Qwen 오디오 3.1 TTS Next는 EmpirioLabs에서 이용 가능합니다. 이것이 바로 알리바바의 오디오 생성 모델입니다. 누가 말하는지, 무슨 말을 하는지, 어떻게 들리는지, 주변에서 들리는 소리를 포함해 장면을 평이한 언어로 설명하면, 내레이션, 대사, 효과음, 분위기, 음악이 함께 완성된 하나의 오디오 파일을 반환합니다. 계속 진행됩니다 /v1/audio/speech 이후, API와 Playground에서 모두 포함됩니다.
출시 영상을 시청하세요
영화 속 모든 소리는 실제 Qwen Audio 3.1 TTS Next 출력으로, 각 장면은 한 편의 설명에서 나온 것입니다: 비 오는 밤시장, 자정의 유령이 나오는 복도, 그리고 모닥불 옆에서 노래하는 소리. 사진은 Qwen Image 2.1 출력이며, 음악은 EmpirioLabs ACE-Step 채널에서 제작했습니다. 유튜브에서 시청하세요·.
Qwen Audio 3.1 TTS와의 차이점
Qwen 오디오 3.1 TTS 19가지 사전 설정된 음성 중 하나로 텍스트를 소리 내어 읽어주고, 생성되는 대로 스트리밍할 수 있습니다. Qwen Audio 3.1 TTS Next에는 음성 목록이 없습니다: 각 음성 설명은 입력 또는 참조 클립에서 복제하면 같은 설명에 효과음, 분위기, 음악을 추가할 수 있습니다. 고정된 음성으로 작성된 텍스트를 읽을 때는 Qwen Audio 3.1 TTS를, 생성된 장면이 나올 때는 Qwen Audio 3.1 TTS Next를 사용하세요.
당신의 첫 번째 요청
curl https://api.empiriolabs.ai/v1/audio/speech \ -h "승인: 베어러 $EMPIRIOLABS_API_KEY" \ -h "내용-유형: application/json" \ -d '{ "모델": "qwen-audio-3-1-tts-next", "입력": "차분한 여성 내레이터가 말한다: \"매일 아침, 항구가 마을보다 먼저 깨어난다.\" 부드러운 파도와 멀리서 배경에 들려오는 갈매기 소리." }'응답에는 기본적으로 스테레오 48,000Hz의 MP3 생성 오디오의 URL이 포함되어 있습니다. response_format 또한 와브 또는 PCM·, sample_rate 8,000에서 48,000 Hz를 사용하며, 채널 모노는 1개, 스테레오는 2개를 사용합니다. 속도·, 볼륨, 그리고 씨앗 조절 가능하며, bit_rate 일정한 MP3 비트레이트를 설정합니다. 워터마크 AI 생성 콘텐츠 워터마크를 추가합니다.
설명 작성
- 목소리들. 각 화자를 차분한 여성 화자나 흥분한 아이 등으로 묘사하고, 각 대사를 따옴표로 표시하세요.
- 배달. 각 대사가 어떻게 발음되는지, 예를 들어 속삭이거나, 따뜻하게 대답하거나, 명랑하게 말하는 방식을 말해보세요.
- 소리. 창문에 빗소리가 두드리거나 배경에서 부드러운 피아노 소리 같은 효과음, 분위기, 음악을 같은 텍스트에 추가하세요.
- 언어. 중국어와 영어.
- 길이. 요청당 최대 3,000자, 최대 120초, 팟캐스트는 240초의 오디오가 가능합니다.
참고 영상 목소리
참고문헌 최대 세 개의 클립을 URL 또는 base64 오디오 데이터 URI로 사용하며, 각 클립은 최대 30초 10MB로, WAV, MP3 또는 OGG Opus에서 사용할 수 있습니다. 이름 입력 as @voice1·, @voice2, 그리고 @voice3, 보내는 순서대로 진행됩니다. 두 개의 클립이 두 음성 대화를 만듭니다:
curl https://api.empiriolabs.ai/v1/audio/speech \ -h "승인: 보유자 $EMPIRIOLABS_API_KEY" \ -h "내용-유형: application/json" \ -d '{ "모델": "qwen-audio-3-1-tts-next", "참고문헌": ["https://example.com/visitor.mp3", "https://example.com/bookseller.mp3"], "입력": "조용한 서점에서, @voice1가 속삭인다: \"새 시 선반 본 적 있나요?" @voice2 따뜻하게 대답한다: \"오늘 아침에 설치했어요. 천천히 하세요.\" 한 장이 넘기고, 빗방울이 창문을 두드린다.", "response_format": "wav", "sample_rate": 24000, "채널": 1 }'운용 노트
- 모든 방향이 안으로 들어갑니다
입력·. 부탁교육또는 SSML이 400점 답변으로 거절될 수도 있습니다. - 모든
@voice그 영상이 필요해.@voice2in입력최소 두 개의 클립이 필요합니다참고문헌; 그렇지 않으면 요청이 거부됩니다. - 미리 설정된 목소리는 없고요.
목소리OpenAI 호환 클라이언트가 변경되지 않고 작동하도록 허용되며, 효과가 없습니다. 음성 설명을 하십시오입력·. - 요청당 한 개의 완전한 파일 하나. 이 모델은 스트리밍되지 않으며,
/v1/audio/speech:stream 이후400을 반환합니다. 짧은 클립은 약 15초에서 40초 정도 걸리므로, 긴 장면에서는 클라이언트가 몇 분간 타임아웃을 허용합니다. - 형식. MP3, WAV, 그리고 PCM입니다. Opus는 제공되지 않습니다.
제품정보
토큰 청구. 입력 토큰은 설명과 각 참조 클립을 포함하고, 출력 토큰은 생성된 오디오를 초당 약 200개씩 처리합니다. 참조 클립이 포함된 요청은 참조 클립이 없는 동일한 설명보다 더 많은 입력 토큰을 청구합니다. 현재 요금은 모델 페이지 그리고 가격표·.
건설 시작
Qwen Audio 3.1 TTS를 시도해 보세요. 다음에는 팟캐스트, 여기서 모든 매개변수는 살아있는 대조군이며, 그리고 다음으로 읽습니다. API 문서 전체 매개변수 참조를 위해
공개: 이 문서는 AI 지원으로 작성되었으며 EmpirioLabs AI에 의해 검토되었습니다.
