Seedance 2.5 Flash が今なら35%OFF — 11月30日まで
Hero background 1Hero background 2

Qwen Audio 3.1 TTS Multilingual Voices

Qwen Audio 3.1 TTSは、Alibabaの音声合成ファミリーを開発者に提供します。Flashは、インタラクティブなアプリケーション向けに、上海語や広東語を含む多言語の音声と中国語の方言を提供します。Plusは、高品質な音声ワーク向けに、ノイズの多いリファレンスオーディオからの音声クローニングをサポートしています。Atlas Cloudでの1,000文字あたりの標準価格は、Flashが0.003ドル、Plusが0.03ドルです。今すぐ構築を始めましょう。

Qwen Audio 3.1 TTS は Alibaba が開発したモデルです。Atlas Cloud(運営:Atlas Cloud AI LLC)は本モデルへのアクセスを提供するものであり、その所有者ではありません。すべての商標は各所有者に帰属します。

主要モデルを探索

Atlas Cloudは、業界をリードする最新のクリエイティブモデルを提供します。

Qwen Audio 3.1 TTS:FlashとPlusを比較

ライブ対話向けの低遅延な音声合成か、高品質なボイスクローンに対応した最上位の音声生成かを選択できます。

モダリティ説明
Qwen Audio 3.1 TTS Flash(Text to Speech)複数の言語や中国語の方言に対応したシステムボイスで、テキストを音声に変換します。指示によって感情、トーン、役柄、速度、音量を調整できます。音声応答の初期レイテンシーを最適化しており、音声アシスタント、ライブ会話、対話型カスタマーサポートに適しています。
Qwen Audio 3.1 TTS Plus(Text to Speech)高品質な音声制作向けのPlusは、テキストを多言語または方言の音声に変換し、ノイズを含む参照音声からの高精度なボイスクローンにも対応します。指示で感情、トーン、役柄、速度、音量を調整でき、ブランドナレーション、オーディオブック、キャラクターの演技に活用できます。

Qwen Audio 3.1 TTS: 表現豊かな音声、的確なディレクション

Flashのレイテンシ重視の音声合成からPlusのプレミアムな音声生成まで、Qwen Audio 3.1 TTSは、多言語配信、中国語の方言、表現豊かなコントロール、そしてAtlas Cloudの統合APIアクセスを組み合わせています。

Qwen Audio 3.1 TTS Flash: レスポンシブ音声

Flashは、Qwen Audio 3.1 TTSの低レイテンシティアであり、リアルタイムインタラクションにおけるファーストパケット応答に最適化されています。その音声合成は、多言語の音声と、感情、トーン、役割、速度、音量に関する指示を組み合わせています。読み上げるテキストを提供する際に、アプリケーションが必要とする表現方法を記述してください。このティアは、音声の応答性が重要となる音声アシスタント、対話型製品、カスタマーサービスエクスペリエンスに適しています。

Qwen Audio 3.1 TTS Plus: ロバストな音声クローニング

Plusは、高品質な音声合成と堅牢な音声クローニングをQwen Audio 3.1 TTSにもたらし、Atlas Cloudのパラメータスキーマで4つのシステム音声を利用できます。このモデルは、参照録音にノイズや残響が含まれている場合でも明瞭さを維持するように設計されています。自然言語による指示が、出力される感情、トーン、ペルソナを形成します。ブランドナレーション、オーディオブック制作、映画の吹き替え、表現豊かなキャラクターパフォーマンスには、Plusをお選びください。

言語と地域の音声

多言語音声と中国語の方言がこのファミリーの中心に位置しており、サポートされている言語には中国語、英語、日本語、韓国語が含まれます。Flash の方言のカバー範囲には、上海語、広東語、東北方言、四川方言が含まれます。必要な言語または方言に適切な音声を選択し、指示を通じてその発声をガイドします。ローカライズされたナレーションや地域特有の音声エクスペリエンスにより、オーディエンスの実際の話し方を反映させることができます。

感情、ペース、ピッチを形作る

感情、トーン、役割、話し方に関する自然言語の指示を使用して、パフォーマンスをディレクションします。Plusでは、速度とピッチをそれぞれ0.5から2.0の範囲で、音量を0から100の範囲で設定できます。これらのコントロールをスクリプトと組み合わせることで、ペース、声域、出力レベルを調整できます。このような制御により、落ち着いたナレーション、エネルギッシュなプロモーション、またはキャラクターの対話に合わせてパッセージを調整することができます。

