

Keluarga Qwen Audio 3.0 TTS dari Alibaba melayani aplikasi sosial, pendamping, dan waktu nyata. Pandu penyampaian vokal dan volume Plus dengan instruksi bahasa alami, atau gunakan Flash untuk dialog langsung dan layanan pelanggan. Atlas Cloud menawarkan harga standar sebesar $0,02 per 1.000 karakter input untuk Plus dan $0,015 untuk Flash, membantu Anda memperkirakan biaya untuk setiap beban kerja. Mulailah membangun hari ini.
Qwen Audio 3.0 TTS dikembangkan oleh Alibaba. Atlas Cloud (dioperasikan oleh Atlas Cloud AI LLC) menyediakan akses ke model ini dan tidak memilikinya. Semua merek dagang adalah milik pemiliknya masing-masing.
Atlas Cloud menyediakan model kreatif terdepan dan terbaru di industri untuk Anda.
Pilih suara unggulan yang ekspresif untuk pengalaman pendamping, atau ucapan berlatensi rendah untuk interaksi real time.
| Modalitas | Deskripsi |
|---|---|
| Qwen Audio 3.0 TTS Flash API (Text to Speech) | Ubah teks menjadi ucapan dengan sintesis berlatensi rendah, dukungan bahasa yang luas, dan cakupan dialek bahasa Mandarin. Instruksi yang fleksibel memandu penyampaian suara untuk asisten suara, dialog langsung, dan layanan pelanggan. Harga standar adalah $0.015 per 1.000 karakter input. |
| Qwen Audio 3.0 TTS Plus API (Text to Speech) | Untuk aplikasi sosial dan pendamping, endpoint unggulan ini mengubah teks menjadi ucapan yang alami dan ekspresif menggunakan suara sistem. Atur emosi, nada, peran, kecepatan, dan volume melalui instruksi yang fleksibel untuk membentuk setiap interaksi. Harga standar adalah $0.02 per 1.000 karakter input. |
Pilih Qwen Audio 3.0 TTS Flash atau Plus untuk kebutuhan percakapan yang berbeda, dengan katalog suara yang ekstensif, sintesis multibahasa, penyampaian yang dapat disesuaikan, input teks terstruktur, dan output audio yang fleksibel melalui Atlas Cloud.
Qwen Audio 3.0 TTS menawarkan Flash untuk interaksi latensi rendah dan Plus untuk suara pendamping yang alami dan ekspresif. Tarif standar Atlas Cloud adalah $0,015 per 1.000 karakter input untuk Flash dan $0,02 untuk Plus. Pilih model yang sesuai dengan prioritas percakapan produk Anda, dengan tagihan pay-as-you-go (bayar sesuai penggunaan). Hal ini memberikan asisten suara, alat layanan pelanggan, dan aplikasi sosial dua opsi sintesis dengan harga yang jelas.
Setiap model 3.0 menyediakan katalog berisi 597 suara dasar yang dikloning, lengkap dengan sampel pratinjau serta label gender dan bahasa. Telusuri suara yang tersedia, dengarkan sampel, dan teruskan ID suara dari model yang dipilih bersama dengan teks Anda. ID Suara bersifat spesifik untuk masing-masing model. Hal ini mempermudah pemilihan peran narator atau karakter pendamping sebelum Anda mengintegrasikan ucapan ke dalam aplikasi Anda.
Untuk ucapan multibahasa, kedua model menerima satu petunjuk bahasa per permintaan, dengan 10 kode yang didukung meliputi bahasa Mandarin, Inggris, Jepang, Korea, Prancis, Jerman, Portugis, Italia, Vietnam, dan Indonesia. Tetapkan language_hints untuk bahasa yang diinginkan dan pilih suara yang kompatibel. Flash juga mendukung sintesis dialek bahasa Mandarin. Pengembang dapat menggunakan kontrol ini untuk menyesuaikan pengalaman lisan bagi audiens internasional dan komunitas Tiongkok regional.
Beri tahu model bagaimana sebuah kalimat harus terasa melalui instruksi bahasa alami untuk emosi, nada, persona, dan penyampaian. Kedua model juga menyediakan pengali kecepatan dan nada dari 0,5 hingga 2,0 serta volume dari 0 hingga 100. Gabungkan instruksi gaya dengan kontrol numerik ini untuk menyempurnakan skrip yang sama. Dialog yang ekspresif dan pengalaman pendamping akan diuntungkan oleh penyampaian yang disesuaikan dengan momen tersebut.
Ketika skrip memerlukan jeda yang disengaja atau matematika lisan, kedua model mendukung input SSML dan LaTeX dengan enable_ssml diaktifkan. Kirimkan teks yang telah disiapkan melalui permintaan sintesis yang sama daripada memperlakukan setiap bagian sebagai prosa biasa. SSML menyediakan cara untuk menandai jeda, sementara LaTeX mewakili rumus untuk ucapan. Opsi input ini cocok untuk narasi pendidikan dan skrip yang memerlukan pembacaan yang lebih saksama.
