

Alibabas Qwen Audio 3.0 TTS-familj betjänar sociala, sällskaps- och realtidsapplikationer. Styr Plus röstleverans och volym med instruktioner på naturligt språk, eller använd Flash för livedialog och kundtjänst. Atlas Cloud erbjuder standardpriser på 0,02 USD per 1 000 inmatningstecken för Plus och 0,015 USD för Flash, vilket hjälper dig att uppskatta kostnaderna för varje arbetsbelastning. Börja bygga idag.
Qwen Audio 3.0 TTS är utvecklad av Alibaba. Atlas Cloud (som drivs av Atlas Cloud AI LLC) tillhandahåller åtkomst till modellen men äger den inte. Alla varumärken tillhör sina respektive ägare.
Atlas Cloud förser dig med de senaste branschledande kreativa modellerna.
Välj uttrycksfulla flaggskeppsröster för sociala upplevelser och följeslagarupplevelser, eller tal med låg latens för interaktion i realtid.
| Modalitet | Beskrivning |
|---|---|
| Qwen Audio 3.0 TTS Flash API (Text to Speech) | Omvandla text till tal med syntes med låg latens, brett språkstöd och stöd för kinesiska dialekter. Flexibla instruktioner styr röstens framförande för röstassistenter, live-dialoger och kundtjänst. Standardpriset är 0,015 $ per 1 000 indatatecken. |
| Qwen Audio 3.0 TTS Plus API (Text to Speech) | Den här flaggskeppsendpointen är avsedd för sociala appar och följeslagarappar och omvandlar text till naturligt, uttrycksfullt tal med systemröster. Styr känsla, ton, roll, hastighet och volym med flexibla instruktioner för att forma varje interaktion. Standardpriset är 0,02 $ per 1 000 indatatecken. |
Välj Qwen Audio 3.0 TTS Flash eller Plus för specifika konversationsbehov, med omfattande röstkataloger, flerspråkig syntes, justerbar röstleverans, strukturerad textinmatning och flexibel ljudutmatning via Atlas Cloud.
Qwen Audio 3.0 TTS erbjuder Flash för interaktion med låg latens och Plus för en naturlig, uttrycksfull följeslagarröst. Standardpriserna för Atlas Cloud är 0,015 USD per 1 000 inmatningstecken för Flash och 0,02 USD för Plus. Välj den modell som matchar din produkts konversationsprioriteringar, med pay-as-you-go-fakturering. Detta ger röstassistenter, kundtjänstverktyg och sociala applikationer två syntesalternativ med tydlig prissättning.
Varje 3.0-modell exponerar en katalog med 597 klonade basröster med förhandsgranskningsprover samt köns- och språketiketter. Bläddra bland de tillgängliga rösterna, lyssna på prover och skicka med den valda modellens röst-ID tillsammans med din text. Röst-ID:n är specifika för respektive modell. Detta gör det enklare att casta en berättare eller följeslagarkaraktär innan du integrerar tal i din applikation.
För flerspråkigt tal accepterar båda modellerna ett språktips per begäran, med 10 stödda koder som täcker kinesiska, engelska, japanska, koreanska, franska, tyska, portugisiska, italienska, vietnamesiska och indonesiska. Ange language_hints för det avsedda språket och välj en kompatibel röst. Flash stöder också syntes av kinesiska dialekter. Utvecklare kan använda dessa kontroller för att anpassa talupplevelser för en internationell publik och regionala kinesiska gemenskaper.
Tala om för modellen hur en replik ska kännas genom instruktioner i naturligt språk för känsla, ton, persona och framförande. Båda modellerna tillhandahåller även multiplikatorer för hastighet och tonhöjd från 0,5 till 2,0 samt volym från 0 till 100. Kombinera en stilinstruktion med dessa numeriska reglage för att finjustera samma skript. Uttrycksfulla dialoger och upplevelser med virtuella följeslagare drar nytta av ett framförande som är anpassat till ögonblicket.
När ett manus kräver avsiktliga pauser eller uppläst matematik stöder båda modellerna SSML- och LaTeX-inmatning med enable_ssml aktiverat. Skicka in den förberedda texten via samma syntesbegäran istället för att behandla varje stycke som vanlig prosa. SSML ger ett sätt att markera pauser, medan LaTeX representerar formler för tal. Dessa inmatningsalternativ passar pedagogisk berättarröst och manus som kräver en mer avsiktlig uppläsning.