柔軟な音声フォーマットとスクリプト入力

Plusの4つの出力フォーマットは、MP3、PCM、WAV、Opusをカバーしており、8,000〜48,000 Hzの範囲で選択可能なサンプリングレートを備えています。オーディオパイプラインに一致するフォーマットとレートを選択してください。入力がサポートされているマークアップまたはLaTeXを使用している場合は、SSMLを有効にします。これらのオプションにより、開発者は単一の配信フォーマットに依存することなく、再生、編集、および教育コンテンツ用の合成音声を準備できます。

統合API、透明な文字課金

Atlas Cloudは両方の階層に統合されたAPIアクセスと文字ベースの課金を提供し、標準料金はFlashが1,000文字あたり0.003ドル、Plusが0.03ドルです。Plusの生成では、非同期リクエストを送信し、音声の準備ができるまでそのprediction IDをポーリングします。完了した結果には音声URLが含まれます。このワークフローにより、音声生成をアプリケーションや本番環境のキューへ実用的に統合できるようになります。

Qwen Audio 3.1 TTS と他の音声との比較を聴く

親密なストーリーテリングからスポーツのライブ実況まで展開する同一のスクリプトを使用して、Qwen Audio 3.1 TTS を他の音声モデルおよびその前世代のモデルと比較します。

プロンプト

窓際のお客様の席はそのままにしておきました。毎晩、お帰りになるかもしれないと考えておりました。お待ちください…本当にあなた様ですか?よくお越しくださいました!中へお入りください、愛しい人。ポットはまだ温かいままです、あなた様のためだけに。

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

プロンプト

最後のコーナー、彼女はまだ遅れをとっています。あの歓声を聞いてください…彼女は隙を見つけ、先頭に立ち、そして勝利しました!なんて素晴らしいフィニッシュでしょう!息を整えて、チャンピオン。すべての早起きした朝が、あなたをこの瞬間に導いたのです。

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

ストーリー、ブランド、会話向けの Qwen Audio 3.1 TTS

ブランドキャンペーンやオーディオブックから、キャラクターの対話、音声アシスタント、地域サポート、ローカライズされたレッスンに至るまで、Qwen Audio 3.1 TTSはコンテンツ制作とインタラクティブなアプリケーションに制御可能な音声をもたらします。

Qwen Audio 3.1 TTSによるブランドナレーション

Plusは、感情、トーン、表現方法の指示に基づいて、キャンペーンのスクリプトを高品質なボイスオーバーに変換します。各キャンペーンに合わせたスピーチスタイルで、製品発表のナレーション、プロモーション音声、ブランドメッセージを作成できます。

オーディオブックナレーション

感情、話速、音量を調整できるPlusのナレーションで、物語に命を吹き込みます。出版社やオーディオブックアプリは、章ごとのスクリプトを表情豊かな音声に変換し、対話や描写部分に合わせて語り口を調整することができます。

Qwen Audio 3.1 TTS音声アシスタント

アプリケーションに音声による応答が必要な場合、Flashは低い初回パケットレイテンシに最適化された音声合成を提供します。対話型アシスタント、インタラクティブなコンパニオン、およびその他のダイアログインターフェースの音声出力レイヤーとして使用してください。

地域カスタマーサポート

サポートされている言語と中国語の方言全体で、Flashは調整可能なトーンと速度でカスタマーサービスのスクリプトを音声化します。親しみやすい言語と現地の発音を好むユーザー向けに、音声によるヘルプ応答や地域限定のアナウンスを構築できます。

表現力豊かなキャラクター対話

スクリプト化された台詞における感情、役割、話し方を指定する Plus の指示機能を通じて、キャラクターの演技を形成します。ゲーム開発者やアニメーションチームは、各キャラクターに最適な声の表現を試しながら、音声付きのシーンを制作できます。

Qwen Audio 3.1 TTSを活用したローカライズされたレッスン

ローカライズされた学習コンテンツ向けに、多言語音声合成はレッスン用のスクリプトを、速度と音調が制御可能な音声に変換します。教育プラットフォームは、さまざまな受講者やレッスンの形式に合わせて配信を適応させ、音声による解説やリスニング練習を作成できます。

