Alibaba

Qwen Audio 3.0 TTS

qwen-audio-3.0-tts-plus

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-plus

Ввод

Instruction

Вывод

Заполните параметры и сгенерируйте — результаты появятся здесь.

Цены

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

Цена за единицу	$0.040

Краткое описание позиционирования

Qwen Audio 3.0 TTS Plus — это хостингуемая модель из серии Qwen Audio 3.0 TTS от Alibaba, ориентированная на высококачественный синтез речи. Она вызывается через единый интерфейс HiAPI.ai: на вход подаётся текст, на выходе получается естественная и достоверная речь. Модель поддерживает многоязычный синтез длинных текстов, позволяет задавать эмоции и стиль выразительности с помощью инструкций на естественном языке, а также предоставляет управление такими параметрами, как скорость речи, высота тона, громкость, частота дискретизации и формат вывода. Подходит для генеративных сценариев, где требования к качеству звука и тембру выше, чем требования к отклику в реальном времени: озвучивание контента, чтение курсов, объявления в службе поддержки и многоязычное дублирование.

Ключевые особенности

Уровень Plus с приоритетом качества звука — по сравнению с Flash из той же серии больше внимания уделяется естественности и точности тембра; подходит для офлайн- или пакетного производства речи, не требующего жёсткого реального времени.
Управление стилем выразительности через инструкции — можно описать эмоции и манеру подачи с помощью инструкций синтеза, что снижает необходимость прослушивания по фрагментам и повторной обработки звука.
Синтез до двадцати тысяч символов за раз — одна задача принимает до двадцати тысяч кодовых точек Unicode, длинные тексты можно отправлять целиком, что сокращает склейку фрагментов и обработку границ.
Тонкая настройка параметров вывода — скорость речи, высота тона и громкость регулируются в диапазоне, частота дискретизации и формат контейнера выбираются, что упрощает интеграцию с последующими аудиоконвейерами.

Описание возможностей

Многоязычный синтез речи: поддерживаются подсказки для синтеза более чем на десяти языках — при одном подключении можно генерировать речь для контента на китайском, английском, японском, корейском и других языках, что снижает затраты на интеграцию многоязычного контента.

Управление стилем через инструкции на естественном языке: с помощью инструкций синтеза описываются интонация, эмоции и манера подачи, что позволяет получать из одного и того же текста разные стили озвучивания без смены тембра или постобработки.

Регулировка аудиопараметров: можно задавать скорость речи, высоту тона, громкость и частоту дискретизации вывода, а также по необходимости выбирать форматы вывода mp3, wav, pcm, opus, что удобно для прямой интеграции с воспроизведением или транскодированием.

Детерминированный синтез: поддерживается задание случайного зерна, что позволяет воспроизводить одинаковый результат синтеза для одного и того же текста — это полезно для регрессионного тестирования и управления версиями контента.

Настраиваемый битрейт Opus: при выводе Opus можно указать битрейт, балансируя качество звука и размер файла в сценариях распространения, чувствительных к пропускной способности.

Сценарии применения

Превращение рукописей в речь для создателей аудиоконтента — длинная статья или текст главы отправляется за один раз, а на выходе получается аудио, готовое к публикации на подкаст-платформах и платформах аудиокниг, что сокращает работу по фрагментарному синтезу и склейке.
Чтение лекций для онлайн-образовательных организаций — текст лекции синтезируется в единообразное по стилю пояснительное аудио для озвучивания учебных материалов и аудио для повторения, что сокращает цикл записи.
Генерация объявлений для служб поддержки — стандартизированные тексты объявлений преобразуются в аудиоматериалы для фиксированных сообщений в колл-центрах и каналах самообслуживания.
Многоязычное дублирование для контент-команд — с помощью языковых подсказок генерируется соответствующая речь для многоязычных версий текстов, что используется для локализации описаний продуктов и маркетинговых материалов.

Ограничения и рекомендации по выбору

Уровень Plus ставит во главу угла качество звука и уступает по скорости Flash из той же серии, поэтому не подходит для диалоговых сценариев реального времени, чувствительных к задержке первого пакета — для таких задач следует в первую очередь рассматривать Flash. На данный момент доступны только два системных тембра, и нет поддержки создания тембра по текстовому описанию; возможность клонирования голоса открыта не во всех каналах, это нужно уточнять перед подключением. Кроме того, это хостингуемый сервис синтеза, не предусматривающий развёртывания на собственной инфраструктуре; если требуется локальное развёртывание или глубокая кастомизация модели, следует выбирать другой вариант.

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-plus

routestringНеобязательно

Текущее фиксированное значение: default

inputobjectОбязательно

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

ratenumberНеобязательноПо умолчанию: 1min 0.5max 2

Коэффициент скорости речи, числовое значение; по умолчанию 1.

seedintegerНеобязательноПо умолчанию: 0min 0max 65535

Случайное зерно детерминированного синтеза, целое число; по умолчанию 0, при одинаковом зерне результат синтеза воспроизводим.

textstringОбязательноminLength 1maxLength 20000

Текст для синтеза; одна задача принимает не более 20 000 кодовых точек Unicode, при тарификации на стороне провайдера идеографические символы CJK считаются за два символа, остальные — за один.

pitchnumberНеобязательноПо умолчанию: 1min 0.5max 2

Коэффициент тона, числовое значение; по умолчанию 1.

voicestringОбязательноПо умолчанию: "longanlingxin"

Используемый официальный системный голос, строка, голоса, поддерживаемые тарифом Plus; по умолчанию longanlingxin.

Варианты:longanlingxinlonganlufeng

formatstringНеобязательноПо умолчанию: "mp3"

Формат контейнера выходного аудио или необработанный PCM, строка; по умолчанию mp3.

Варианты:pcmwavmp3opus

volumeintegerНеобязательноПо умолчанию: 50min 0max 100

Громкость выходного аудио, целое число от 0 до 100; по умолчанию 50.

bit_rateintegerНеобязательноПо умолчанию: 32min 6max 510

Битрейт кодирования Opus в kbps, целое число; по умолчанию 32, действует только при format = opus.

instructionstringНеобязательноminLength 1

Необязательная инструкция синтеза, строка, добавляет пояснения к результату синтеза; при отсутствии используется поведение синтеза по умолчанию.

sample_rateintegerНеобязательноПо умолчанию: 22050

Частота дискретизации выходного аудио в Hz, целое число; по умолчанию 22050.

Варианты:80001600022050240004410048000

language_hintsarrayНеобязательноminItems 1maxItems 1

Необязательный массив подсказок языка, элементы — строки подсказок языка; провайдер 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-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"
}

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"
    }
  }
}