Pengiriman audio mendukung empat format: MP3, PCM, WAV, dan Opus, dengan tujuh opsi tingkat sampel (sample rate) dari 8.000 hingga 48.000 Hz. Pilih output_format dan sample_rate dalam permintaan Anda; bit_rate hanya berlaku untuk Opus. Atlas Cloud menggunakan pengiriman asinkron dan polling ID tugas untuk mengambil URL audio yang dihasilkan. Alur kerja ini memungkinkan tim untuk menyiapkan file ucapan untuk berbagai kebutuhan pemutaran dan produksi melalui satu API.
Bandingkan Qwen Audio 3.0 TTS dengan penerus unggulannya dan alternatif dari ElevenLabs menggunakan skrip identik yang mengundang jeda halus, perubahan emosional, dan akhiran yang hangat.
Sst... Saya pikir kami telah kehilangan Anda. Tunggu, cahaya itu... Anda telah menemukan jalan pulang! Kemarilah. Anda aman sekarang, dan malam ini, tidak ada seorang pun yang harus menghadapi kegelapan sendirian.
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
Dengarkan... hanya sedikit suara renyah. Sekarang, gigitan pertama: kerak garing, mentega hangat, kenikmatan murni! Oh, sungguh lezat. Silakan duduk. Selalu ada tempat untuk Anda di meja kami.
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
Padukan suara Plus yang ekspresif dengan sintesis Flash yang mengutamakan latensi rendah di Qwen Audio 3.0 TTS untuk membuat dialog teman virtual, asisten suara, dukungan lokal, narasi cerita, sulih suara merek, dan materi pelajaran audio.
Hadirkan suara ekspresif untuk teman virtual dengan Plus. Gunakan instruksi untuk mengatur emosi, nada, dan peran. Buat sapaan hangat, percakapan ceria, atau balasan yang menenangkan untuk aplikasi sosial dan pengalaman karakter interaktif.
Saat asisten perlu menjawab secara lisan, Flash menyediakan sintesis suara yang dioptimalkan untuk latensi rendah dan dialog langsung. Gunakan sebagai lapisan keluaran suara pada antarmuka percakapan yang mengubah teks hasil generasi menjadi ucapan.
Flash mendukung berbagai bahasa dan dialek bahasa Mandarin, sehingga layanan pelanggan dapat menghadirkan ucapan yang dilokalkan. Ubah jawaban bantuan tertulis menjadi panduan lisan untuk pengalaman dukungan regional yang disesuaikan dengan audiens aplikasi Anda.
Dengan Plus, instruksi dapat mengatur emosi dan nada narator, sementara kontrol ucapan menyesuaikan tempo dan volume. Buat narasi cerita dan dialog karakter untuk proyek buku audio, aplikasi bercerita, dan konten audio berseri.
Dengan Plus, naskah produk dapat diubah menjadi sulih suara yang ekspresif. Instruksi menentukan gaya penyampaian dan persona. Buat pengantar produk, klip promosi, dan panduan penggunaan aplikasi dengan arahan suara yang mencerminkan merek Anda.
Untuk aplikasi pembelajaran, Plus mengubah teks instruksional menjadi ucapan ekspresif dengan kecepatan dan volume yang dapat disesuaikan. Pengajar dapat membuat contoh bernarasi, pengantar pelajaran, dan panduan belajar audio dengan penyampaian yang sesuai dengan materi ajar.
Bandingkan Qwen Audio 3.0 TTS dengan varian 3.1 dan model MiniMax Speech berdasarkan fokus aplikasi, kontrol ucapan, format audio, dan harga standar Atlas Cloud.
| Model | Fokus Aplikasi | Kontrol Ucapan | Format Audio | Harga Standar / 1K Karakter |
|---|---|---|---|---|
| Qwen-Audio 3.0 TTS Plus | Suara ekspresif untuk pengalaman sosial dan pendamping | Jelaskan emosi, nada, dan peran melalui instruksi; sesuaikan kecepatan, nada, dan volume | MP3, PCM, WAV, Opus | $0.02 |
| Qwen-Audio 3.0 TTS Flash | Sintesis latensi rendah untuk asisten, dialog langsung, dan layanan pelanggan | Atur kecepatan, nada, dan volume, serta instruksi emosi dan gaya bicara | MP3, PCM, WAV, Opus | $0.015 |
| Qwen-Audio 3.1 TTS Plus | Suara merek, buku audio, sulih suara, dan penampilan karakter | Atur penyampaian emosi dan peran karakter melalui instruksi; sesuaikan kecepatan, nada, dan volume | MP3, PCM, WAV, Opus | $0.03 |
| Qwen-Audio 3.1 TTS Flash | Ucapan multibahasa dan dialek untuk aplikasi interaktif | Padukan instruksi bahasa alami dengan tag ekspresif dan parameter ucapan yang dapat disesuaikan | MP3, PCM, WAV, Opus | $0.003 |
| MiniMax Speech 2.8 HD | Produksi ucapan yang mengutamakan kealamian dan kualitas ekspresif | Pilih suara dan sesuaikan kecepatan, nada, dan volume | MP3, WAV, FLAC | $0.10 |
| MiniMax Speech 2.8 Turbo | Pembuatan ucapan cepat dengan pilihan suara dan tag interjeksi | Gunakan preset emosi dan interjeksi sebaris; atur kecepatan, nada, dan volume | MP3, WAV, FLAC | $0.06 |
Mulai dalam hitungan menit — ikuti langkah-langkah sederhana berikut untuk mengintegrasikan dan men-deploy model melalui platform Atlas Cloud.