Qwen Audio 3.1 TTSとMiniMax Speech:選択肢を比較

Qwen Audio 3.1 TTS、前世代の3.0モデル、MiniMax Speechモデルを、読み上げの調整機能、音声形式、Atlas Cloudの標準料金で比較します。

モデル読み上げの調整機能音声形式標準料金/1,000文字
Qwen-Audio 3.1 TTS Plus自然言語の指示で感情、トーン、ペルソナを指定。速度、ピッチ、音量も調整可能MP3, PCM, WAV, Opus$0.03
Qwen-Audio 3.1 TTS Flash指示で感情、トーン、役柄を指定。速度、ピッチ、音量も細かく調整可能MP3, PCM, WAV, Opus$0.003
Qwen-Audio 3.0 TTS Plus指示で表現豊かな読み上げを指定し、速度、ピッチ、音量を調整MP3, PCM, WAV, Opus$0.02
Qwen-Audio 3.0 TTS Flash指示による感情や話し方の指定に加え、速度、ピッチ、音量を調整可能MP3, PCM, WAV, Opus$0.015
MiniMax Speech 2.8 HD感情を選択でき、速度、ピッチ、音量も設定可能MP3, WAV, FLAC$0.10
MiniMax Speech 2.8 Turbo感情や声のパラメーターを設定。間投詞タグやタイミングを指定したポーズも挿入可能MP3, WAV, FLAC$0.06

Atlas Cloud で Qwen Audio 3.1 TTS を使う方法

数分で始められます — 以下の簡単なステップに従って、Atlas Cloud プラットフォームでモデルを統合・デプロイしましょう。

Atlas Cloud アカウントを作成

atlascloud.ai でサインアップし、認証を完了します。新規ユーザーには無料クレジットが付与され、プラットフォームの探索やモデルのテストに使用できます。

Atlas CloudでQwen Audio 3.1 TTSを使用する理由

高度なQwen Audio 3.1 TTSモデルとAtlas CloudのGPU加速プラットフォームを組み合わせることで、比類のないパフォーマンス、スケーラビリティ、開発者エクスペリエンスを提供。

パフォーマンスと柔軟性

低レイテンシ:
リアルタイム推論のためのGPU最適化推論。

統合API:
1つの統合でQwen Audio 3.1 TTS、GPT、Gemini、DeepSeekを実行。

透明な料金:
サーバーレスオプション付きの予測可能なtoken単位の課金。

エンタープライズとスケール

開発者エクスペリエンス:
SDK、分析、ファインチューニングツール、テンプレート。

信頼性:
99.99%の稼働率、RBAC、コンプライアンス対応ロギング。

セキュリティとコンプライアンス:
SOC 2 Type II、HIPAA準拠、米国内のデータ主権。

Qwen Audio 3.1 TTS: 音声、API使用、およびモデル選択

Qwen Audio 3.1 TTSはAlibabaの音声合成モデルファミリーであり、Atlas Cloud上でPlusおよびFlashのバリアントが利用可能です。Plusは高品質な音声に焦点を当てており、一方Flashは多言語音声と中国語方言をサポートし、低遅延のインタラクションをターゲットとしています。

Plusを使用して、オーディオブック、ブランドコンテンツ、吹き替え、キャラクターパフォーマンスのナレーションを作成します。音声アシスタント、対話型アプリケーション、カスタマーサービス向けには、Flashが応答性の高い音声生成を優先します。

Atlas Cloud APIキーを作成し、モデルページからPlusまたはFlashのモデルIDを選択します。Bearer認証を使用して、テキストと互換性のある音声をgenerateAudioエンドポイントに送信します。返されたタスクIDを保持し、生成された音声が利用可能になるまでpredictionエンドポイントをポーリングします。

対応言語はモデルと選択した音声によって異なります。Flashには、日本語、韓国語、フランス語、ドイツ語、ポルトガル語、イタリア語、ベトナム語、インドネシア語に加え、上海語、広東語、東北官話などの中国語の方言をサポートする多言語音声が含まれています。音声を生成する前に、ターゲット言語または方言をサポートする音声を選択してください。

