Aplomb 1, हमारा पहला मॉडल, अब उपलब्ध है। लॉन्च पोस्ट पढ़ें

Qwen Audio 3.1 TTS Next एपीआई

एक लिखित विवरण से ऑडियो पीढ़ी, एक फ़ाइल में तीन क्लोन आवाज़ों में कथन, संवाद के साथ, ध्वनि प्रभाव, माहौल और संगीत।

Alibaba Cloudऑडियो जनरेशनरिलीज 23 सित॰ 2026Chinaस्वामित्व वाला एंडपॉइंटनया
Playground में आजमाएं API Docs कीमत देखें

Qwen Audio 3.1 TTS Next के बारे में

एक लिखित विवरण से ऑडियो पीढ़ी, एक फ़ाइल में तीन क्लोन आवाज़ों में कथन, संवाद के साथ, ध्वनि प्रभाव, माहौल और संगीत।

इनपुट में आवाजों, वितरण और ध्वनियों का वर्णन करें। अधिकतम तीन संदर्भ क्लिप जोड़ें और उनकी आवाज़ को क्लोन करने @voice3 के लिए उन्हें @voice1 नाम दें।

इस नाम से भी जाना जाता है Qwen Audio TTS Next, Alibaba Cloud Qwen Audio 3.1 TTS Next

text to speechaudio generationmulti speakervoice cloningsound effectspodcast

Qwen Audio 3.1 TTS Next की विशेषताएं

मॉडल ID
qwen-audio-3-1-tts-next
निर्माता
Alibaba Cloud
श्रेणी
ऑडियो जनरेशन
रिलीज
23 सित॰ 2026
अधिकतम आउटपुट
50,000 टोकन
इनपुट
टेक्स्टऑडियो
आउटपुट
ऑडियो
रीजन
China
एंडपॉइंट
POST/v1/audio/speech
वैकल्पिक मॉडल ID
qwen-audio-3.1-tts-nextalibaba/qwen-audio-3-1-tts-next

Qwen Audio 3.1 TTS Next API की कीमतें

EmpirioLabs कैटलॉग से लाइव pay-as-you-go दरें। आप सिर्फ उतना ही भुगतान करते हैं जितना उपयोग करते हैं, कोई मासिक न्यूनतम नहीं।

प्रकार
स्पेक
दर
इनपुट
प्रति 1M प्रॉम्प्ट टोकन
$1.65
उत्पादन
प्रति 1M जेनरेट किए गए टोकन
$3.301
पूरे कीमत पेज पर तुलना करें

Qwen Audio 3.1 TTS Next API को कैसे कॉल करें

Qwen Audio 3.1 TTS Next 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-next के साथ भेजें। EmpirioLabs डैशबोर्ड से API key प्राप्त करें।

cURL
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-next",
    "input": "Welcome to EmpirioLabs. Your build just finished."
  }' \
  --output speech.mp3
Python
import 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-next", "input": "Welcome to EmpirioLabs."},
)
with open("speech.mp3", "wb") as f:
    f.write(response.content)
Qwen Audio 3.1 TTS Next API का पूरा संदर्भ

Qwen Audio 3.1 TTS Next API के पैरामीटर

EmpirioLabs पर Qwen Audio 3.1 TTS Next API द्वारा समर्थित request पैरामीटर। फ़ील्ड छोड़ने पर डिफ़ॉल्ट मान लागू होते हैं।

