

Qwen Audio 3.1 TTS menghadirkan keluarga sintesis suara Alibaba kepada para pengembang. Flash menawarkan suara multibahasa dan dialek bahasa Mandarin, termasuk bahasa Shanghai dan Kanton, untuk aplikasi interaktif. Plus mendukung kloning suara dari audio referensi yang bising untuk pekerjaan suara premium. Atlas Cloud mencantumkan harga standar per 1.000 karakter sebesar $0,003 untuk Flash dan $0,03 untuk Plus. Mulailah membangun hari ini.
Qwen Audio 3.1 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 sintesis ucapan berlatensi rendah untuk interaksi langsung atau pembuatan suara unggulan dengan kloning yang andal.
| Modalitas | Deskripsi |
|---|---|
| Qwen Audio 3.1 TTS Flash (Teks ke Ucapan) | Ubah teks menjadi ucapan dengan suara sistem yang mencakup berbagai bahasa dan dialek bahasa Mandarin. Instruksi mengatur emosi, nada, peran, kecepatan, dan volume. Dioptimalkan untuk mengurangi latensi respons audio awal, Flash cocok untuk asisten suara, percakapan langsung, dan dukungan pelanggan interaktif. |
| Qwen Audio 3.1 TTS Plus (Teks ke Ucapan) | Untuk produksi suara premium, Plus mengubah teks menjadi ucapan multibahasa atau berdialek serta mendukung kloning suara andal dari audio referensi yang bising. Atur emosi, nada, peran, kecepatan, dan volume melalui instruksi untuk narasi bermerek, buku audio, dan penampilan karakter. |
Dari sintesis ucapan yang berfokus pada latensi milik Flash hingga produksi suara premium dari Plus, Qwen Audio 3.1 TTS menggabungkan penyampaian multibahasa, dialek bahasa Mandarin, kontrol ekspresif, dan akses API terpadu Atlas Cloud.
Flash adalah tingkat latensi rendah dari Qwen Audio 3.1 TTS, yang dioptimalkan untuk respons paket pertama dalam interaksi waktu nyata. Sintesis suaranya menggabungkan suara multibahasa dengan instruksi untuk emosi, nada, peran, kecepatan, dan volume. Jelaskan cara penyampaian yang dibutuhkan aplikasi Anda saat memberikan teks yang akan diucapkan. Tingkat ini cocok untuk asisten suara, produk percakapan, dan pengalaman layanan pelanggan di mana daya tanggap suara sangatlah penting.
Plus menghadirkan sintesis ucapan premium dan kloning suara yang tangguh ke Qwen Audio 3.1 TTS, dengan empat suara sistem yang tersedia dalam skema parameter Atlas Cloud. Model ini dirancang untuk mempertahankan kejernihan saat rekaman referensi mengandung kebisingan atau gaung. Instruksi bahasa alami membentuk emosi, nada, dan persona yang dihasilkan. Pilih Plus untuk narasi merek, produksi buku audio, sulih suara film, dan pertunjukan karakter yang ekspresif.
Ucapan multibahasa dan dialek Tiongkok berada di pusat keluarga ini, dengan bahasa Mandarin, Inggris, Jepang, dan Korea di antara bahasa-bahasa yang didukung. Cakupan dialek Flash meliputi bahasa Shanghai, Kanton, Timur Laut, dan Sichuan. Pilih suara yang sesuai dengan bahasa atau dialek yang Anda butuhkan, lalu arahkan penyampaiannya melalui instruksi. Narasi yang dilokalkan dan pengalaman suara regional dapat mencerminkan bagaimana audiens mereka benar-benar berbicara.
Arahkan performa dengan instruksi bahasa alami untuk emosi, nada, peran, dan gaya bicara. Di Plus, kecepatan dan nada masing-masing berkisar dari 0,5 hingga 2,0, sedangkan volume berjalan dari 0 hingga 100. Gabungkan kontrol ini dengan skrip Anda untuk menyesuaikan tempo, register vokal, dan tingkat keluaran. Kontrol semacam itu membantu menyesuaikan bagian teks untuk narasi yang tenang, promosi yang energik, atau dialog karakter.
Empat format output pada Plus mencakup MP3, PCM, WAV, dan Opus, dengan rasio sampel yang dapat dipilih dari 8.000 hingga 48.000 Hz. Pilih format dan rasio yang sesuai dengan pipeline audio Anda. Aktifkan SSML saat input Anda menggunakan markup yang didukung atau LaTeX. Opsi-opsi ini membantu pengembang menyiapkan ucapan yang disintesis untuk pemutaran, pengeditan, dan konten pendidikan tanpa bergantung pada format pengiriman tunggal.
