Qwen Audio 3.1 TTS Plus API

关于 Qwen Audio 3.1 TTS Plus

语音合成用于旁白和配音，支持4种多语言声音，提供通俗语言表达指令，内嵌情感标签和声音克隆。

选择4个带语音的声音之一。用指令和文本内的内联标签来指导表达。用voice_audio_url和voice_consent将语音设置为自定义以克隆声音。

也称为 Qwen Audio TTS Plus, Qwen Audio TTS, Alibaba Cloud Qwen Audio 3.1 TTS Plus

Qwen Audio 3.1 TTS Plus 规格

模型 ID

qwen-audio-3-1-tts-plus

开发方

Alibaba Cloud

类别

音频生成

发布日期

2026年10月21日

输入

文本

输出

音频

区域

Singapore

端点

POST/v1/audio/speechPOST/v1/audio/speech:streamWEBSOCKET/v1/realtimeGET/v1/voices

备用模型 ID

qwen-audio-3.1-tts-plusalibaba/qwen-audio-3-1-tts-plus

Qwen Audio 3.1 TTS Plus API 价格

来自 EmpirioLabs 目录的实时按量计费价格。只为实际用量付费，没有月度最低消费。

如何调用 Qwen Audio 3.1 TTS Plus API

Qwen Audio 3.1 TTS Plus 通过 POST /v1/audio/speech 生成语音并返回可播放的音频。把要朗读的文本作为 input，连同模型 ID qwen-audio-3-1-tts-plus 一起发送。 在EmpirioLabs 控制台获取 API 密钥。

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.mp3

import 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)

Qwen Audio 3.1 TTS Plus API 参数

EmpirioLabs 上 Qwen Audio 3.1 TTS Plus API 支持的请求参数。省略字段时使用默认值。

须知

配音

• 4个朗读中文、英语及其他语言的声音：longanlingxin_v3.1、longanhuan_v3.1和longanfengyue_v3.1为女性，xunanchuan_v3.1为男性。
• 每个语音id都以_v3.1结尾，比如longanlingxin_v3.1。

自定义语音

• 将voice设置为custom，传递voice_audio_url，一个https URL，代表一位说话者10到20秒的清晰语音，并将voice_consent设为true，以确认你获得了说话者的许可，可以克隆他们的声音。
• 支持WAV、MP3、M4A、OGG、WEBM和FLAC，最大15 MB。在安静的房间录制，无音乐或其他声音。
• 回复包括voice_id和voice_id_expires_at。将voice_id传递为voice，以便在POST /v1/audio/speech、POST /v1/audio/speech:stream或实时套接字上重复使用语音7天，在session.update中session.updated会返回相同的字段并返回voice_id。只有创建该账户的账户才能使用，且仅限于此型号。
• 每个账户在该型号上一次可容纳10个自定义声音。
• GET /v1/voices?model=qwen-audio-3-1-tts-plus列出模型的声音，包括你的自定义声音及其ID。添加type=custom以单独列出自定义声音。
• DELETE /v1/voices/{voice_id}?model=qwen-audio-3-1-tts-plus删除了自定义语音，立刻释放了它的位置。
• 在Playground中，将语音设置为自定义以再次使用保存的语音，复制其ID，或删除它。
• 创建、列出和删除自定义配音不会产生任何费用。

投放方向

• instruction用自然语言设定情感、语调、角色、节奏和说话风格，最多可达1000个字符。
• 文本内的内联标签会从该点开始改变传递方式，例如[excited]或[whispers]，或者添加一次性音效，如[laughing]或[sighing]。完整的标签列表在input参数中。
• 不支持SSML输入。

输入限制

• 每个请求最多可容纳10,000字符。
• language_hints对混合语言文本的发音有偏差。

产出

• MP3、WAV、PCM或Opus，频率为8,000至48,000赫兹。
• POST /v1/audio/speech:stream在语音生成时发送音频片段。

实时

• WEBSOCKET /v1/realtime?model=qwen-audio-3-1-tts-plus在文本还在写入时接收，生成时返回音频。发送input_text_buffer.append事件，然后input_text_buffer.commit，或session.finish结束会话。
• 音频在response.audio.delta事件中接收：默认为24,000 Hz的16位PCM，或MP3或Opus。使用session.update设置语音、指令、格式及其他选项;从下一段起发生变化。
• 文本以句子边界结束的段落中说出，每个段落以一个response.done事件结束，表达其用法。

账单

• 按输入文本字符计费。中文字符计两个字符，内联标签计为字符。指令不计费。
• 在实时套接字中，每个段为其独立字符计费。

Qwen Audio 3.1 TTS Plus API：常见问题

Qwen Audio 3.1 TTS Plus API 收费多少？

在 EmpirioLabs，Qwen Audio 3.1 TTS Plus 按量计费：合成 $0.60 每10,000字符。本页的实时价格表始终与 API 的实际计费一致。

Qwen Audio 3.1 TTS Plus 使用哪个端点？

Qwen Audio 3.1 TTS Plus 通过 api.empiriolabs.ai 上的 POST /v1/audio/speech 提供，使用标准的 Bearer 令牌认证。

集成之前可以在浏览器里试用 Qwen Audio 3.1 TTS Plus 吗？

打开EmpirioLabs Playground并点击 Start session，即可在浏览器中试用。Qwen Audio 3.1 TTS Plus 运行在 WebSocket 上，而不是一次请求一次响应，因此接入时请从实时语音快速入门开始。用 EmpirioLabs API 密钥和模型 id qwen-audio-3-1-tts-plus 从你的服务器连接，然后双向流式传输音频。

如何获取 Qwen Audio 3.1 TTS Plus API 密钥？

创建 EmpirioLabs 账户，然后在控制台的 API Keys生成密钥。计费使用按量付费的额度，只为实际发出的请求付费。