Síntese de fala para narração e dublagem, com 4 vozes multilíngues, direção de entrega em linguagem simples, tags de emoção em linha e clonagem de voz.
Alibaba CloudGeração de ÁudioLançado 21 de out. de 2026SingaporeEndpoint proprietárioNovoSíntese de fala para narração e dublagem, com 4 vozes multilíngues, direção de entrega em linguagem simples, tags de emoção em linha e clonagem de voz.
Escolha uma das 4 vozes com voz. Dirija a entrega com instruções e com tags inline dentro do texto. Defina a voz para personalizada com voice_audio_url e voice_consent clonar uma voz.
Também conhecido como Qwen Audio TTS Plus, Qwen Audio TTS, Alibaba Cloud Qwen Audio 3.1 TTS Plus
qwen-audio-3-1-tts-plus/v1/audio/speechPOST/v1/audio/speech:streamWEBSOCKET/v1/realtimeGET/v1/voicesqwen-audio-3.1-tts-plusalibaba/qwen-audio-3-1-tts-plusTarifas pay-as-you-go ao vivo do catálogo EmpirioLabs. Você paga só pelo que usa, sem mínimo mensal.
Qwen Audio 3.1 TTS Plus 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-plus. 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-plus",
"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-plus", "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 Plus na EmpirioLabs. Os padrões valem quando um campo é omitido.
| Parâmetro | Tipo | Padrão | Intervalo / valores | Descrição |
|---|---|---|---|---|
| input | string | - | máx. 10000 | Texto para sintetizar, até 10.000 caracteres por pedido. Essas tags inline mudam a forma de ser transmitidas a partir do momento em que aparecem: [triste],... |
| voice | enum | longanlingxin_v3.1 | longanlingxin_v3.1, longanhuan_v3.1, longanfengyue_v3.1, xuna... | Predefinição de voz. As 4 vozes leem chinês, inglês e outros idiomas. Todo ID de voz termina em _v3.1, por exemplo longanlingxin_v3.1. Custom clona uma voz de... |
| voice_audio_url | string | - | - | Voice=Custom: uma URL https para uma gravação de 10 a 20 segundos de fala clara de um alto-falante, a voz para clonar (WAV, MP3, M4A, OGG, WEBM ou FLAC, até 15 MB).... |
| voice_consent | boolean | false | - | Voz=Personalizado apenas: True confirma que você tem permissão do falante para criar uma cópia sintética da voz dele. Uma voz personalizada só é criada quando isso é... |
| response_format | enum | mp3 | mp3, wav, pcm, opus | Contêiner de áudio. MP3 e OPUS são comprimidos, WAV é PCM não comprimido em um cabeçalho RIFF, e PCM são amostras brutas sem cabeçalho para reprodução em chunks. No... |
| sample_rate | enum | 24000 | 8000, 12000, 16000, 22050, 24000, 44100, 48000 | A taxa de amostragem de saída em Hz. 24000 é adequada para a reprodução de fala, e 48000 oferece saída de qualidade de transmissão em um arquivo maior. |
| speed | number | 1 | 0.5 a 2 | Multiplicador de taxa de fala. 0,5 é metade da velocidade e 2,0 é dobra. |
| pitch | number | 1 | 0.5 a 2 | Multiplicador de pitch. Valores abaixo de 1,0 diminuem a voz e valores acima a elevam. O pitch também altera o ritmo do áudio renderizado, então combine com a... |
| volume | integer | 50 | 0 a 100 | Loudness de saída, onde 50 é o nível de referência. |
| instruction | string | - | máx. 1000 | Direção em linguagem natural para entrega, até 1.000 caracteres. Controla emoção, tom, caráter, ritmo e estilo de fala, por exemplo: 'Fale rápido em um tom animado e... |
| language_hints | array | - | zh, en, fr, de, ja, ko, ru, pt, th, id, vi, es, it, ms, fil, ar | Códigos de linguagem que enviesam a pronúncia para textos de línguas mistas, por exemplo ["zh", "en"]. Deixe sem definir para permitir que o modelo detecte a linguagem. |
| seed | integer | 0 | 0 a 65535 | Amostrando sementes. Reuse uma seed com entrada e configurações idênticas para uma renderização repetível. |
| bit_rate | integer | 32000 | 6000 a 510000 | Taxa de bits do codificador em bps. Aplica-se apenas ao formato opus e é ignorado para mp3, wav e pcm. |
| pronunciation | object | - | - | A pronúncia prevalece sobre a forma escrita, por exemplo {"重要": "zhong4 yao4"}. Use-o para corrigir nomes, siglas e homógrafos. |
Na EmpirioLabs, Qwen Audio 3.1 TTS Plus é cobrado por uso: Síntese $0.60 por 10.000 caracteres. A tabela de tarifas ao vivo desta página sempre corresponde ao que a API cobra.
Qwen Audio 3.1 TTS Plus é servido por POST /v1/audio/speech em api.empiriolabs.ai com autenticação padrão por token Bearer.
Abra o playground da EmpirioLabs e clique em Start session para testar no navegador. Qwen Audio 3.1 TTS Plus funciona sobre um WebSocket em vez de requisição e resposta, então para integrar comece pelo guia rápido de voz em tempo real. Conecte-se do seu servidor com sua chave de API da EmpirioLabs e o id de modelo qwen-audio-3-1-tts-plus e transmita áudio nos dois sentidos.
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.
