

Qwen Audio 3.1 TTS apporte la famille de synthèse vocale d'Alibaba aux développeurs. Flash propose des voix multilingues et des dialectes chinois, notamment le shanghaïen et le cantonais, pour les applications interactives. Plus prend en charge le clonage vocal à partir d'un fichier audio de référence bruyant pour des travaux vocaux de qualité supérieure. Atlas Cloud indique des prix standards pour 1 000 caractères à 0,003 $ pour Flash et 0,03 $ pour Plus. Commencez à construire dès aujourd'hui.
Qwen Audio 3.1 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 une synthèse vocale à faible latence pour les interactions en direct, ou une génération vocale haut de gamme avec clonage robuste.
| Modalité | Description |
|---|---|
| Qwen Audio 3.1 TTS Flash (Text to Speech) | Convertissez du texte en parole avec des voix système couvrant plusieurs langues et dialectes chinois. Les instructions permettent de contrôler l’émotion, le ton, le rôle, la vitesse et le volume. Optimisé pour réduire la latence de la première réponse audio, Flash convient aux assistants vocaux, aux conversations en direct et au support client interactif. |
| Qwen Audio 3.1 TTS Plus (Text to Speech) | Pour une production vocale haut de gamme, Plus convertit du texte en parole multilingue ou dans différents dialectes et prend en charge le clonage vocal robuste à partir d’un audio de référence bruité. Les instructions permettent de contrôler l’émotion, le ton, le rôle, la vitesse et le volume pour créer des narrations de marque, des livres audio et des interprétations de personnages. |
De la synthèse vocale axée sur la latence de Flash à la production vocale premium de Plus, Qwen Audio 3.1 TTS combine la diffusion multilingue, les dialectes chinois, les contrôles expressifs et l'accès unifié à l'API d'Atlas Cloud.
Flash est le niveau à faible latence de Qwen Audio 3.1 TTS, optimisé pour la réponse du premier paquet dans les interactions en temps réel. Sa synthèse vocale combine des voix multilingues avec des instructions pour l'émotion, le ton, le rôle, la vitesse et le volume. Décrivez l'expression dont votre application a besoin tout en fournissant le texte à prononcer. Ce niveau convient aux assistants vocaux, aux produits conversationnels et aux expériences de service client où la réactivité vocale est primordiale.
Plus apporte une synthèse vocale de qualité supérieure et un clonage vocal robuste à Qwen Audio 3.1 TTS, avec quatre voix système disponibles dans le schéma de paramètres d'Atlas Cloud. Le modèle est conçu pour maintenir la clarté lorsque les enregistrements de référence contiennent du bruit ou de la réverbération. Les instructions en langage naturel façonnent l'émotion, le ton et le personnage qui en résultent. Choisissez Plus pour la narration de marque, la production de livres audio, le doublage de films et les performances de personnages expressives.
La parole multilingue et les dialectes chinois se trouvent au centre de cette famille, le chinois, l'anglais, le japonais et le coréen figurant parmi les langues prises en charge. La couverture des dialectes de Flash inclut le shanghaïen, le cantonais, le dialecte du Nord-Est et le sichuanais. Sélectionnez une voix appropriée pour la langue ou le dialecte dont vous avez besoin, puis guidez son élocution à l'aide d'instructions. La narration localisée et les expériences vocales régionales peuvent refléter la manière dont les publics s'expriment réellement.
Dirigez la performance avec des instructions en langage naturel pour l'émotion, le ton, le rôle et le style d'expression. Sur Plus, la vitesse et la hauteur de la voix varient chacune de 0,5 à 2,0, tandis que le volume va de 0 à 100. Combinez ces commandes avec votre script pour ajuster le rythme, le registre vocal et le niveau de sortie. Un tel contrôle permet d'adapter un passage pour une narration calme, des promotions énergiques ou des dialogues de personnages.
Les quatre formats de sortie sur Plus couvrent MP3, PCM, WAV et Opus, avec des taux d'échantillonnage sélectionnables de 8 000 à 48 000 Hz. Choisissez le format et le taux qui correspondent à votre pipeline audio. Activez SSML lorsque votre entrée utilise un balisage pris en charge ou LaTeX. Ces options aident les développeurs à préparer la voix de synthèse pour la lecture, l'édition et le contenu éducatif sans dépendre d'un format de livraison unique.
