19 आवाजों के साथ वास्तविक समय भाषण संश्लेषण, सादे भाषा में वितरण दिशा, इनलाइन भावना और ध्वनि टैग, और एसएसई या वेबसॉकेट पर ऑडियो स्ट्रीम किया गया।
Alibaba Cloudऑडियो जनरेशनरिलीज 23 सित॰ 2026Singaporeस्वामित्व वाला एंडपॉइंटनया19 आवाजों के साथ वास्तविक समय भाषण संश्लेषण, सादे भाषा में वितरण दिशा, इनलाइन भावना और ध्वनि टैग, और एसएसई या वेबसॉकेट पर ऑडियो स्ट्रीम किया गया।
आवाज के साथ 19 आवाजों में से एक चुनें। निर्देश के साथ और पाठ के अंदर इनलाइन टैग के साथ वितरण को निर्देशित करें। गति और पिच बिल किए गए टोकन को बदले बिना प्रदान की गई लंबाई को बदलते हैं।
इस नाम से भी जाना जाता है 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-ttsEmpirioLabs कैटलॉग से लाइव pay-as-you-go दरें। आप सिर्फ उतना ही भुगतान करते हैं जितना उपयोग करते हैं, कोई मासिक न्यूनतम नहीं।
Qwen Audio 3.1 TTS POST /v1/audio/speech से आवाज़ बनाता है और चलाने योग्य ऑडियो देता है। बोला जाने वाला टेक्स्ट input के रूप में model id qwen-audio-3-1-tts के साथ भेजें। EmpirioLabs डैशबोर्ड से API key प्राप्त करें।
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)EmpirioLabs पर Qwen Audio 3.1 TTS API द्वारा समर्थित request पैरामीटर। फ़ील्ड छोड़ने पर डिफ़ॉल्ट मान लागू होते हैं।
| पैरामीटर | प्रकार | डिफॉल्ट | रेंज / मान | विवरण |
|---|---|---|---|---|
| input | string | - | अधिकतम 10000 | संश्लेषित करने के लिए पाठ, प्रति अनुरोध 10,000 वर्णों तक। ये इनलाइन टैग डिलीवरी को उस बिंदु से बदलते हैं जहां वे दिखाई देते हैं: [उदास], [आश्चर्यचकित], [गहरा और जोर... |
| voice | enum | Emily_v3.1 | Emily_v3.1, Luna_v3.1, Eric_v3.1, Luca_v3.1, Abby_v3.1, Annie... | वॉयस प्रीसेट। 15 अंग्रेजी आवाजें अंग्रेजी पढ़ती हैं, और 4 बहुभाषी आवाजें चीनी, अंग्रेजी और अन्य भाषाएं पढ़ती हैं। प्रत्येक वॉयस आईडी _v3.1 में समाप्त होती है, उदाहरण... |
| response_format | enum | mp3 | mp3, wav, pcm, opus | ऑडियो कंटेनर। एमपी 3 और ओपस संपीड़ित हैं, डब्ल्यूएवी एक आरआईएफएफ हेडर में असम्पीडित पीसीएम है, और पीसीएम चंक प्लेबैक के लिए हेडरलेस कच्चे नमूने हैं। |
| sample_rate | enum | 24000 | 8000, 12000, 16000, 22050, 24000, 44100, 48000 | 24000 में आउटपुट नमूना दर स्पीच प्लेबैक के लिए उपयुक्त है, और 48000 एक बड़े फ़ाइल आकार पर प्रसारण-गुणवत्ता आउटपुट देता है। |
| speed | number | 1 | 0.5 से 2 | बोलने की दर गुणक। 0.5 आधी गति है और 2.0 दोहरी गति है। |
| pitch | number | 1 | 0.5 से 2 | पिच गुणक। 1.0 से नीचे के मान आवाज को कम करते हैं और ऊपर के मान इसे बढ़ाते हैं। पिच प्रदान किए गए ऑडियो की गति को भी बदल देती है, इसलिए जब आप मूल अवधि रखना चाहते हैं... |
