Qwen Audio 3.1 TTS Plus 已在EmpirioLabs上可用。 它是阿里巴巴Qwen Audio 3.1语音合成的高品质版本，专为旁白、配音、有声书和品牌语音设计，拥有4个多语言语音，使用通俗语言直接表达，内联标签可改变情绪或在句中添加声音，并从短录音中克隆语音。它通过以下方式返回完成的音频文件 /v1/audio/speech后，在生成音频时进行流式传输 /v1/audio/speech:stream后，通过实时API在文本仍在写入时就说话。
观看启动影片
影片中的每个声音都是真实的Qwen Audio 3.1 TTS Plus输出：徐南川用通俗语言担任预告片旁白，龙安欢配上兴奋的标签，龙安凤月用普通话，龙安玲新配笑声标签。图片为Qwen Image 2.1输出，配乐由ACE-Step on EmpirioLabs生成。 在YouTube上观看。 。 。.
Plus or Flash
Qwen音频3.1 TTS 是Flash版本，专为低延迟语音交互设计，支持19个语音和令牌计费。TTS Plus将音频质量、自然性和表现细节放在首位，拥有自己的4个语音，并按字符计费。两者使用相同的请求体、相同的交付方向、相同的流媒体和实时接口，因此在它们之间切换需要更换模型和语音。
配音
四个声音都读中文、英语及其他语言。 longanlingxin_v3.1, (中文), longanhuan_v3.1， 和 longanfengyue_v3.1 是女性，且 xunanchuan_v3.1 是男性。对于混合语言的文本， language_hints 取一组语言代码，例如 [“恩”，“Zh”]，指导发音。
你的第一个请求
curl https://api.empiriolabs.ai/v1/audio/speech \ -H “授权：承载者 $EMPIRIOLABS_API_KEY” \ -H “内容类型：application/json” \ -d '{ “型号”：“qwen-audio-3-1-tts-plus”，“输入”：“档案封存了四十年。”[低语] 今晚，有人打开了它。“，”声音“：”xunanchuan_v3.1“，”指令“：”纪录片旁白，低声而有节奏，营造安静悬念“，”response_format“：”mp3“，”sample_rate“：24000 }'响应中包含生成音频的URL。输出为MP3、WAV、PCM或Opus格式，频率为8,000至48,000赫兹。 速度, (中文), 音高, (中文), 体积， 和 种子 是可调节的，且 发音 以及 替换 固定名称、缩写和品牌名称。
指导分娩
- 指令。
教学为整段文字设定情感、语调、人物、节奏和说话风格，最多可达1000个字符。 - 送货标签。 一个标签，比如
[兴奋], (中文),[低语]，或者[严肃]从出现点开始改变投递内容。 - 音效标签。 一个标签，比如
[笑]或[叹气]添加一次性音效。完整的标签列表见输入API引用中的参数。
克隆一个声音
设定 声音 到 习俗，过 voice_audio_url，一个https URL，表示一位说话者10到20秒的清晰语音，并设置为 voice_consent 到 确实如此 确认您已获得发言者的许可。支持WAV、MP3、M4A、OGG、WEBM和FLAC，最大15MB。
{ “model”： “qwen-audio-3-1-tts-plus”， “input”： “欢迎回来。这是本周发生的变化。”， “voice”： “custom”， “voice_audio_url”： “https://example.com/host-sample.wav", ”voice_consent“： true }该回应包括 voice_id 以及 voice_id_expires_at.传给 voice_id 作为 声音 接下来的7天内，无论是在语音端还是实时会话中。该模型上一个账户最多可同时保留10个自定义语音。
流媒体与实时
/v1/audio/speech:stream后 取同一个实体并返回服务器发送事件： 音频.chunk 带有Base64音频的活动 audio_b64，则 音频.完成 并附有完整文件的网址、时长和使用情况。
通过实时API，打开 wss：//api.empiriolabs.ai/v1/realtime？model=qwen-audio-3-1-tts-plus，发送短信 input_text_buffer.append 分成任意大小的片段，并播放每个片段的音频 响应.音频.delta 活动。 session.update 设置语音、指令和格式， 会话。结束 说完剩下的话，结束了本次会议。那 实时指南 有一个完整的客户。
作战笔记
- 这四个声音是该型号独有的。 Qwen Audio 3.1 TTS 语音，例如
Emily_v3.1在Plus中被拒绝，并附上有效ID列表。 - 自定义语音可以运行在创建它的模型上。 A
voice_id在Qwen Audio 3.1上克隆TTS在Plus上无法使用;请用“模特”：“qwen-audio-3-1-tts-plus”。 。 。. - 不支持SSML。 发送纯文本，配以
教学对于整体投递和文本内内的内联标签，每个请求最多可达10,000个字符。
定价
TTS Plus按发送文本的字符计费，每个汉字计两个。实时会话对每个语音片段计费相同，创建自定义语音则不额外收费。当前费率在 模型页面 页:1 定价页面。 。 。.
开始建造
试试Qwen Audio 3.1 TTS Plus在 Playground，其中语音选择器和每个参数都是实时控制，并读取 API 文档 用于完整参数参考。
披露:这篇文章是在AI的协助下撰写的,并由EmpirioLabs AI审查.