Atlas Cloud menyediakan akses API terpadu dan penagihan berbasis karakter untuk kedua tingkatan, dengan tarif standar $0,003 per 1.000 karakter untuk Flash dan $0,03 untuk Plus. Untuk generasi Plus, kirimkan permintaan asinkron dan lakukan polling pada prediction ID hingga audio siap. Hasil yang telah selesai berisi URL audio. Alur kerja ini membuat pembuatan ucapan menjadi praktis untuk diintegrasikan ke dalam aplikasi dan antrean produksi.
Bandingkan Qwen Audio 3.1 TTS dengan model ucapan lain dan pendahulunya menggunakan skrip identik yang beralih dari penceritaan yang intim hingga komentar olahraga langsung.
Saya menyimpan tempat duduk Anda di dekat jendela. Setiap malam, saya berpikir Anda mungkin akan pulang. Tunggu... benarkah itu Anda? Anda di sini! Silakan masuk, sayang. Ketelnya masih hangat, khusus untuk Anda.
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
Satu tikungan terakhir, dan dia masih tertinggal. Dengarkan sorak-sorai penonton itu... dia menemukan celah, mengambil alih pimpinan, dan menang! Akhir yang luar biasa! Tarik napas, sang juara. Setiap pagi yang datang lebih awal telah membawamu ke momen ini.
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
Mulai dari kampanye merek dan buku audio hingga dialog karakter, asisten suara, dukungan regional, dan pelajaran yang dilokalkan, Qwen Audio 3.1 TTS menghadirkan ucapan yang dapat dikontrol ke dalam produksi konten dan aplikasi interaktif.
Plus mengubah skrip kampanye menjadi sulih suara premium dengan instruksi untuk emosi, nada, dan penyampaian. Buat narasi peluncuran produk, audio promosi, dan pesan merek dengan gaya bicara yang disesuaikan untuk setiap kampanye.
Hidupkan cerita melalui narasi Plus dengan emosi, kecepatan berbicara, dan volume yang dapat dikontrol. Penerbit dan aplikasi buku audio dapat mengubah skrip bab menjadi audio yang ekspresif, menyesuaikan penyampaian untuk dialog dan bagian deskriptif.
Saat aplikasi membutuhkan balasan lisan, Flash menyediakan sintesis ucapan yang disesuaikan untuk latensi paket pertama yang rendah. Gunakan ini sebagai lapisan keluaran suara untuk asisten percakapan, rekan interaktif, dan antarmuka dialog lainnya.
Di seluruh bahasa dan dialek Tionghoa yang didukung, Flash menyuarakan skrip layanan pelanggan dengan nada dan kecepatan yang dapat disesuaikan. Buat respons bantuan lisan dan pengumuman regional untuk pengguna yang lebih menyukai bahasa yang familier dan pelafalan lokal.
Bentuk performa karakter melalui instruksi Plus yang memandu emosi, peran, dan gaya bicara untuk dialog bernaskah. Pengembang game dan tim animasi dapat memproduksi adegan bersuara, bereksperimen dengan penyampaian suara agar sesuai dengan masing-masing karakter.
Untuk konten pembelajaran yang dilokalkan, sintesis multibahasa mengubah skrip pelajaran menjadi ucapan dengan kecepatan dan nada yang dapat dikontrol. Platform pendidikan dapat menghasilkan penjelasan lisan dan latihan mendengarkan, serta menyesuaikan penyampaian dengan audiens dan format pelajaran yang berbeda.
Bandingkan model Qwen Audio 3.1 TTS, pendahulunya versi 3.0, dan MiniMax Speech berdasarkan kontrol penyampaian, format audio, serta harga standar Atlas Cloud.