| volume | integer | 50 | 0 से 100 | आउटपुट लाउडनेस, जहां 50 संदर्भ स्तर है। |
| instruction | string | - | अधिकतम 1000 | डिलीवरी के लिए प्राकृतिक-भाषा दिशा, 1,000 वर्णों तक। भावना, स्वर, चरित्र, गति और बोलने की शैली को नियंत्रित करता है, उदाहरण के लिए "उत्साहित, उत्साहित स्वर में जल्दी... |
| language_hints | array | - | zh, en, fr, de, ja, ko, ru, pt, th, id, vi, es, it, ms, fil, ar | भाषा कोड जो मिश्रित-भाषा पाठ के लिए उच्चारण को पूर्वाग्रह करते हैं, उदाहरण के लिए ["zh", "en"]। मॉडल को भाषा का पता लगाने देने के लिए अनसेट छोड़ दें। |
| seed | integer | 0 | 0 से 65535 | नमूना बीज। दोहराने योग्य रेंडर के लिए समान इनपुट और सेटिंग्स के साथ एक बीज का पुन: उपयोग करें। |
| bit_rate | integer | 32000 | 6000 से 510000 | बीपीएस में एनकोडर बिटरेट। केवल ओपस प्रारूप पर लागू होता है, और एमपी 3, डब्ल्यूएवी और पीसीएम के लिए अनदेखा किया जाता है। |
| pronunciation | object | - | - | उच्चारण लिखित रूप द्वारा कुंजी को ओवरराइड करता है, उदाहरण के लिए {"重要": "zhong4 yao4"}। नाम, परिवर्णी शब्द और होमोग्राफ को ठीक करने के लिए इसका उपयोग करें। |
| replace | object | - | - | संश्लेषण से पहले लागू शाब्दिक पाठ प्रतिस्थापन, उदाहरण के लिए {"EmpirioLabs": "Empirio Labs"}। ब्रांड नाम और संक्षिप्ताक्षरों के लिए उपयोगी। |
| enable_markdown_filter | boolean | false | - | स्ट्रिप मार्कडाउन सिंटैक्स जैसे तारांकन और संश्लेषण से पहले अंडरस्कोर ताकि स्वरूपण वर्णों को जोर से न पढ़ा जाए। |
EmpirioLabs पर Qwen Audio 3.1 TTS का बिल उपयोग के अनुसार बनता है: इनपुट $0.46 प्रति 1M प्रॉम्प्ट टोकन; उत्पादन $3.74 प्रति 1M जेनरेट किए गए टोकन। इस पेज की लाइव दर तालिका हमेशा API की वास्तविक बिलिंग से मेल खाती है।
Qwen Audio 3.1 TTS api.empiriolabs.ai पर POST /v1/audio/speech के ज़रिए मिलता है, मानक Bearer टोकन प्रमाणीकरण के साथ।
EmpirioLabs playground खोलें और Start session दबाकर इसे अपने ब्राउज़र में आज़माएँ। Qwen Audio 3.1 TTS अनुरोध और प्रतिक्रिया के बजाय WebSocket पर चलता है, इसलिए इसे जोड़ने के लिए रियलटाइम वॉइस क्विकस्टार्ट से शुरू करें। अपनी EmpirioLabs API key और मॉडल id qwen-audio-3-1-tts के साथ अपने सर्वर से कनेक्ट करें, फिर दोनों दिशाओं में ऑडियो स्ट्रीम करें।
EmpirioLabs खाता बनाएं, फिर डैशबोर्ड में API Keys में key जनरेट करें। बिलिंग pay-as-you-go क्रेडिट से होती है, इसलिए आप सिर्फ अपनी requests का भुगतान करते हैं।
हमारे मूल्य निर्धारण की जाँच करें या यदि आप चाहते हैं कि आपका अपना मॉडल हमारे स्टैक पर तैनात किया जाए, तो पहुंचें।
