

O Qwen Audio 3.1 TTS leva a família de síntese de fala da Alibaba aos desenvolvedores. O Flash oferece vozes multilíngues e dialetos chineses, incluindo o xangainês e o cantonês, para aplicativos interativos. O Plus suporta clonagem de voz a partir de áudio de referência ruidoso para trabalhos de voz premium. A Atlas Cloud lista os preços padrão por 1.000 caracteres em US$ 0,003 para o Flash e US$ 0,03 para o Plus. Comece a desenvolver hoje.
Qwen Audio 3.1 TTS foi desenvolvido pela Alibaba. A Atlas Cloud (operada pela Atlas Cloud AI LLC) fornece acesso ao modelo, mas não é sua proprietária. Todas as marcas registradas pertencem aos seus respectivos titulares.
O Atlas Cloud oferece os modelos criativos mais avançados e inovadores do setor.
Escolha a síntese de voz de baixa latência para interações ao vivo ou a geração de voz premium com clonagem robusta.
| Modalidade | Descrição |
|---|---|
| Qwen Audio 3.1 TTS Flash (Text to Speech) | Transforme texto em fala com vozes do sistema que abrangem vários idiomas e dialetos chineses. Use instruções para controlar emoção, tom, papel, velocidade e volume. Otimizado para reduzir a latência da resposta de áudio inicial, o Flash é ideal para assistentes de voz, conversas ao vivo e suporte interativo ao cliente. |
| Qwen Audio 3.1 TTS Plus (Text to Speech) | Para produções de voz premium, o Plus converte texto em fala multilíngue ou em dialetos e oferece clonagem de voz robusta a partir de áudios de referência com ruído. Controle emoção, tom, papel, velocidade e volume por meio de instruções para criar narrações com identidade de marca, audiolivros e interpretações de personagens. |
Da síntese de fala focada em latência do Flash à produção de voz premium do Plus, o Qwen Audio 3.1 TTS combina entrega multilíngue, dialetos chineses, controles expressivos e o acesso unificado à API do Atlas Cloud.
Flash é o nível de baixa latência do Qwen Audio 3.1 TTS, otimizado para a resposta do primeiro pacote em interações em tempo real. Sua síntese de fala combina vozes multilíngues com instruções de emoção, tom, função, velocidade e volume. Descreva a forma de expressão que seu aplicativo precisa enquanto fornece o texto a ser falado. Este nível é adequado para assistentes de voz, produtos conversacionais e experiências de atendimento ao cliente, onde a capacidade de resposta da voz é fundamental.
O Plus traz síntese de fala premium e clonagem de voz robusta para o Qwen Audio 3.1 TTS, com quatro vozes de sistema disponíveis no esquema de parâmetros da Atlas Cloud. O modelo foi projetado para manter a clareza quando as gravações de referência contêm ruído ou reverberação. As instruções em linguagem natural moldam a emoção, o tom e a persona resultantes. Escolha o Plus para narração de marca, produção de audiolivros, dublagem de filmes e atuações expressivas de personagens.
A fala multilíngue e os dialetos chineses ocupam o centro desta família, com chinês, inglês, japonês e coreano entre os idiomas suportados. A cobertura de dialetos do Flash inclui xangainês, cantonês, nordestino e sichuanês. Selecione uma voz apropriada para o idioma ou dialeto de que você precisa e, em seguida, guie sua entrega por meio de instruções. A narração localizada e as experiências de voz regionais podem refletir como seu público realmente fala.
Direcione a interpretação com instruções em linguagem natural para emoção, tom, papel e estilo de fala. No Plus, a velocidade e o tom variam de 0,5 a 2,0 cada, enquanto o volume vai de 0 a 100. Combine esses controles com o seu roteiro para ajustar o ritmo, o registro vocal e o nível de saída. Tal controle ajuda a adaptar uma passagem para uma narração calma, promoções enérgicas ou diálogos de personagens.
Os quatro formatos de saída no Plus incluem MP3, PCM, WAV e Opus, com taxas de amostragem selecionáveis de 8.000 a 48.000 Hz. Escolha o formato e a taxa que correspondem ao seu pipeline de áudio. Ative o SSML quando sua entrada usar marcação suportada ou LaTeX. Essas opções ajudam os desenvolvedores a preparar voz sintetizada para reprodução, edição e conteúdo educacional, sem depender de um único formato de entrega.
