Qwen Audio 3.1 TTS는 EmpirioLabs에서 이용 가능합니다. 이 모델은 알리바바의 실시간 음성 합성 모델로, 19개의 음성, 평범한 언어로 직접 전달, 감정을 바꾸거나 문장 중간에 소리를 추가하는 인라인 태그를 갖추고 있습니다. 완성된 오디오 파일을 다음과 같이 반환합니다. /v1/audio/speech 이후 또는 생성된 오디오를 통해 스트리밍할 수 있습니다. /v1/audio/speech:stream 이후API와 Playground 모두에서, 그리고 실시간 API에서는 텍스트가 작성되는 동안 텍스트를 말합니다.
출시 영상을 시청하세요
영화 속 모든 목소리는 실제 Qwen Audio 3.1 TTS 출력물입니다: 브라이언이 평범한 언어로 예고편 내레이터로 연출했고, 신디, 아바, 앤디가 신나고 속삭임과 웃음 태그를 더했습니다. 사진은 Qwen Image 2.1 출력이며, 음악은 ACE-Step on EmpirioLabs에서 제작했습니다. 유튜브에서 시청하세요·.
목소리와 언어
영어 음성. 15명의 목소리가 영어를 말합니다. 에밀리, 루나, 에릭, 루카는 영국식 억양을 사용합니다. 애비, 애니, 에바, 베스, 베티, 캘리, 신디, 도나, 앤디, 브라이언, 데이비드는 미국식 억양을 사용합니다.
다국어 구사자들. longanhuan_v3.1·, longanlingxin_v3.1·, longanfengyue_v3.1, 그리고 xunanchuan_v3.1 중국어, 영어 및 기타 언어를 읽으세요.
언어 힌트. 언어가 혼합된 텍스트의 경우, language_hints 다음과 같은 언어 코드 배열을 취합니다. ["엔", "zh"]발음을 안내하기 위해, 16가지 코드가 지원되며, 여기에는 en·, Z·, 네·, 코·, FR·, de·, es, 그리고 아르·.
당신의 첫 번째 요청
curl https://api.empiriolabs.ai/v1/audio/speech \ -h "인증: 베어러 $EMPIRIOLABS_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "qwen-audio-3-1-tts", "입력": "[신나]우리 출시일을 맞췄어요![ 웃음] 늦은 밤 모두 감사합니다.", "voice": "Ava_v3.1", "instruction": "따뜻하고 경쾌하며, 팀장이 좋은 소식을 전하는 것 같다", "response_format": "mp3", "sample_rate": 24000 }'응답에는 생성된 오디오의 URL이 포함되어 있습니다. 출력은 MP3, WAV, PCM 또는 Opus로, 8,000Hz에서 48,000Hz 사이입니다. 속도·, 음정·, 볼륨, 그리고 씨앗 조절 가능하며, 발음 그리고 교체 이름, 약어, 브랜드명을 고정하고, enable_markdown_filter 글자 서식이 소리 내어 읽히는 것을 막아줍니다.
출산 지휘
- 지시.
교육전체 지문 전체, 최대 1,000자까지 감정, 톤, 인물, 속도, 말투를 설정합니다. - 배달 태그. 다음과 같은 태그
[신나]·,[속삭임]·,[진지함], 또는[아주 천천히]출현 지점부터 배달을 변경합니다. - 사운드 태그. 다음과 같은 태그
[웃음]·,[한숨]·,[숨을 헐떡임], 또는[목청 가다듬음]일회성 사운드를 추가합니다. 태그 전체 목록은입력API 참조에 있는 매개변수입니다.
스트리밍
/v1/audio/speech:stream 이후 동일한 몸체를 가져가 서버-전송 이벤트를 반환합니다. 각각 오디오.청크 이벤트는 base64 오디오 청크를 전달합니다 audio_b64, 요청된 형식과 샘플 레이트로 이루어집니다. 최종 오디오.완료 event는 전체 파일의 URL, 길이, 사용 내역을 전달하며, 이어서 다음과 같습니다 [완료]·.
실시간: 글이 쓰여 있는 동안 말하기
실시간 API를 통해 Qwen Audio 3.1 TTS는 텍스트가 도착하는 동안에도 텍스트를 말합니다. 예를 들어, 언어 모델의 응답이 스트리밍되는 동안 말합니다. WebSocket을 열어 wss://api.empiriolabs.ai/v1/realtime?model=qwen-audio-3-1-tts API 키가 승인 헤더, 텍스트를 전송 input_text_buffer.append 크기에 상관없이 각 조각의 오디오를 재생할 수 있습니다 응답.오디오.델타 행사.
{"type": "session.update", "session": {"voice": "Ava_v3.1", "instruction": "늦은 밤 라디오 진행자 같은, 따뜻함"}} {"type": "input_text_buffer.append", "text": "안녕하세요, "} {"type": "input_text_buffer.append", "text": "그리고 레이트 에디션에 오신 것을 환영합니다."} {"type": "session.finish"}- 문자 보내기.
input_text_buffer.commit지금까지 보낸 모든 내용을 말합니다.세션.종료나머지를 말하고 세션을 마무리한다.세션 종료.·. - 오디오와 설정. 오디오는 기본적으로 16비트 PCM, 24,000 Hz입니다.
세션.업데이트음성, 명령어, 형식 (PCM·,MP3, 또는오퍼스), 샘플링 레이트, 그리고 다음 세그먼트부터 시작하는 다른 음성 설정들. - 구간. 텍스트는 문장 경계에서 끝나는 구간으로 나뉘며, 각 구간은 다음과 같이 끝납니다.
응답.완료이 이벤트는 해당 사용법을 전달합니다. 또한 8초 동안 새 텍스트가 없으면 세그먼트가 종료됩니다. - 웹페이지. 브라우저가 단명한 클라이언트 비밀과 연결됩니다.
/v1/realtime/client_secrets 이후그래서 API 키는 서버에 남아 있습니다.
그 실시간 가이드 완전한 Python 클라이언트와 이벤트 참조를 가지고 있습니다.
운용 노트
- 모든 목소리 id는
_v3.1·. 예를 들어 단순한 이름입니다에밀리또는 Qwen Audio 3.0 TTS 음성 ID는 19개의 유효한 ID 목록과 함께 거부됩니다. 사용Emily_v3.1·. - SSML은 지원되지 않습니다. 평문 전송. 사용
교육전체 전달과 텍스트 내 변경 사항에 대한 인라인 태그를 위한 것입니다. - 요청당 최대 10,000자 분량. 긴 스크립트를 여러 요청에 나누어 나누세요.
제품정보
토큰 청구. Qwen Audio 3.0 TTS 문자당 요금; Qwen Audio 3.1 TTS는 토큰 요금을 청구합니다. 보내는 텍스트는 입력 토큰으로, 생성된 오디오는 초당 12.5 토큰의 출력 토큰으로 청구되며, 실시간 세션은 각 세그먼트에 동일한 방식으로 요금을 청구합니다. 속도 그리고 음정 설정은 오디오 길이를 변경하지만 청구된 토큰은 변경하지 않으며, 전달 속도를 늦추는 명령어는 출력 토큰을 추가합니다. 현재 속도는 모델 페이지 그리고 가격표·.
건설 시작
Qwen Audio 3.1 TTS를 시도해 보세요. 팟캐스트여기서 음성 선택기와 모든 매개변수는 실시간 컨트롤이며, 다음과 같은 것을 읽습니다. API 문서 전체 매개변수 참조를 위해
공개: 이 문서는 AI 지원으로 작성되었으며 EmpirioLabs AI에 의해 검토되었습니다.