Atlas Cloud fournit un accès API unifié et une facturation basée sur les caractères pour les deux niveaux, avec des tarifs standard de 0,003 $ pour 1 000 caractères pour Flash et de 0,03 $ pour Plus. Pour la génération avec Plus, soumettez une requête asynchrone et interrogez son prediction ID jusqu'à ce que l'audio soit prêt. Les résultats terminés contiennent les URL audio. Ce flux de travail rend la génération vocale pratique à intégrer dans les applications et les files d'attente de production.
Comparez Qwen Audio 3.1 TTS avec un autre modèle vocal et son prédécesseur en utilisant des scripts identiques allant de la narration intime aux commentaires sportifs en direct.
J'ai gardé votre place près de la fenêtre. Chaque nuit, je pensais que vous pourriez rentrer à la maison. Attendez... est-ce vraiment vous ? Vous êtes là ! Entrez, mon amour. La bouilloire est encore chaude, rien que pour vous.
Generated with Qwen-Audio 3.1 TTS Plus on Atlas Cloud
Generated with ElevenLabs v4 Text-to-Speech on Atlas Cloud
Generated with Qwen-Audio 3.0 TTS Plus on Atlas Cloud
Un dernier virage, et elle est toujours derrière. Écoutez cette foule... elle trouve une ouverture, prend la tête et gagne ! Quelle fin de course ! Respirez, championne. Chaque petit matin vous a menée à ce moment.
Generated with Qwen-Audio 3.1 TTS Plus on Atlas Cloud
Generated with ElevenLabs v4 Text-to-Speech on Atlas Cloud
Generated with Qwen-Audio 3.0 TTS Plus on Atlas Cloud
Des campagnes de marque et des livres audio aux dialogues de personnages, assistants vocaux, support régional et leçons localisées, Qwen Audio 3.1 TTS apporte une voix contrôlable à la production de contenu et aux applications interactives.
Plus transforme les scripts de campagne en voix off premium avec des instructions concernant l'émotion, le ton et l'interprétation. Créez des narrations pour les lancements de produits, des audios promotionnels et des messages de marque avec un style d'élocution adapté à chaque campagne.
Donnez vie à vos histoires grâce à la narration Plus avec contrôle de l'émotion, du débit de parole et du volume. Les éditeurs et les applications de livres audio peuvent transformer les scripts des chapitres en un son expressif, en ajustant la diction pour les dialogues et les passages descriptifs.
Lorsque les applications nécessitent des réponses vocales, Flash propose une synthèse vocale optimisée pour une faible latence du premier paquet. Utilisez-le comme couche de sortie vocale pour les assistants conversationnels, les compagnons interactifs et d'autres interfaces de dialogue.
Dans les langues et les dialectes chinois pris en charge, Flash vocalise les scripts de service client avec une tonalité et une vitesse ajustables. Créez des réponses d'aide vocales et des annonces régionales pour les utilisateurs qui préfèrent une langue familière et une prononciation locale.
Façonnez les performances des personnages grâce aux instructions Plus qui guident l'émotion, le rôle et le style d'expression pour les dialogues scénarisés. Les développeurs de jeux et les équipes d'animation peuvent produire des scènes vocales, en expérimentant avec l'interprétation pour correspondre à chaque personnage.
Pour les contenus d'apprentissage localisés, la synthèse multilingue convertit les scripts de cours en parole avec un rythme et un ton contrôlables. Les plateformes éducatives peuvent produire des explications vocales et des exercices d'écoute, en adaptant la diffusion à différents publics et formats de cours.
Comparez Qwen Audio 3.1 TTS, ses prédécesseurs de la version 3.0 et les modèles MiniMax Speech selon les réglages de restitution, les formats audio et les tarifs standard d’Atlas Cloud.