O Atlas Cloud fornece acesso API unificado e faturamento baseado em caracteres para ambos os níveis, com taxas padrão de US$ 0,003 por 1.000 caracteres para o Flash e US$ 0,03 para o Plus. Para a geração com o Plus, envie uma solicitação assíncrona e faça o polling do seu prediction ID até que o áudio esteja pronto. Os resultados concluídos contêm URLs de áudio. Esse fluxo de trabalho torna a geração de fala prática para integração em aplicativos e filas de produção.
Compare o Qwen Audio 3.1 TTS com outro modelo de voz e seu predecessor usando roteiros idênticos que vão da narração íntima aos comentários de esportes ao vivo.
Guardei o seu lugar à janela. Todas as noites, pensava que talvez voltasse para casa. Espere... é mesmo você? Você está aqui! Entre, meu amor. A chaleira ainda está quente, só para você.
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
Uma última curva, e ela ainda está atrás. Ouça essa multidão... ela encontra uma brecha, assume a liderança e vence! Que final! Respire, campeã. Cada manhã cedo a trouxe a este momento.
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
De campanhas de marca e audiolivros a diálogos de personagens, assistentes de voz, suporte regional e lições localizadas, o Qwen Audio 3.1 TTS traz a fala controlável para a produção de conteúdo e aplicativos interativos.
O Plus transforma roteiros de campanhas em locuções premium com instruções de emoção, tom e interpretação. Crie narrações para lançamentos de produtos, áudios promocionais e mensagens de marca com um estilo de fala adaptado a cada campanha.
Dê vida às histórias através da narração Plus com controle de emoção, velocidade de fala e volume. Editoras e aplicativos de audiolivros podem transformar roteiros de capítulos em áudio expressivo, ajustando a interpretação para diálogos e passagens descritivas.
Quando os aplicativos precisam de respostas faladas, o Flash fornece síntese de fala ajustada para baixa latência do primeiro pacote. Use-o como a camada de saída de voz para assistentes de conversação, companheiros interativos e outras interfaces de diálogo.
Nos idiomas e dialetos chineses suportados, o Flash dá voz aos roteiros de atendimento ao cliente com tom e velocidade ajustáveis. Crie respostas de ajuda faladas e anúncios regionais para usuários que preferem um idioma familiar e pronúncia local.
Molde as atuações dos personagens por meio das instruções Plus que guiam a emoção, o papel e o estilo de fala para diálogos roteirizados. Desenvolvedores de jogos e equipes de animação podem produzir cenas dubladas, experimentando com a interpretação para se adequar a cada personagem.
Para conteúdo de aprendizagem localizado, a síntese multilíngue converte roteiros de aulas em fala com ritmo e tom controláveis. As plataformas de educação podem produzir explicações faladas e exercícios de escuta, adaptando a entrega a diferentes públicos e formatos de aula.
Compare os modelos Qwen Audio 3.1 TTS, seus antecessores da versão 3.0 e MiniMax Speech quanto aos controles de interpretação, formatos de áudio e preços padrão do Atlas Cloud.
| Modelo | Controles de interpretação | Formatos de áudio | Preço padrão / 1 mil caracteres |
|---|---|---|---|
| Qwen-Audio 3.1 TTS Plus | Instruções em linguagem natural para emoção, tom e personalidade; ajuste de velocidade, tom e volume | MP3, PCM, WAV, Opus | $0.03 |
| Qwen-Audio 3.1 TTS Flash | Defina emoção, tom e papel por meio de instruções; controle preciso de velocidade, tom e volume | MP3, PCM, WAV, Opus | $0.003 |
| Qwen-Audio 3.0 TTS Plus | Oriente a expressividade da fala com instruções e ajuste a velocidade, o tom e o volume | MP3, PCM, WAV, Opus | $0.02 |
| Qwen-Audio 3.0 TTS Flash | Emoção e estilo de fala definidos por instruções, além de ajustes de velocidade, tom e volume | MP3, PCM, WAV, Opus | $0.015 |
| MiniMax Speech 2.8 HD | Seleção de emoções e ajustes de velocidade, tom e volume | MP3, WAV, FLAC | $0.10 |
| MiniMax Speech 2.8 Turbo | Defina a emoção e os parâmetros vocais; insira tags de interjeição e pausas cronometradas | MP3, WAV, FLAC | $0.06 |
Comece em minutos — siga estes passos simples para integrar e implantar modelos pela plataforma da Atlas Cloud.