Ljudleveransen stöder fyra format: MP3, PCM, WAV och Opus, med sju olika samplingsfrekvenser från 8 000 till 48 000 Hz. Välj output_format och sample_rate i din begäran; bit_rate gäller endast för Opus. Atlas Cloud använder asynkron överföring och avläsning av uppgifts-ID (task ID polling) för att hämta genererade ljud-URL:er. Detta arbetsflöde gör det möjligt för team att förbereda talfiler för olika uppspelnings- och produktionskrav via ett enda API.
Jämför Qwen Audio 3.0 TTS med dess flaggskeppsuppföljare och ett ElevenLabs-alternativ med hjälp av identiska manus som bjuder in till subtila pauser, känslomässiga skiftningar och varma avslutningar.
Hysch... Jag trodde att vi hade förlorat dig. Vänta, det där ljuset... du har hittat vägen hem! Kom hit. Du är trygg nu, och i natt behöver ingen möta mörkret ensam.
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
Lyssna... bara ett litet knaster. Nu, den första tuggan: frasig skorpa, varmt smör, ren glädje! Åh, det är utsökt. Slå dig ner. Det finns alltid en plats för dig vid vårt bord.
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
Kombinera uttrycksfulla Plus-röster med den latensoptimerade Flash-syntesen i Qwen Audio 3.0 TTS för att skapa dialoger för följeslagare, röstassistenter, lokaliserad support, sagoberättande, varumärkesinläsningar och muntliga lektioner.
Ge virtuella följeslagare uttrycksfulla röster med Plus och använd instruktioner för att forma känsla, ton och roll. Skapa varma hälsningar, lekfulla repliker eller lugnande svar för sociala appar och interaktiva karaktärsupplevelser.
När assistenter behöver svara muntligt erbjuder Flash talsyntes optimerad för låg latens och dialog i realtid. Använd den som röstaviseringslager i konversationsgränssnitt som omvandlar genererad text till tal.
Flash stöder flera språk och kinesiska dialekter, vilket gör det möjligt att erbjuda lokaliserat tal i kundtjänstens arbetsflöden. Omvandla skriftliga supportsvar till muntlig vägledning för regionala supportupplevelser anpassade efter målgrupperna i din app.
Med Plus formar instruktioner berättarens känsla och ton, medan talkontroller justerar tempo och volym. Skapa upplästa berättelser och karaktärsrepliker för ljudboksprojekt, berättarappar och följetongsbaserat ljudinnehåll.
Med Plus blir produktmanus uttrycksfulla inläsningar, där instruktionerna definierar framförandets stil och persona. Skapa muntliga produktpresentationer, reklamklipp och appgenomgångar med ett röstuttryck som speglar ditt varumärke.
För utbildningsappar omvandlar Plus instruktionstext till uttrycksfullt tal med justerbar hastighet och volym. Lärare kan skapa upplästa exempel, lektionsintroduktioner och muntliga studieguider med ett framförande som passar undervisningsmaterialet.
Jämför Qwen Audio 3.0 TTS med 3.1-varianterna och MiniMax Speech-modellerna utifrån applikationsfokus, röststyrning, ljudformat och standardpriser för Atlas Cloud.
| Model | Application Focus | Speech Controls | Audio Formats | Standard Price / 1K Characters |
|---|---|---|---|---|
| Qwen-Audio 3.0 TTS Plus | Expressive voices for social and companion experiences | Describe emotion, tone and role through instructions; adjust speed, pitch and volume | MP3, PCM, WAV, Opus | $0.02 |
| Qwen-Audio 3.0 TTS Flash | Low latency synthesis for assistants, live dialogue and customer service | Tune speed, pitch and volume alongside instructions for emotion and speaking style | MP3, PCM, WAV, Opus | $0.015 |
| Qwen-Audio 3.1 TTS Plus | Brand voices, audiobooks, dubbing and character performances | Direct emotional delivery and character roles with instructions; refine speed, pitch and volume | MP3, PCM, WAV, Opus | $0.03 |
| Qwen-Audio 3.1 TTS Flash | Multilingual and dialect speech for interactive applications | Combine natural language instructions with expressive tags and adjustable speech parameters | MP3, PCM, WAV, Opus | $0.003 |
| MiniMax Speech 2.8 HD | Speech production focused on naturalness and expressive quality | Select a voice and adjust speed, pitch and volume | MP3, WAV, FLAC | $0.10 |
| MiniMax Speech 2.8 Turbo | Fast speech generation with selectable voices and interjection tags | Use emotion presets and inline interjections; set speed, pitch and volume | MP3, WAV, FLAC | $0.06 |
Get started in minutes — follow these simple steps to integrate and deploy models through Atlas Cloud’s platform.
