Qwen Audio 3.1 TTS Plus est disponible sur EmpirioLabs. C’est le niveau qualité de la synthèse vocale Qwen Audio 3.1 d’Alibaba, conçue pour la narration, le doublage, les livres audio et les voix de marque, avec 4 voix multilingues, une livraison que vous dirigez en langage simple, des balises en ligne qui modifient l’émotion ou ajoutent un son en milieu de phrase, et le clonage vocal à partir d’un court enregistrement. Il renvoie un fichier audio fini à travers APRÈS /v1/audio/speech, diffuse l’audio tel qu’il est généré à travers APRÈS /v1/audio/speech:stream, et sur l’API en temps réel, le texte est en cours d’écriture.
Regardez le film de lancement
Chaque voix du film est une vraie sortie Qwen Audio 3.1 TTS Plus: Xu Nanchuan réalisé en langage clair en tant que narrateur de bande-annonce, puis Long An Huan avec une tape excitée, Long An Fengyue en mandarin, et Long An Lingxin avec une étiquette hilarante. Les images sont des sorties Qwen Image 2.1, et la musique a été générée par ACE-Step on EmpirioLabs. Regardez-le sur YouTube.
Plus ou Flash
Qwen Audio 3.1 TTS est le niveau Flash, conçu pour une interaction vocale à faible latence, avec 19 voix et une facturation de jetons. TTS Plus met la qualité audio, la naturalité et le détail expressif en premier, possède ses propres 4 voix et facture par personnage. Les deux prennent le même corps de requête, la même direction de diffusion, et les mêmes interfaces de streaming et temps réel, donc passer d’un à l’autre est un changement de modèle et de voix.
Voix
Les quatre voix lisent le chinois, l’anglais et d’autres langues. longanlingxin_v3.1, longanhuan_v3.1, et longanfengyue_v3.1 sont des femmes, et xunanchuan_v3.1 est masculin. Pour un texte qui mélange les langues, language_hints prend un ensemble de codes langageux, tels que [« en », « zh »], pour guider la prononciation.
Votre première demande
curl https://api.empiriolabs.ai/v1/audio/speech \ -H « Autorisation: Porteur $EMPIRIOLABS_API_KEY » \ -H « Type-Contenu: application/json » \ -d '{ « modèle »: « qwen-audio-3-1-tts-plus », « entrée »: « L’archive était scellée depuis quarante ans.[ chuchotements] Ce soir, quelqu’un l’a ouverte. », « voix »: « xunanchuan_v3.1 », « instruction »: « Un narrateur documentaire, bas et mesuré, construisant un suspense silencieux », « response_format »: « mp3 », « sample_rate »: 24000 } »La réponse porte une URL vers l’audio généré. La sortie est MP3, WAV, PCM ou Opus entre 8 000 et 48 000 Hz. Vitesse, Hauteur, Volume, et Seed sont ajustables, et Prononciation et remplacer Corrigez les noms, acronymes et noms de marque.
Diriger la prestation
- Instruction.
Enseignementdéfinit l’émotion, le ton, le caractère, le rythme et le style de parole pour tout le passage, jusqu’à 1 000 caractères. - Tags de livraison. Une étiquette telle que
[excité],[chuchote], ou[sérieux]modifie la livraison à partir du point d’apparition. - Des balises sonores. Une étiquette telle que
[rire]ou[soupir]ajoute un son à usage unique. La liste complète des tags se trouve sur leEntréedans la référence API.
Cloner une voix
Jeu Voix à Coutume, passe voice_audio_url, une URL https vers 10 à 20 secondes de parole claire d’un haut-parleur, et on met voice_consent à Vrai pour confirmer que vous avez l’autorisation du haut-parleur. WAV, MP3, M4A, OGG, WEBM et FLAC sont acceptés, jusqu’à 15 Mo.
{ « mannequin »: « qwen-audio-3-1-tts-plus », « entrée »: « Bon retour. Voici ce qui a changé cette semaine. », « voix »: « personnalisé », « voice_audio_url »: « https://example.com/host-sample.wav", « voice_consent »: vrai }La réponse comprend un voice_id et voice_id_expires_at. Passe le voice_id comme Voix Pendant les 7 jours suivants, soit sur le point de terminaison vocal, soit lors d’une session en temps réel. Un compte peut contenir jusqu’à 10 voix personnalisées sur ce modèle à la fois.
Streaming et temps réel
APRÈS /v1/audio/speech:stream prend le même corps et renvoie les événements envoyés par le serveur: audio.chunk Événements avec Base64 Audio dans audio_b64, alors audio.done avec l’URL du fichier complet, sa durée et son utilisation.
Sur l’API en temps réel, ouvrez WSS://api.empiriolabs.ai/v1/realtime ?model=qwen-audio-3-1-tts-plus, envoyer un texto avec input_text_buffer.append dans des morceaux de n’importe quelle taille, et l’audio de chacun response.audio.delta événement. session.update définit la voix, l’instruction et le format, et session.fin dit la suite et termine la séance. Le Guide en temps réel a un client complet.
Notes opérationnelles
- Les quatre voix sont celles de ce modèle. Une voix Qwen Audio 3.1 TTS telle que
Emily_v3.1est refusé sur Plus avec la liste des pièces d’identité valides. - Une voix personnalisée fonctionne sur le modèle qui l’a créée. A
voice_idcloné sur Qwen Audio 3.1 TTS ne fonctionne pas sur Plus; cloner à nouveau l’enregistrement avec« mannequin »: « qwen-audio-3-1-tts-plus ». - Le SSML n’est pas pris en charge. Envoyer du texte clair, avec
Enseignementpour la livraison globale et les balises en ligne pour les modifications dans le texte, jusqu’à 10 000 caractères par requête.
Prix
TTS Plus facture par caractère du texte que vous envoyez, et chaque caractère chinois compte pour deux. Une session en temps réel facture chaque segment parlé de la même manière, et créer une voix personnalisée n’ajoute aucun frais. Les tarifs actuels sont sur le page modèle et les page de prix.
Commencez à construire
Essayez Qwen Audio 3.1 TTS Plus dans le Playground, où le sélecteur vocal et chaque paramètre sont des contrôles en direct, et lisent le Documentation API pour la référence complète des paramètres.
Divulgation: Cet article a été rédigé avec l'aide d'AI et examiné par EmpirioLabs AI.