Daftar di atlascloud.ai dan selesaikan verifikasi. Pengguna baru mendapatkan kredit gratis untuk menjelajahi platform dan menguji model.
Gabungkan model Qwen Audio 3.0 TTS canggih dengan platform akselerasi GPU Atlas Cloud untuk performa, skalabilitas, dan pengalaman pengembangan yang tak tertandingi.
Latensi Rendah:
Inferensi yang dioptimalkan GPU untuk respons real-time.
API Terpadu:
Satu integrasi untuk Qwen Audio 3.0 TTS, GPT, Gemini, dan DeepSeek.
Harga Transparan:
Billing per token, mendukung mode Serverless.
Pengalaman Developer:
SDK, analitik data, alat fine-tuning, dan template tersedia lengkap.
Keandalan:
Ketersediaan 99.99%, kontrol izin RBAC, logging kepatuhan.
Keamanan & Kepatuhan:
Sertifikasi SOC 2 Type II, kepatuhan HIPAA, kedaulatan data AS.
Qwen Audio 3.0 TTS adalah keluarga model text-to-speech dari Alibaba, tersedia dalam varian Plus dan Flash di Atlas Cloud. Model ini mengubah teks tertulis menjadi ucapan, dengan instruksi bahasa alami untuk mengatur emosi, nada, karakter, dan cara penyampaian.
Bangun pengalaman berbasis suara untuk teman sosial, asisten suara, dialog interaktif, dan dukungan pelanggan. Penyampaian yang ekspresif membuat Plus cocok untuk interaksi dengan teman virtual, sedangkan Flash dioptimalkan untuk aplikasi yang mengutamakan pembuatan ucapan dengan latensi rendah.
Buat kunci API Atlas Cloud, lalu kirim permintaan POST terautentikasi ke https://api.atlascloud.ai/api/v1/model/generateAudio dengan parameter model, text, dan voice. Gunakan alibaba/qwen-audio-3.0-tts-plus/text-to-speech atau alibaba/qwen-audio-3.0-tts-flash/text-to-speech sebagai ID model. Lakukan polling ke https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id} menggunakan ID tugas yang dikembalikan hingga proses pembuatan selesai, lalu ambil URL audio dari outputs.
Harga standar di Atlas Cloud adalah $0.02 per 1,000 karakter input untuk Plus dan $0.015 per 1,000 karakter input untuk Flash. Kedua varian menggunakan penagihan berdasarkan jumlah karakter dengan skema bayar sesuai pemakaian.
Setiap varian mencantumkan 597 suara dasar dengan label bahasa dan gender serta sampel pratinjau di halaman model Atlas Cloud. Model ini mendukung ucapan multibahasa dan dialek bahasa Mandarin, dengan petunjuk bahasa yang mencakup bahasa Mandarin, Inggris, Jepang, dan Korea. Pratinjau suara dalam bahasa atau dialek target sebelum memilihnya untuk produksi.
Jelaskan emosi, nada, atau karakter yang diinginkan dalam parameter instruction, lalu sesuaikan speed, pitch, dan volume melalui parameter khusus masing-masing. Untuk input teks terstruktur, enable_ssml mendukung SSML dan LaTeX, sehingga memberi kontrol tambahan atas perenderan ucapan.
Pilih MP3, PCM, WAV, atau Opus melalui output_format, dengan MP3 sebagai format default. Kedua model juga menyediakan sample_rate, sedangkan bit_rate khusus berlaku untuk output Opus.
Pilih Plus jika penyampaian yang alami dan ekspresif menjadi bagian penting dari pengalaman sosial atau teman virtual. Jika aplikasi Anda mengutamakan interaksi berlatensi rendah dan biaya per karakter yang lebih rendah, Flash lebih cocok sebagai titik awal. Bandingkan keduanya dengan naskah dan gaya bicara yang sama sebelum menentukan pilihan.
Integrasi Atlas Cloud yang terdokumentasi menggunakan pengiriman asinkron dan polling, lalu mengembalikan URL audio setelah tugas selesai. Rancang pemutaran dengan menganggap endpoint ini sebagai alur kerja berbasis tugas, dan konfirmasikan ketersediaan streaming secara terpisah jika aplikasi Anda memerlukan potongan audio selama proses pembuatan.
ID suara yang berasal dari model lain dapat memicu InvalidParameter, jadi pilih suara dari katalog yang sesuai dengan varian pilihan Anda. Saat beralih antara Plus dan Flash, perbarui model dan suara, jangan gunakan kembali ID suara sebelumnya.
Panduan, tutorial, dan pembaruan produk untuk membantu Anda memaksimalkan Atlas Cloud.