Geração de áudio a partir de uma descrição escrita, com narração, diálogos em até três vozes clonadas, efeitos sonoros, ambiente e música em um único arquivo.
Alibaba CloudGeração de ÁudioLançado 23 de set. de 2026ChinaEndpoint proprietárioNovoGeração de áudio a partir de uma descrição escrita, com narração, diálogos em até três vozes clonadas, efeitos sonoros, ambiente e música em um único arquivo.
Descreva as vozes, a entrega e os sons na entrada. Some até três clipes de referência e nomei-os @voice1 a @voice3 clonar suas vozes.
Também conhecido como 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-nextTarifas pay-as-you-go ao vivo do catálogo EmpirioLabs. Você paga só pelo que usa, sem mínimo mensal.
Qwen Audio 3.1 TTS Next gera fala por POST /v1/audio/speech e retorna áudio reproduzível. Envie o texto a ser falado em input com o id de modelo qwen-audio-3-1-tts-next. Obtenha uma chave de API no painel EmpirioLabs.
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)Parâmetros de requisição suportados pela API Qwen Audio 3.1 TTS Next na EmpirioLabs. Os padrões valem quando um campo é omitido.
| Parâmetro | Tipo | Padrão | Intervalo / valores | Descrição |
|---|---|---|---|---|
| input | string | - | máx. 3000 | Uma descrição do áudio a ser gerado, até 3.000 caracteres: as vozes, o que dizem, a entrega e quaisquer efeitos sonoros, ambientação ou música. Nomes referenciam... |
| references | array | - | - | Até 3 clipes de referência de voz como URLs ou URIs de dados de áudio base64, cada um até 30 segundos e 10 MB, em WAV, MP3 ou OGG Opus. Nomei-os @voice1 a @voice3 na... |
| response_format | enum | mp3 | mp3, wav, pcm | Contêiner de áudio. MP3 é comprimido, WAV é PCM não comprimido em um cabeçalho RIFF, e PCM são samples brutos sem cabeçalho. |
| sample_rate | enum | 48000 | 8000, 16000, 24000, 44100, 48000 | A taxa de amostragem de saída em Hz. 48000 combina com música e ambiente; 24000 é suficiente apenas para fala. |
| channels | enum | 2 | 1, 2 | 1 para mono, 2 para estéreo. |
| speed | number | 1 | 0.5 a 2 | Multiplicador de taxa de fala. 0,5 é metade da velocidade e 2,0 é dobra. |
| volume | integer | 50 | 0 a 100 | Loudness de saída, onde 50 é o nível de referência. |
| seed | integer | - | 0 a 2147483647 | Geração seed. Reutilize uma seed com a mesma entrada e configurações para um resultado repetível. |
| bit_rate | integer | - | 32000 a 320000 | Taxa de bits constante de MP3 em bps. Aplica-se apenas ao formato mp3; sem ele, o MP3 usa taxa de bits variável. |
| watermark | boolean | false | - | Adicione uma marca d'água de conteúdo gerado por IA ao áudio. |
Na EmpirioLabs, Qwen Audio 3.1 TTS Next é cobrado por uso: Entrada $1.65 por 1M de tokens de prompt; Saída $3.301 por 1M de tokens gerados. A tabela de tarifas ao vivo desta página sempre corresponde ao que a API cobra.
Qwen Audio 3.1 TTS Next é servido por POST /v1/audio/speech em api.empiriolabs.ai com autenticação padrão por token Bearer.
Sim. O playground da EmpirioLabs executa Qwen Audio 3.1 TTS Next no navegador com os mesmos parâmetros que a API expõe, para você testar prompts antes de escrever código.
Crie uma conta EmpirioLabs e gere uma chave em API Keys no painel. A cobrança usa créditos pay-as-you-go, então você paga apenas pelas requisições que faz.
Confira nossos preços ou entre em contato se quiser que seu próprio modelo seja implementado em nossa pilha.
