Synthèse vocale en temps réel avec 19 voix, direction de diffusion en langage simple, balises émotionnelles et sonores en ligne, et audio diffusé via SSE ou WebSocket.
Alibaba CloudProduction audioPublié 23 sept. 2026SingaporeEndpoint propriétaireNouveauSynthèse vocale en temps réel avec 19 voix, direction de diffusion en langage simple, balises émotionnelles et sonores en ligne, et audio diffusé via SSE ou WebSocket.
Choisissez l’une des 19 voix avec voix. Dirigez la livraison avec des instructions et des balises en ligne à l’intérieur du texte. La vitesse et la hauteur changent la longueur rendue sans modifier les jetons facturés.
Aussi connu sous le nom Qwen Audio TTS, Alibaba Cloud Qwen Audio 3.1 TTS
qwen-audio-3-1-tts/v1/audio/speechPOST/v1/audio/speech:streamWEBSOCKET/v1/realtimeqwen-audio-3.1-ttsqwen-audio-3.1-tts-flashalibaba/qwen-audio-3-1-ttsTarifs à l'usage en direct du catalogue EmpirioLabs. Vous ne payez que ce que vous utilisez, sans minimum mensuel.
Qwen Audio 3.1 TTS génère la voix via POST /v1/audio/speech et renvoie de l'audio lisible. Envoyez le texte à prononcer dans input avec l'id de modèle qwen-audio-3-1-tts. Obtenez une clé API depuis le tableau de bord EmpirioLabs.
curl https://api.empiriolabs.ai/v1/audio/speech \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "qwen-audio-3-1-tts",
"input": "Welcome to EmpirioLabs. Your build just finished."
}' \
--output speech.mp3import requests
response = requests.post(
"https://api.empiriolabs.ai/v1/audio/speech",
headers={"Authorization": "Bearer YOUR_EMPIRIOLABS_API_KEY"},
json={"model": "qwen-audio-3-1-tts", "input": "Welcome to EmpirioLabs."},
)
with open("speech.mp3", "wb") as f:
f.write(response.content)Paramètres de requête pris en charge par l'API Qwen Audio 3.1 TTS sur EmpirioLabs. Les valeurs par défaut s'appliquent quand un champ est omis.
| Paramètre | Type | Par défaut | Plage / valeurs | Description |
|---|---|---|---|---|
| input | string | - | max 10000 | Texte à synthétiser, jusqu’à 10 000 caractères par demande. Ces balises en ligne modifient la diffusion à partir du moment où elles apparaissent: [triste],... |
| voice | enum | Emily_v3.1 | Emily_v3.1, Luna_v3.1, Eric_v3.1, Luca_v3.1, Abby_v3.1, Annie... | Préréglage de voix. Les 15 voix anglaises lisent l’anglais, et les 4 voix multilingues lisent le chinois, l’anglais et d’autres langues. Chaque identifiant de voix... |
| response_format | enum | mp3 | mp3, wav, pcm, opus | conteneur audio. MP3 et Opus sont compressés, WAV est PCM non compressé dans un en-tête RIFF, et PCM est des échantillons bruts sans en-tête pour la lecture en blocs. |
| sample_rate | enum | 24000 | 8000, 12000, 16000, 22050, 24000, 44100, 48000 | La fréquence d’échantillonnage de sortie en Hz. 24000 convient à la lecture vocale, et 48000 offre une sortie de qualité diffusion à une taille de fichier plus grande. |
| speed | number | 1 | 0.5 à 2 | Multiplicateur de débit de parole. 0,5 est la moitié de la vitesse et le 2,0 est la vitesse double. |
| pitch | number | 1 | 0.5 à 2 | Multiplicateur de hauteur. Les valeurs inférieures à 1,0 font baisser la voix et les valeurs au-dessus l’augmentent. La hauteur de hauteur change aussi le rythme de... |
| volume | integer | 50 | 0 à 100 | Loudness de sortie, où 50 est le niveau de référence. |
| instruction | string | - | max 1000 | Direction en langage naturel pour la livraison, jusqu’à 1 000 caractères. Contrôle l’émotion, le ton, le caractère, le rythme et le style de parler, par exemple «... |
| language_hints | array | - | zh, en, fr, de, ja, ko, ru, pt, th, id, vi, es, it, ms, fil, ar | Des codes linguistiques qui biaisent la prononciation pour un texte mixte, par exemple [« zh », « en »]. Laissez non réglé pour laisser le modèle détecter le langage. |
| seed | integer | 0 | 0 à 65535 | Échantillonnage de graines. Réutilisez une graine avec les mêmes entrées et paramètres pour un rendu reproductible. |
| bit_rate | integer | 32000 | 6000 à 510000 | Débit binaire de l’encodeur en bps. Cela ne concerne que le format Opus, et est ignoré pour mp3, wav et pcm. |
| pronunciation | object | - | - | La prononciation prend le dessus selon la forme écrite, par exemple {"重要 »: « zhong4 yao4"}. Utilisez-le pour fixer des noms, des acronymes et des homographes. |
| replace | object | - | - | Des substitutions littérales de texte appliquées avant la synthèse, par exemple {"EmpirioLabs »: « Empirio Labs"}. Utile pour les noms de marques et les abréviations. |
| enable_markdown_filter | boolean | false | - | Retirez la syntaxe Markdown, comme les astérisques et les soulignements, avant la synthèse afin que les caractères de mise en forme ne soient pas lus à voix haute. |
Sur EmpirioLabs, Qwen Audio 3.1 TTS est facturé à l'usage : Entrée $0.46 par 1M de jetons d’invite; Produit $3.74 par 1M de jetons générés. La grille tarifaire en direct de cette page correspond toujours à ce que l'API facture.
Qwen Audio 3.1 TTS est servi via POST /v1/audio/speech sur api.empiriolabs.ai avec une authentification standard par token Bearer.
Ouvrez le playground EmpirioLabs et appuyez sur Start session pour l'essayer dans votre navigateur. Qwen Audio 3.1 TTS fonctionne sur un WebSocket plutôt qu'en requête et réponse, donc pour l'intégrer commencez par le guide de démarrage voix en temps réel. Connectez-vous depuis votre serveur avec votre clé API EmpirioLabs et l'id de modèle qwen-audio-3-1-tts, puis diffusez l'audio dans les deux sens.
Créez un compte EmpirioLabs, puis générez une clé sous API Keys dans le tableau de bord. La facturation utilise des crédits à l'usage : vous ne payez que vos requêtes.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.
