書面による説明から音声生成、ナレーション、最大3つのクローン音声の会話、効果音、環境音、音楽を1つのファイルにまとめています。
Alibaba Cloudオーディオ生成リリース 2026年9月23日China独自エンドポイント新着書面による説明から音声生成、ナレーション、最大3つのクローン音声の会話、効果音、環境音、音楽を1つのファイルにまとめています。
声、話し方、入力の音を説明してください。最大3つの参照クリップを追加し、それらを@voice1 to @voice3に名前を付けて声をクローンします。
別名 Qwen Audio TTS Next, Alibaba Cloud Qwen Audio 3.1 TTS Next
qwen-audio-3-1-tts-next/v1/audio/speechqwen-audio-3.1-tts-nextalibaba/qwen-audio-3-1-tts-nextEmpirioLabs カタログのライブ従量課金料金です。使った分だけの支払いで、月額最低料金はありません。
Qwen Audio 3.1 TTS Next は POST /v1/audio/speech で音声を生成し、再生可能なオーディオを返します。読み上げるテキストを input として、モデル ID qwen-audio-3-1-tts-next と一緒に送信してください。 EmpirioLabs ダッシュボードで API キーを取得してください。
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.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-next", "input": "Welcome to EmpirioLabs."},
)
with open("speech.mp3", "wb") as f:
f.write(response.content)EmpirioLabs 上の Qwen Audio 3.1 TTS Next API が対応するリクエストパラメーターです。フィールドを省略した場合はデフォルト値が適用されます。
| パラメータ | タイプ | デフォルト | 範囲 / 値 | 説明 |
|---|---|---|---|---|
| input | string | - | 最大 3000 | 最大3,000文字までの音声の説明:声、発言内容、話し方、効果音、環境音、音楽などが含まれます。名前のクリップは、@voice3@voice1参照してください。 |
| references | array | - | - | 最大3つの音声参照クリップをURLまたはbase64の音声データURIとして、それぞれ最大30秒、10MBまで、WAV、MP3、またはOGG Opusで提供できます。入力@voice1順に名前を@voice3にしてください。 |
| response_format | enum | mp3 | mp3, wav, pcm | オーディオコンテナ。mp3は圧縮され、wavはRIFFヘッダー内の非圧縮PCM、PCMはヘッダーのない生サンプルです。 |
| sample_rate | enum | 48000 | 8000, 16000, 24000, 44100, 48000 | 出力サンプレートはHzで48000、音楽と環境音に適しています。24000Hzは音声だけで十分です。 |
| channels | enum | 2 | 1, 2 | モノラル用に1つ、ステレオ用に2つ。 |
| speed | number | 1 | 0.5 から 2 | 話す速度の倍率。0.5は半速、2.0は倍速です。 |
| volume | integer | 50 | 0 から 100 | 出力ラウドネス、ここで基準レベルは50です。 |
| seed | integer | - | 0 から 2147483647 | 生成シード。同じ入力と設定でシードを再利用すれば、再現可能な結果が得られます。 |
| bit_rate | integer | - | 32000 から 320000 | BPS単位で一定のMP3ビットレート。mp3フォーマットにのみ適用されます。MP3がなければ、MP3は可変ビットレートを使用します。 |
| watermark | boolean | false | - | 音声にAI生成のウォーターマークを加えましょう。 |
EmpirioLabs では Qwen Audio 3.1 TTS Next は従量課金です: 入力 $1.65 1Mプロンプトトークンあたり; ソリューション $3.301 生成された1Mトークンあたり。このページのライブ料金表は常に API の請求額と一致します。
Qwen Audio 3.1 TTS Next は api.empiriolabs.ai 上の POST /v1/audio/speech で提供され、標準的な Bearer トークン認証を使用します。
はい。EmpirioLabs プレイグラウンドでは API と同じパラメーターで Qwen Audio 3.1 TTS Next をブラウザ上で実行できるので、コードを書く前にプロンプトを試せます。
EmpirioLabs アカウントを作成し、ダッシュボードの API Keysでキーを生成してください。課金は従量制クレジットなので、実行したリクエストの分だけ支払います。
