

La famille Qwen Audio 3.0 TTS d'Alibaba répond aux applications sociales, de compagnie et en temps réel. Guidez la livraison vocale et le volume de Plus avec des instructions en langage naturel, ou utilisez Flash pour les dialogues en direct et le service client. Atlas Cloud propose une tarification standard de 0,02 $ pour 1 000 caractères d'entrée pour Plus et de 0,015 $ pour Flash, vous aidant à estimer les coûts pour chaque charge de travail. Commencez à construire dès aujourd'hui.
Qwen Audio 3.0 TTS est développé par Alibaba. Atlas Cloud (exploité par Atlas Cloud AI LLC) en fournit l’accès mais n’en est pas propriétaire. Toutes les marques appartiennent à leurs détenteurs respectifs.
Atlas Cloud vous offre les derniers modèles créatifs de pointe de l'industrie.
Choisissez des voix expressives de pointe pour des expériences de compagnon ou une synthèse vocale à faible latence pour les interactions en temps réel.
| Modalité | Description |
|---|---|
| Qwen Audio 3.0 TTS Flash API (Text to Speech) | Convertissez du texte en parole grâce à une synthèse à faible latence, à une large prise en charge des langues et à la couverture des dialectes chinois. Des instructions flexibles guident l’interprétation vocale pour les assistants vocaux, les dialogues en direct et le service client. Le tarif standard est de 0,015 $ pour 1 000 caractères d’entrée. |
| Qwen Audio 3.0 TTS Plus API (Text to Speech) | Pour les applications sociales et de compagnon, cet endpoint phare convertit le texte en parole naturelle et expressive à l’aide de voix système. Modulez l’émotion, le ton, le rôle, la vitesse et le volume à l’aide d’instructions flexibles pour façonner chaque interaction. Le tarif standard est de 0,02 $ pour 1 000 caractères d’entrée. |
Choisissez Qwen Audio 3.0 TTS Flash ou Plus pour des besoins conversationnels distincts, offrant des catalogues vocaux étendus, une synthèse multilingue, une élocution ajustable, une saisie de texte structurée et une sortie audio flexible via Atlas Cloud.
Qwen Audio 3.0 TTS propose Flash pour des interactions à faible latence et Plus pour une voix de compagnie naturelle et expressive. Les tarifs standards d'Atlas Cloud sont de 0,015 $ pour 1 000 caractères d'entrée pour Flash et de 0,02 $ pour Plus. Choisissez le modèle qui correspond aux priorités conversationnelles de votre produit, avec une facturation à l'usage. Cela offre aux assistants vocaux, aux outils de service client et aux applications sociales deux options de synthèse à la tarification claire.
Chaque modèle 3.0 expose un catalogue de 597 voix de base clonées, avec des échantillons d'aperçu et des balises de genre et de langue. Parcourez les voix disponibles, écoutez les échantillons et transmettez l'ID de voix du modèle sélectionné avec votre texte. Les ID de voix sont spécifiques à leur modèle. Cela facilite le casting d'un narrateur ou d'un personnage compagnon avant d'intégrer la synthèse vocale dans votre application.
Pour la synthèse vocale multilingue, les deux modèles acceptent une indication de langue par requête, avec 10 codes pris en charge couvrant le chinois, l'anglais, le japonais, le coréen, le français, l'allemand, le portugais, l'italien, le vietnamien et l'indonésien. Définissez language_hints pour la langue cible et choisissez une voix compatible. Flash prend également en charge la synthèse de dialectes chinois. Les développeurs peuvent utiliser ces contrôles pour adapter les expériences vocales aux publics internationaux et aux communautés chinoises régionales.
Indiquez au modèle l'émotion qu'une réplique doit transmettre grâce à des instructions en langage naturel portant sur l'émotion, le ton, le persona et l'élocution. Les deux modèles proposent également des multiplicateurs de vitesse et de hauteur de 0,5 à 2,0 et un volume de 0 à 100. Combinez une instruction de style avec ces commandes numériques pour affiner le même script. Les dialogues expressifs et les expériences de compagnonnage bénéficient d'une élocution adaptée au moment.
Lorsqu'un script nécessite des pauses délibérées ou des mathématiques parlées, les deux modèles prennent en charge les entrées SSML et LaTeX avec enable_ssml activé. Soumettez le texte préparé via la même requête de synthèse plutôt que de traiter chaque passage comme de la prose ordinaire. Le SSML fournit un moyen de marquer les pauses, tandis que LaTeX représente les formules pour la synthèse vocale. Ces options d'entrée conviennent à la narration éducative et aux scripts qui nécessitent une lecture plus posée.