Cadastre-se em atlascloud.ai e conclua a verificação. Novos usuários recebem créditos gratuitos para explorar a plataforma e testar modelos.
Combine modelos avançados de Qwen Audio 3.1 TTS com a plataforma acelerada por GPU do Atlas Cloud, fornecendo desempenho, escalabilidade e experiência de desenvolvimento incomparáveis.
Baixa Latência:
Inferência otimizada por GPU para respostas em tempo real.
API Unificada:
Uma única integração para acessar Qwen Audio 3.1 TTS, GPT, Gemini e DeepSeek.
Preços Transparentes:
Faturamento por Token, suporta modo Serverless.
Experiência do Desenvolvedor:
SDK, análise de dados, ferramentas de ajuste fino e modelos tudo em um.
Confiabilidade:
99.99% de disponibilidade, controle de permissões RBAC, logs de conformidade.
Segurança e Conformidade:
Certificação SOC 2 Type II, conformidade HIPAA, soberania de dados nos EUA.
Qwen Audio 3.1 TTS é a família de modelos de conversão de texto em fala da Alibaba, com as variantes Plus e Flash disponíveis na Atlas Cloud. O Plus foca em uma qualidade de voz premium, enquanto o Flash é voltado para interações de baixa latência com vozes multilíngues e suporte a dialetos chineses.
Crie narrações para audiolivros, conteúdo de marca, dublagem e atuações de personagens com o Plus. Para assistentes de voz, aplicativos de conversação e atendimento ao cliente, o Flash prioriza a geração de fala responsiva.
Crie uma chave de API do Atlas Cloud e selecione o ID do modelo Plus ou Flash na sua página de modelos. Envie o seu texto e uma voz compatível para o endpoint generateAudio usando a autenticação Bearer. Guarde o ID de tarefa retornado e faça polling no endpoint prediction até que o áudio gerado esteja disponível.
A cobertura de idiomas depende do modelo e da voz selecionada. O Flash inclui vozes multilíngues que suportam japonês, coreano, francês, alemão, português, italiano, vietnamita e indonésio, juntamente com dialetos chineses como xangainês, cantonês e chinês do nordeste. Escolha uma voz que suporte o seu idioma ou dialeto de destino antes de gerar a fala.
Os formatos de saída de áudio suportados incluem MP3, PCM, WAV e Opus. As entradas SSML e LaTeX também são suportadas, embora a disponibilidade do SSML dependa da voz selecionada. No Atlas Cloud, use output_format para escolher o formato de áudio e enable_ssml ao enviar SSML.
Use instruções em linguagem natural para guiar a emoção, o tom, a persona e o estilo de fala. O Atlas Cloud também expõe controles de velocidade, tom e volume no endpoint Plus para ajustes de entrega mais precisos. Teste suas instruções com a voz selecionada para verificar se o resultado corresponde ao desempenho pretendido.
O Plus suporta uma clonagem de voz robusta a partir de áudios de referência contendo ruído ou reverberação. Avalie o resultado sintetizado com gravações representativas antes de usá-lo em produção, especialmente quando a semelhança do locutor e a pronúncia forem importantes.
Escolha o Plus quando a fidelidade de áudio e os detalhes expressivos forem fundamentais, como para vozes de marcas, audiolivros e dublagem. O Flash foi projetado para aplicativos que priorizam a baixa latência do primeiro pacote, incluindo assistentes de voz e conversas interativas. Compare ambos usando os mesmos roteiros e vozes adequadas antes de selecionar um modelo de produção.
Os preços padrão da Atlas Cloud são de US$ 0,03 por 1.000 caracteres de entrada para o Plus e US$ 0,003 por 1.000 caracteres de entrada para o Flash. Estas são as taxas padrão fornecidas pelo backend da Atlas Cloud, excluindo descontos promocionais.
O Flash é otimizado para a latência do primeiro pacote no nível do modelo. O fluxo de trabalho de geração de áudio documentado da Atlas Cloud envia uma tarefa assíncrona e recupera o resultado concluído por meio de polling do seu ID de tarefa. Meça o tempo de envio até a reprodução no seu aplicativo, em vez de tratar a latência do modelo como uma garantia de entrega por streaming.
Guias, tutoriais e novidades de produto para você aproveitar ao máximo a Atlas Cloud.