サポートされている音声出力フォーマットには、MP3、PCM、WAV、Opusが含まれます。SSMLおよびLaTeX入力もサポートされていますが、SSMLの利用可能性は選択した音声に依存します。Atlas Cloudでは、音声フォーマットを選択するには output_format を使用し、SSMLを送信する際は enable_ssml を使用してください。

自然言語の指示を使用して、感情、トーン、ペルソナ、話し方をガイドします。Atlas Cloud は、より正確な音声出力の調整のために、Plus エンドポイントで速度、ピッチ、音量のコントロールも提供しています。選択した音声で指示をテストし、結果が意図したパフォーマンスと一致することを確認してください。

Plusは、ノイズや残響を含むリファレンス音声からのロバストな音声クローニングをサポートしています。特に話者の類似性や発音が重要視される場合は、本番環境で使用する前に、代表的な録音を用いて合成結果を評価してください。

ブランドボイス、オーディオブック、吹き替えなど、オーディオの忠実度と表現のディテールが最も重要な場合は、Plusを選択してください。Flashは、音声アシスタントやインタラクティブな会話など、初回パケットレイテンシ(First-Packet Latency)の低さを重視するアプリケーション向けに設計されています。本番用モデルを選択する前に、同じスクリプトと適切な音声を使用して両方を比較してください。

Atlas Cloudの標準価格は、入力文字1,000文字あたり、Plusが0.03ドル、Flashが0.003ドルです。これらはAtlas Cloudのバックエンドによって提供される標準料金であり、プロモーション割引は含まれていません。

Flashは、モデルレベルでファーストパケットレイテンシが最適化されています。Atlas Cloudのドキュメント化された音声生成ワークフローでは、非同期タスクを送信し、タスクIDをポーリングすることで完了した結果を取得します。モデルのレイテンシをストリーミング配信の保証として扱うのではなく、アプリケーション内で送信から再生までの時間を測定してください。

さらにファミリーを探索

Seedance 2.5

Seedance 2.5 APIは、開発者にByteDance Seedの音声・動画統合モデルを提供し、テキスト、最初のフレーム、または画像、動画、音声にわたる最大50の参照元から、最大ネイティブ4Kで4〜30秒のコンテンツを1回のパスで生成します。選択した領域の編集、クリップの拡張が可能で、ホワイトモデルやグリーンバックの入力にも対応します。

ファミリーを表示

Seedance 2.5 Flash

Seedance 2.5 Flash API は、2026年11月12日にリリースされた ByteDance Seed の Seedance 2.5 の、より高速かつ低コストな階層を開発者に提供します。Seedance 2.5 のほぼ2倍の速度で動画を生成し、480p または 720p でクリップあたり最大30秒をレンダリングします。また、1リクエストあたり最大10枚の画像、5つの動画、5つのオーディオクリップを取り込むことができ、迅速なバリエーション作成のための動画編集機能も備えています。

ファミリーを表示

Kling 4.0

Kling 4 APIは、Kuaishouが2026年10月15日にリリースした動画モデルKling 4.0を提供します。1回のパスで最大30秒を生成し、最大10個のキーフレームに追従し、Omni Referenceを介して15の画像、動画、被写体をブレンドし、リップシンク付きのステレオオーディオを追加します。Atlas Cloudは、動画編集を含む全4つのエンドポイントを、OpenAI互換の単一キーで1秒あたり0.11ドルから提供します。今日から構築を始めましょう。

ファミリーを表示

Seedream 5.5

Seedream 5.5は、ByteDance Seedの画像生成および編集ファミリーです。最大10枚の参照画像を使用して編集をガイドしたり、画像をベース画像と最大99個の編集可能なレイヤーに分割したりすることができ、テキストレイヤーにはオプションでOCRを使用できます。Atlas Cloudでは、生成、編集、レイヤー分解の各処理は1画像あたり0.02ドルの標準料金で利用でき、開発者の画像ワークフロー予算の計画を支援します。今すぐ構築を始めましょう。

ファミリーを表示

Kling 4.0 Flash

Kling 4.0 Flash APIは、開発者にKuaishouのKling 4.0ビデオモデルの高速かつ低コストなバージョンを提供します。これは、4つのアスペクト比で3〜20秒の720p動画クリップを生成し、Omni Referenceを通じて画像、動画、Kling要素にわたる最大15個のリファレンスに従い、テキストによる既存映像の編集やネイティブオーディオの生成を行います。Atlas Cloudは1つのキーでこれら4つのエンドポイントすべてを提供し、価格は1秒あたり0.0571ドルからで、失敗したリクエストには課金されません。