La livraison audio prend en charge quatre formats : MP3, PCM, WAV et Opus, avec sept options de fréquence d'échantillonnage de 8 000 à 48 000 Hz. Sélectionnez output_format et sample_rate dans votre requête ; bit_rate s'applique uniquement à Opus. Atlas Cloud utilise la soumission asynchrone et l'interrogation de l'ID de tâche pour récupérer les URL audio générées. Ce flux de travail permet aux équipes de préparer des fichiers vocaux pour différentes exigences de lecture et de production via une seule API.
Comparez Qwen Audio 3.0 TTS avec son successeur phare et une alternative d'ElevenLabs en utilisant des scripts identiques qui invitent à de subtiles pauses, des changements émotionnels et des fins chaleureuses.
Chut... Je pensais que nous t'avions perdu. Attends, cette lumière... tu as trouvé le chemin du retour ! Viens ici. Tu es en sécurité maintenant, et ce soir, personne n'a à affronter l'obscurité seul.
Generated with Qwen-Audio 3.1 TTS Plus on Atlas Cloud
Generated with ElevenLabs v3 Text-to-Speech on Atlas Cloud
Generated with Qwen-Audio 3.0 TTS Plus on Atlas Cloud
Écoutez... juste un léger craquement. Maintenant, la première bouchée : une croûte croustillante, du beurre chaud, une pure joie ! Oh, c'est délicieux. Asseyez-vous. Il y a toujours une place pour vous à notre table.
Generated with Qwen-Audio 3.1 TTS Plus on Atlas Cloud
Generated with ElevenLabs v3 Text-to-Speech on Atlas Cloud
Generated with Qwen-Audio 3.0 TTS Plus on Atlas Cloud
Associez les voix expressives de Plus à la synthèse Flash optimisée pour la latence dans Qwen Audio 3.0 TTS afin de créer des dialogues de compagnons, des assistants vocaux, une assistance localisée, des récits, des voix off de marque et des leçons audio.
Donnez aux compagnons virtuels des voix expressives avec Plus, en utilisant des instructions pour façonner l’émotion, le ton et le rôle. Créez des salutations chaleureuses, des échanges enjoués ou des réponses rassurantes pour les applications sociales et les expériences interactives avec des personnages.
Lorsque les assistants doivent répondre à l’oral, Flash fournit une synthèse vocale optimisée pour une faible latence et les dialogues en direct. Utilisez-le comme couche de sortie vocale pour les interfaces conversationnelles qui transforment le texte généré en parole.
Flash prend en charge plusieurs langues et dialectes chinois, permettant de proposer une assistance vocale localisée dans les parcours de service client. Transformez les réponses écrites du service d’aide en consignes vocales adaptées aux régions et aux publics de votre application.
Avec Plus, les instructions définissent l’émotion et le ton du narrateur, tandis que les commandes vocales permettent de régler le rythme et le volume. Produisez des passages narrés et des répliques de personnages pour des livres audio, des applications de narration et des contenus audio en série.
Avec Plus, les scripts de présentation de produits deviennent des voix off expressives : les instructions définissent le style de diction et la personnalité. Créez des présentations de produits, des clips promotionnels et des visites guidées d’applications autour d’une direction vocale fidèle à votre marque.
Pour les applications éducatives, Plus transforme les textes pédagogiques en paroles expressives dont la vitesse et le volume sont réglables. Les enseignants peuvent créer des exemples narrés, des introductions de leçons et des guides de révision audio, avec une diction adaptée à leurs supports pédagogiques.
Comparez Qwen Audio 3.0 TTS avec les variantes 3.1 et les modèles MiniMax Speech selon l'axe d'application, les contrôles vocaux, les formats audio et la tarification standard d'Atlas Cloud.
| Modèle | Domaine d’application | Commandes vocales | Formats audio | Tarif standard / 1 000 caractères |
|---|---|---|---|---|
| Qwen-Audio 3.0 TTS Plus | Voix expressives pour les réseaux sociaux et les expériences d’accompagnement | Décrivez l’émotion, le ton et le rôle dans les instructions ; réglez la vitesse, la hauteur et le volume | MP3, PCM, WAV, Opus | $0.02 |
| Qwen-Audio 3.0 TTS Flash | Synthèse à faible latence pour les assistants, les dialogues en direct et le service client | Réglez la vitesse, la hauteur et le volume, ainsi que les instructions relatives à l’émotion et au style de parole | MP3, PCM, WAV, Opus | $0.015 |
| Qwen-Audio 3.1 TTS Plus | Voix de marque, livres audio, doublage et interprétation de personnages | Indiquez directement l’émotion et les rôles des personnages dans les instructions ; ajustez la vitesse, la hauteur et le volume | MP3, PCM, WAV, Opus | $0.03 |
| Qwen-Audio 3.1 TTS Flash | Voix multilingues et dialectales pour les applications interactives | Associez des instructions en langage naturel à des balises expressives et à des paramètres vocaux réglables | MP3, PCM, WAV, Opus | $0.003 |
| MiniMax Speech 2.8 HD | Production vocale axée sur le naturel et l’expressivité | Choisissez une voix et réglez la vitesse, la hauteur et le volume | MP3, WAV, FLAC | $0.10 |
| MiniMax Speech 2.8 Turbo | Génération vocale rapide avec choix de voix et balises d’interjections | Utilisez des préréglages d’émotion et des interjections intégrées ; réglez la vitesse, la hauteur et le volume | MP3, WAV, FLAC | $0.06 |
Soyez opérationnel en quelques minutes — suivez ces étapes simples pour intégrer et déployer des modèles via la plateforme Atlas Cloud.