Registrera dig på atlascloud.ai och slutför verifieringen. Nya användare får gratis krediter för att utforska plattformen och testa modeller.
Att kombinera de avancerade Qwen Audio 3.0 TTS-modellerna med Atlas Clouds GPU-accelererade plattform ger oöverträffad prestanda, skalbarhet och utvecklarupplevelse.
Låg Latens:
GPU-optimerad inferens för realtidsresonemang.
Enhetligt API:
Kör Qwen Audio 3.0 TTS, GPT, Gemini och DeepSeek med en integration.
Transparent Prissättning:
Förutsägbar fakturering per token med serverlösa alternativ.
Utvecklarupplevelse:
SDK:er, analys, finjusteringsverktyg och mallar.
Tillförlitlighet:
99.99% drifttid, RBAC och efterlevnadsredo loggning.
Säkerhet & Efterlevnad:
SOC 2 Type II, HIPAA-anpassning, datasuveränitet i USA.
Qwen Audio 3.0 TTS är Alibabas modellfamilj för text-till-tal, tillgänglig i varianterna Plus och Flash på Atlas Cloud. Den omvandlar skriven text till tal. Med instruktioner på naturligt språk kan du styra känslor, tonfall, karaktär och framförande.
Skapa talbaserade upplevelser för sociala följeslagare, röstassistenter, interaktiv dialog och kundsupport. Det uttrycksfulla framförandet gör Plus lämplig för interaktioner med följeslagare, medan Flash är optimerad för program som prioriterar talgenerering med låg latens.
Skapa en API-nyckel för Atlas Cloud och skicka sedan en autentiserad POST-begäran till https://api.atlascloud.ai/api/v1/model/generateAudio med modell, text och röst. Använd alibaba/qwen-audio-3.0-tts-plus/text-to-speech eller alibaba/qwen-audio-3.0-tts-flash/text-to-speech som modell-ID. Hämta status för uppgiften med https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id} och det returnerade uppgifts-ID:t tills genereringen är klar. Hämta sedan ljudets URL från outputs.
Standardpriset på Atlas Cloud är $0.02 per 1 000 inmatade tecken för Plus och $0.015 per 1 000 inmatade tecken för Flash. Båda varianterna debiteras per tecken enligt användning.
På modellens Atlas Cloud-sida listas 597 grundröster för varje variant, med uppgifter om språk och kön samt förhandslyssningar. Modellerna stöder tal på flera språk och kinesiska dialekter. Bland språken som kan anges finns kinesiska, engelska, japanska och koreanska. Lyssna på en röst på det språk eller den dialekt du tänker använda innan du väljer den för produktion.
Beskriv önskad känsla, ton eller karaktär i parametern instruction. Justera hastighet, tonhöjd och volym med respektive parameter. För strukturerad textinmatning stöder enable_ssml SSML och LaTeX, vilket ger ytterligare kontroll över hur talet återges.
Välj MP3, PCM, WAV eller Opus med output_format. MP3 är standardformatet. Båda modellerna har också parametern sample_rate, medan bit_rate endast gäller Opus-utdata.
Välj Plus när ett naturligt och uttrycksfullt framförande är centralt för en social upplevelse eller följeslagare. Om programmet prioriterar interaktion med låg latens och lägre kostnad per tecken är Flash en lämpligare utgångspunkt. Jämför varianterna med samma manus och önskade talstil innan du bestämmer dig.
Den dokumenterade Atlas Cloud-integrationen använder asynkron begäran och statuskontroll och returnerar en URL till ljudet när uppgiften är klar. Utforma uppspelningen utifrån ett jobbflöde och kontrollera separat om strömning finns tillgänglig om programmet behöver ljudsegment medan genereringen pågår.
Om du väljer ett röst-ID som hör till en annan modell kan det leda till felet InvalidParameter. Välj därför en röst från katalogen för den variant du använder. När du byter mellan Plus och Flash ska du uppdatera både modell och röst i stället för att återanvända det tidigare röst-ID:t.
Guider, handledningar och produktnyheter som hjälper dig att få ut mesta möjliga av Atlas Cloud.