ファミリーを表示

Wan 3.0

Wan 3.0はAlibabaの最新の動画生成モデルであり、1回の生成で音声付きの1080p、30fpsの動画を最大30秒作成できます。テキストプロンプト、最初のフレーム、最大10枚のリファレンス画像、またはドキュメントを使用して制御可能です。Standardは1秒あたりのコストが低く、Primeは同じ機能を維持しながらより迅速に結果を返します。どちらも、Wan 2.7、2.6、2.5と同じAtlas Cloudキーで実行されます。

ファミリーを表示

GPT Image 2.6

GPT Image 2.6 APIは、2026年11月4日にリリースされたOpenAIの画像モデルを、高速イテレーション向けの「Flare」と、詳細な視覚作業向けの「Sunburst」という2つのバージョンで提供します。以前より50%高速に画像を生成し、アニメーションGIF出力、SVGエクスポート、円で囲んだ領域をターゲットにするマークアップ編集、および複雑度設定が追加されました。Atlas Cloudは、OpenAI互換のキー1つで両モデルを提供し、従量課金制を採用しています。

ファミリーを表示

Kling Image 4.0

Kling Image 4.0は、詳細なビジュアルデザインのためのKling AIの画像生成モデルです。参照画像が構図をガイドし、縦長のレイアウトが製品画像とブランドメッセージを完全なページのビジュアルに統合します。高解像度の出力により、トリミングや表示に十分なスペースが確保されます。Atlas Cloudは、統合APIと透明性の高い従量課金制の料金体系で統合を簡素化します。今すぐ構築を始めましょう。

ファミリーを表示

MiniMax H3 Image

MiniMax H3 Imageは、MiniMaxのH3ファミリーを基盤とし、画像生成と編集を1つのチェックポイントに統合しています。詳細なプロンプトがキャラクター、シーン、構図をガイドし、リファレンス入力が視覚的な変化を制御します。Atlas Cloudは従量課金制(pay-as-you-go)のホスト型アクセスを提供しており、モデルのインフラを管理することなく画像ワークフローを統合できるようサポートします。今すぐ構築を始めましょう。

ファミリーを表示

MiniMax H3

MiniMax H3は、テキスト、画像、リファレンスによる生成に対応したMiniMaxのマルチモーダル動画ファミリーです。対応するルート全体で参照メディアの被写体を保持し、柔軟なアスペクト比を提供します。また、H3 Developerを通じて生成音声と映像を組み合わせ、出力プロファイルはエンドポイントごとに選択されます。Atlas Cloudは、1つのOpenAI互換キーのもとでこのファミリーを統合し、標準料金である1秒あたり$0.038からの明瞭な従量課金制を提供します。今すぐ開発を始めましょう。

ファミリーを表示

GPT Image 2.5

GPT Image 2.5は、2026年9月8日に2つのAPIバージョンでリリースされたOpenAIの画像生成・編集モデルです。Flareはデフォルト設定で、GPT Image 2と比較して最大50%低いレイテンシを実現しています。一方Sunburstは、より詳細な編集操作を可能にするため処理に時間がかかります。どちらも最大16枚の参照画像、5段階の品質レベル、透明背景、最大3840pxまでのカスタムサイズに対応しています。Atlas CloudはGPT Image 2.5 APIを提供しており、料金はOpenAIのトークン単位レート、または1K、2K、4Kの各レベルに応じた画像1枚あたりの固定価格から選択可能です。

ファミリーを表示

Seedream 5.0 Pro

Seedream 5.0 Pro API は、開発者に Atlas Cloud 上で ByteDance の制御可能な画像編集モデルを提供します。アンカーと座標を使用して編集を正確に配置し、画像を編集可能なレイヤーに分離し、複数の参照を融合し、正確な色と素材を一致させ、2K および 3K での多言語テキストをサポートします。Atlas Cloud では、単一のキーでアクセスできます!

ファミリーを表示

ひとつのAPIで、あらゆるメディアAIを。

すべてのモデルを探索