Qwen Audio 3.0 TTS 可在 EmpirioLabs 上使用。 这是阿里巴巴的语音合成模型，我们以单一型号形式发布，带有分级切换：Plus用于最高音质和表现力，Flash用于实时交互，首包延迟更低。两层共享相同的参数和语音库，所以你只需选一个语音，只需一个字段切换分级。
Qwen Audio 3.0 TTS 的优势
它涵盖16种语言，包括阿拉伯语、中文、英语、法语、德语、印尼语、意大利语、日语、韩语、马来语、葡萄牙语、俄语、西班牙语、他加禄语、泰语和越南语，以及20个华语方言地区。传送方式有两种：一种是通俗英语 教学 它为整个渲染设定情感、基调、角色、节奏和风格，并配有内联标签，如 [兴奋], (中文), [低语], (中文), [笑]，或者 [叹气] 直接插入正文，在句中转换表情。
语音库是切换分级轻松的原因。基础语音超过1000个，且每个声音都存在于两个等级，且同一个ID，所以在Plus和Flash之间切换不会改变说话者。此外，每个等级都有自己的旗舰系统语音。
提出请求
它是标准的OpenAI形语音端点，因此大多数客户端只需更改一个基础URL：
curl https://api.empiriolabs.ai/v1/audio/speech \ -h “授权：持有者 $EMPIRIOLABS_API_KEY” \ -H “内容类型：application/json” \ -d '{ “model”：“qwen-audio-3-0-tts”，“model_tier”：“闪烁”，“输入”：“[兴奋]结果出来了，而且超过了我们的预测！[笑声]”，“声音”：“loongjameszhao”，“instruction”：“快速用欢快、充满热情的语气说话”，“response_format”：“mp3”，“sample_rate”：24000 }'你会获得一个签名音频URL。输出支持MP3、WAV、无头PCM和Opus，采样率从8 kHz到48 kHz不等。速度、音高、音量和种子都暴露在外，还有名字和缩略词的发音覆盖、品牌名的直面文本替换，以及Markdown过滤器，防止格式化字符被朗读。
如需浏览完整的语音目录，请致电 快/v1/voices.它支持按语言、性别、等级进行筛选，并支持跨语音名称、特征和使用场景的自由文本搜索。
建造前有三件事值得了解
基础语音是分层可移植的，系统语音则不是。 任何基础语音ID都能在Plus和Flash上使用，所以你可以在保持声音恒定的情况下，按分级A/B。六大旗舰系统语音每台都锁定一个分级，如果你把一个发错了，API会告诉你哪个分级，而不是模糊地失败。
该模型不支持 SSML。 用途 教学 用于全局交付方向，以及用于本地表达变更的内联标签。这种组合涵盖了人们对 SSML 的大部分需求，且更容易编写。
音高也会改变节奏。 降低音高会拉伸剪辑，提高则压缩剪辑，所以如果你想在原始时长下不同的音高，可以调整 速度 来弥补。
定价与入门
计费是按输入文本字符计费，按你选择的层级计费，且是pay-as-you-go。Flash是两者中更便宜的。当前两层的费率都在 Qwen Audio 3.0 TTS 型号页面 以及 定价页面。 。 。.
你可以试试不用写任何代码 游戏场，其中分层开关、语音选择器和每个参数都是实时控制。完整参数引用在 API 文档。 。 。.