| Modèle | Réglages de restitution | Formats audio | Tarif standard / 1 000 caractères |
|---|---|---|---|
| Qwen-Audio 3.1 TTS Plus | Consignes en langage naturel pour l’émotion, le ton et le personnage ; réglage de la vitesse, de la hauteur et du volume | MP3, PCM, WAV, Opus | $0.03 |
| Qwen-Audio 3.1 TTS Flash | Définissez l’émotion, le ton et le rôle à l’aide de consignes ; réglez finement la vitesse, la hauteur et le volume | MP3, PCM, WAV, Opus | $0.003 |
| Qwen-Audio 3.0 TTS Plus | Ajustez l’expressivité à l’aide de consignes et réglez la vitesse, la hauteur et le volume | MP3, PCM, WAV, Opus | $0.02 |
| Qwen-Audio 3.0 TTS Flash | Émotion et style de parole définis par des consignes, avec réglage de la vitesse, de la hauteur et du volume | MP3, PCM, WAV, Opus | $0.015 |
| MiniMax Speech 2.8 HD | Choix des émotions et réglage de la vitesse, de la hauteur et du volume | MP3, WAV, FLAC | $0.10 |
| MiniMax Speech 2.8 Turbo | Réglez l’émotion et les paramètres vocaux ; insérez des balises d’interjection et des pauses minutées | 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 3.1 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 3.1 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 3.1 TTS est la famille de modèles de synthèse vocale d'Alibaba, avec les variantes Plus et Flash disponibles sur Atlas Cloud. Plus se concentre sur une qualité vocale premium, tandis que Flash cible les interactions à faible latence avec des voix multilingues et la prise en charge des dialectes chinois.
Créez des narrations pour des livres audio, du contenu de marque, du doublage et des performances de personnages avec Plus. Pour les assistants vocaux, les applications conversationnelles et le service client, Flash privilégie la génération vocale réactive.
Créez une clé d'API Atlas Cloud et sélectionnez l'ID du modèle Plus ou Flash sur sa page de modèle. Soumettez votre texte et une voix compatible à l'endpoint generateAudio en utilisant l'authentification Bearer. Conservez l'ID de tâche renvoyé et interrogez l'endpoint prediction jusqu'à ce que l'audio généré soit disponible.
La couverture linguistique dépend du modèle et de la voix sélectionnée. Flash inclut des voix multilingues prenant en charge le japonais, le coréen, le français, l'allemand, le portugais, l'italien, le vietnamien et l'indonésien, ainsi que des dialectes chinois tels que le shanghaïen, le cantonais et le chinois du Nord-Est. Choisissez une voix qui prend en charge votre langue ou dialecte cible avant de générer la parole.
Les formats de sortie audio pris en charge incluent MP3, PCM, WAV et Opus. Les entrées SSML et LaTeX sont également prises en charge, bien que la disponibilité de SSML dépende de la voix sélectionnée. Sur Atlas Cloud, utilisez output_format pour choisir le format audio et enable_ssml lors de la soumission de SSML.
Utilisez des instructions en langage naturel pour guider l'émotion, le ton, le persona et le style de parole. Atlas Cloud expose également des contrôles de vitesse, de hauteur et de volume sur le point de terminaison Plus pour des ajustements de rendu plus précis. Testez vos instructions avec la voix sélectionnée pour vérifier que le résultat correspond à la performance souhaitée.
Plus prend en charge un clonage vocal robuste à partir d'audios de référence contenant du bruit ou de la réverbération. Évaluez le résultat synthétisé avec des enregistrements représentatifs avant de l'utiliser en production, en particulier lorsque la similitude du locuteur et la prononciation sont importantes.
Choisissez Plus lorsque la fidélité audio et les détails expressifs sont primordiaux, comme pour les voix de marque, les livres audio et le doublage. Flash est conçu pour les applications qui privilégient une faible latence du premier paquet, y compris les assistants vocaux et les conversations interactives. Comparez les deux en utilisant les mêmes scripts et des voix adaptées avant de sélectionner un modèle de production.
Les prix standards d'Atlas Cloud sont de 0,03 $ pour 1 000 caractères d'entrée pour Plus et de 0,003 $ pour 1 000 caractères d'entrée pour Flash. Il s'agit des tarifs standards fournis par le backend d'Atlas Cloud, hors réductions promotionnelles.
Flash est optimisé pour la latence du premier paquet au niveau du modèle. Le flux de travail de génération audio documenté d'Atlas Cloud soumet une tâche asynchrone et récupère le résultat terminé en interrogeant son identifiant de tâche. Mesurez le temps écoulé entre la soumission et la lecture dans votre application plutôt que de considérer la latence du modèle comme une garantie de diffusion en streaming.
Guides, tutoriels et actualités produit pour tirer le meilleur d'Atlas Cloud.