पैरामीटरप्रकारडिफॉल्टरेंज / मानविवरण
inputstring-अधिकतम 30003,000 वर्णों तक उत्पन्न करने के लिए ऑडियो का विवरण: आवाज़ें, वे क्या कहते हैं, वितरण, और कोई भी ध्वनि प्रभाव, माहौल या संगीत। संदर्भ क्लिप को @voice3 के @voice1 के...
referencesarray--यूआरएल या बेस 64 ऑडियो डेटा यूआरआई के रूप में 3 आवाज संदर्भ क्लिप तक, प्रत्येक 30 सेकंड और 10 एमबी तक, WAV, MP3, या OGG Opus में। इनपुट में @voice3 करने के लिए...
response_formatenummp3mp3, wav, pcmऑडियो कंटेनर। एमपी 3 संपीड़ित है, डब्ल्यूएवी एक आरआईएफएफ हेडर में असम्पीडित पीसीएम है, और पीसीएम हेडरलेस कच्चे नमूने हैं।
sample_rateenum480008000, 16000, 24000, 44100, 48000हर्ट्ज में आउटपुट नमूना दर। 48000 संगीत और माहौल के लिए उपयुक्त है; 24000 अकेले भाषण के लिए पर्याप्त है।
channelsenum21, 2मोनो के लिए 1, स्टीरियो के लिए 2।
speednumber10.5 से 2बोलने की दर गुणक। 0.5 आधी गति है और 2.0 दोहरी गति है।
volumeinteger500 से 100आउटपुट लाउडनेस, जहां 50 संदर्भ स्तर है।
seedinteger-0 से 2147483647पीढ़ी बीज। दोहराए जाने योग्य परिणाम के लिए समान इनपुट और सेटिंग्स वाले बीज का पुन: उपयोग करें।
bit_rateinteger-32000 से 320000बीपीएस में लगातार एमपी3 बिटरेट। केवल एमपी3 प्रारूप पर लागू होता है; इसके बिना, एमपी3 एक चर बिटरेट का उपयोग करता है।
watermarkbooleanfalse-ऑडियो में AI-जनरेटेड सामग्री वॉटरमार्क जोड़ें।

जानने योग्य

यह क्या बनाता है

  • एक लिखित विवरण से एक समाप्त ऑडियो फ़ाइल: कथन, संवाद, ध्वनि प्रभाव, माहौल और संगीत एक साथ।
  • input में प्रत्येक आवाज, वितरण और ध्वनियों का वर्णन करें। कोई आवाज सूची नहीं है।
  • चीनी और अंग्रेजी।

संदर्भ क्लिप से आवाज़ें

  • references यूआरएल या बेस 64 ऑडियो डेटा यूआरआई के रूप में 3 क्लिप तक लेता है, प्रत्येक 30 सेकंड और 10 एमबी तक, WAV, MP3, या OGG Opus में।
  • उन्हें input में @voice1, @voice2 और @voice3 के रूप में नाम दें, उदाहरण के लिए: @voice1 cheerfully says: "What a lovely day."

इनपुट सीमाएँ

  • प्रति अनुरोध 3,000 वर्णों तक।
  • instruction और एसएसएमएल का उपयोग नहीं किया जाता है: सभी दिशा input में जाती है।

उत्पादन

  • एमपी 3 (डिफ़ॉल्ट), डब्ल्यूएवी, या पीसीएम 8,000 से 48,000 हर्ट्ज, मोनो या स्टीरियो; डिफ़ॉल्ट 48,000 हर्ट्ज और स्टीरियो हैं।
  • प्रति अनुरोध 120 सेकंड तक, या पॉडकास्ट के लिए 240 सेकंड।
  • प्रति अनुरोध एक पूर्ण फ़ाइल। यह मॉडल स्ट्रीम नहीं होता है।

बिलिंग

  • इनपुट टोकन विवरण और प्रत्येक संदर्भ क्लिप हैं। आउटपुट टोकन जेनरेट किया गया ऑडियो है, लगभग 200 प्रति सेकंड।

Qwen Audio 3.1 TTS Next API: आम सवाल

Qwen Audio 3.1 TTS Next API की कीमत कितनी है?

EmpirioLabs पर Qwen Audio 3.1 TTS Next का बिल उपयोग के अनुसार बनता है: इनपुट $1.65 प्रति 1M प्रॉम्प्ट टोकन; उत्पादन $3.301 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 Next कौन सा endpoint उपयोग करता है?

Qwen Audio 3.1 TTS Next api.empiriolabs.ai पर POST /v1/audio/speech के ज़रिए मिलता है, मानक Bearer टोकन प्रमाणीकरण के साथ।

क्या मैं इंटीग्रेट करने से पहले ब्राउज़र में Qwen Audio 3.1 TTS Next आज़मा सकता हूं?

हां। EmpirioLabs playground ब्राउज़र में Qwen Audio 3.1 TTS Next को उन्हीं पैरामीटरों के साथ चलाता है जो API देता है, ताकि आप कोड लिखने से पहले prompt आज़मा सकें।

Qwen Audio 3.1 TTS Next की API key कैसे मिलेगी?

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।

बेहतर समापन बिंदुओं का उपयोग करने के लिए तैयार हैं?

हमारे मूल्य निर्धारण की जाँच करें या यदि आप चाहते हैं कि आपका अपना मॉडल हमारे स्टैक पर तैनात किया जाए, तो पहुंचें।

मूल्य निर्धारण देखें
संपर्क करें