Inscrivez-vous sur atlascloud.ai et complétez la vérification. Les nouveaux utilisateurs reçoivent des crédits gratuits pour explorer la plateforme et tester les modèles.
Combiner les modèles Qwen Audio 3.0 TTS avancés avec la plateforme accélérée par GPU d'Atlas Cloud offre des performances, une évolutivité et une expérience développeur inégalées.
Faible Latence :
Inférence optimisée par GPU pour un raisonnement en temps réel.
API Unifiée :
Exécutez Qwen Audio 3.0 TTS, GPT, Gemini et DeepSeek avec une seule intégration.
Tarification Transparente :
Facturation prévisible par token avec options serverless.
Expérience Développeur :
SDK, analytiques, outils de fine-tuning et modèles.
Fiabilité :
99,99% de disponibilité, RBAC et journalisation conforme.
Sécurité et Conformité :
SOC 2 Type II, alignement HIPAA, souveraineté des données aux États-Unis.
Qwen Audio 3.0 TTS est une gamme de modèles de synthèse vocale d’Alibaba, disponible sur Atlas Cloud en versions Plus et Flash. Elle convertit du texte en parole et permet de contrôler l’émotion, le ton, le personnage et l’interprétation à l’aide d’instructions en langage naturel.
Créez des expériences vocales pour des compagnons sociaux, des assistants vocaux, des dialogues interactifs et le service client. Son interprétation expressive rend Plus adapté aux interactions avec des compagnons, tandis que Flash est optimisé pour les applications qui privilégient une génération vocale à faible latence.
Créez une clé API Atlas Cloud, puis envoyez une requête POST authentifiée à https://api.atlascloud.ai/api/v1/model/generateAudio avec le modèle, le texte et la voix. Utilisez alibaba/qwen-audio-3.0-tts-plus/text-to-speech ou alibaba/qwen-audio-3.0-tts-flash/text-to-speech comme ID de modèle. Interrogez https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id} avec l’ID de tâche renvoyé jusqu’à la fin de la génération, puis récupérez l’URL audio dans outputs.
Sur Atlas Cloud, le tarif standard est de 0,02 $ pour 1 000 caractères en entrée avec Plus et de 0,015 $ pour 1 000 caractères en entrée avec Flash. Les deux versions sont facturées selon le nombre de caractères, à l’usage.
Chaque version propose 597 voix de base, avec des indications de langue et de genre ainsi que des échantillons de prévisualisation sur sa page de modèle Atlas Cloud. Les modèles prennent en charge la parole multilingue et les dialectes chinois ; les langues disponibles comprennent notamment le chinois, l’anglais, le japonais et le coréen. Écoutez un aperçu de la voix dans la langue ou le dialecte visé avant de la sélectionner pour la production.
Décrivez l’émotion, le ton ou le personnage souhaité dans le paramètre instruction, puis réglez le débit, la hauteur et le volume à l’aide de leurs paramètres dédiés. Pour structurer le texte en entrée, enable_ssml prend en charge SSML et LaTeX et offre un contrôle supplémentaire du rendu vocal.
Choisissez MP3, PCM, WAV ou Opus avec output_format ; MP3 est le format par défaut. Les deux modèles proposent également sample_rate, tandis que bit_rate s’applique uniquement à la sortie Opus.
Choisissez Plus si une interprétation naturelle et expressive est essentielle à une expérience sociale ou de compagnon. Si votre application privilégie les interactions à faible latence et un coût par caractère réduit, Flash constitue un meilleur point de départ. Comparez les deux versions avec le même texte et le même style d’interprétation avant de prendre votre décision.
L’intégration Atlas Cloud documentée repose sur une soumission asynchrone et des interrogations périodiques ; elle renvoie une URL audio une fois la tâche terminée. Lors de la conception de la lecture, considérez cet endpoint comme un flux de traitement par tâche. Si votre application a besoin de recevoir des segments audio pendant la génération, vérifiez séparément la disponibilité de la diffusion en continu.
Un ID de voix associé à un autre modèle peut déclencher InvalidParameter. Sélectionnez une voix dans le catalogue correspondant à la version choisie. Lorsque vous passez de Plus à Flash ou inversement, mettez à jour le modèle et la voix au lieu de réutiliser l’ancien ID de voix.
Guides, tutoriels et actualités produit pour tirer le meilleur d'Atlas Cloud.