Варианты:temppersistent

Примеры запроса

# Отправляет асинхронную задачу; сразу возвращает taskId (не ждёт генерации)
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"
}

Получить детали задачи

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

Поля ответа

taskIdstringОбязательно

Идентификатор задачи, всегда с префиксом tk-hiapi-.

modelstringОбязательно

Полное разрешённое имя модели. Задачи, отправленные с параметром route, возвращают base@route (напр. gpt-image-2/text-to-image@ext); иначе совпадает с переданным именем.

routestringНеобязательно

Присутствует только при явном параметре route; повторяет переданное значение.

statusstringОбязательно

Статус задачи.

Значения статуса

queued В очереди, ещё не начата. handling Обрабатывается. archiving Обработка завершена, готовятся артефакты. success Терминальное: завершено, артефакты доступны (возвращается output). fail Терминальное: ошибка (возвращается error). После отправки следите за status: success и fail — терминальные, остальные нет. Опрашивайте каждые 1–3 с до терминального состояния. При успехе скачайте артефакты из output[].url и перенесите до expireAt; для длительного хранения укажите storage: "persistent" при создании.

creatednumberОбязательно

Время создания задачи (Unix-секунды).

completednumberОбязательно

Unix-секунды терминального состояния; до этого — 0.

outputarrayНеобязательно

Только при status == success. Список артефактов — всегда массив; одна задача может вернуть несколько type сразу (напр. video + first_frame).

Array [ object ]

Элементы массива

urlstringОбязательно

URL артефакта, доступен для скачивания напрямую.

typestringОбязательно

Текущие возможные значения: video, image, audio, first_frame, last_frame, thumbnail; список может расширяться.

expireAtnumberОбязательно

Unix-секунды доступности артефакта; скачайте или перенесите до истечения.

errorobjectНеобязательно

Только при status == fail.

codestringОбязательно

Бизнес-код ошибки.

messagestringОбязательно

Описание ошибки.

Примеры ответа

Успех

{
  "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
      }
    ]
  }
}

Обработка (не финальное)

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

Ошибка

{
  "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"
    }
  }
}