| Model | Kontrol Penyampaian | Format Audio | Harga Standar / 1K Karakter |
|---|---|---|---|
| Qwen-Audio 3.1 TTS Plus | Instruksi bahasa alami untuk emosi, nada, dan persona; kecepatan, tinggi nada, dan volume dapat disesuaikan | MP3, PCM, WAV, Opus | $0.03 |
| Qwen-Audio 3.1 TTS Flash | Atur emosi, nada, dan peran langsung melalui instruksi; kontrol terperinci untuk kecepatan, tinggi nada, dan volume | MP3, PCM, WAV, Opus | $0.003 |
| Qwen-Audio 3.0 TTS Plus | Atur penyampaian yang ekspresif melalui instruksi, serta sesuaikan kecepatan, tinggi nada, dan volume | MP3, PCM, WAV, Opus | $0.02 |
| Qwen-Audio 3.0 TTS Flash | Atur emosi dan gaya bicara melalui instruksi, serta sesuaikan kecepatan, tinggi nada, dan volume | MP3, PCM, WAV, Opus | $0.015 |
| MiniMax Speech 2.8 HD | Pilih emosi, lalu atur kecepatan, tinggi nada, dan volume | MP3, WAV, FLAC | $0.10 |
| MiniMax Speech 2.8 Turbo | Atur emosi dan parameter vokal; sisipkan tag interjeksi dan jeda berdurasi tertentu | 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 3.1 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 3.1 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 3.1 TTS adalah keluarga model text-to-speech dari Alibaba, dengan varian Plus dan Flash yang tersedia di Atlas Cloud. Plus berfokus pada kualitas suara premium, sementara Flash menargetkan interaksi latensi rendah dengan dukungan suara multibahasa dan dialek bahasa Mandarin.
Buat narasi untuk buku audio, konten bermerek, sulih suara, dan pertunjukan karakter dengan Plus. Untuk asisten suara, aplikasi percakapan, dan layanan pelanggan, Flash memprioritaskan pembuatan ucapan yang responsif.
Buat kunci API Atlas Cloud dan pilih ID model Plus atau Flash dari halaman modelnya. Kirimkan teks Anda dan suara yang kompatibel ke endpoint generateAudio menggunakan autentikasi Bearer. Simpan ID tugas yang dikembalikan dan lakukan polling pada endpoint prediction hingga audio yang dihasilkan tersedia.
Cakupan bahasa bergantung pada model dan suara yang dipilih. Flash mencakup suara multibahasa yang mendukung bahasa Jepang, Korea, Prancis, Jerman, Portugis, Italia, Vietnam, dan Indonesia, beserta dialek bahasa Mandarin seperti bahasa Shanghai, Kanton, dan Mandarin Timur Laut. Pilih suara yang mendukung bahasa atau dialek target Anda sebelum menghasilkan ucapan.
Format keluaran audio yang didukung meliputi MP3, PCM, WAV, dan Opus. Input SSML dan LaTeX juga didukung, meskipun ketersediaan SSML bergantung pada suara yang dipilih. Di Atlas Cloud, gunakan output_format untuk memilih format audio dan enable_ssml saat mengirimkan SSML.
Gunakan instruksi bahasa alami untuk memandu emosi, nada, persona, dan gaya bicara. Atlas Cloud juga menyediakan kontrol kecepatan, nada, dan volume pada endpoint Plus untuk penyesuaian penyampaian yang lebih presisi. Uji instruksi Anda dengan suara yang dipilih untuk memeriksa apakah hasilnya sesuai dengan performa yang Anda inginkan.
Plus mendukung kloning suara yang tangguh dari audio referensi yang mengandung kebisingan atau gaung. Evaluasi hasil sintesis dengan rekaman yang representatif sebelum menggunakannya di lingkungan produksi, terutama saat kemiripan pembicara dan pelafalan merupakan hal yang penting.
Pilih Plus ketika fidelitas audio dan detail ekspresif menjadi hal yang paling penting, seperti untuk suara merek, buku audio, dan sulih suara. Flash dirancang untuk aplikasi yang memprioritaskan latensi paket pertama yang rendah, termasuk asisten suara dan percakapan interaktif. Bandingkan keduanya menggunakan skrip yang sama dan suara yang sesuai sebelum memilih model produksi.
Harga standar Atlas Cloud adalah $0,03 per 1.000 karakter input untuk Plus dan $0,003 per 1.000 karakter input untuk Flash. Ini adalah tarif standar yang disediakan oleh backend Atlas Cloud, belum termasuk diskon promosi.
Flash dioptimalkan untuk latensi paket pertama pada tingkat model. Alur kerja pembuatan audio Atlas Cloud yang terdokumentasi mengirimkan tugas asinkron dan mengambil hasil yang telah selesai dengan melakukan polling pada ID tugasnya. Ukur waktu dari pengiriman hingga pemutaran di aplikasi Anda alih-alih menganggap latensi model sebagai jaminan pengiriman streaming.
Panduan, tutorial, dan pembaruan produk untuk membantu Anda memaksimalkan Atlas Cloud.