

阿里巴巴的 Qwen Audio 3.0 TTS 系列適用於社交、陪伴和即時應用程式。透過自然語言指令引導 Plus 的語音表達和音量,或使用 Flash 進行即時對話和客戶服務。Atlas Cloud 為 Plus 提供每 1,000 個輸入字元 0.02 美元的標準定價,為 Flash 提供 0.015 美元的標準定價,協助您估算每個工作負載的成本。今天就開始建置吧。
Qwen Audio 3.0 TTS 由 Alibaba 開發。Atlas Cloud(由 Atlas Cloud AI LLC 營運)僅提供接取服務,並不擁有該模型。所有商標均歸其各自所有者所有。
Atlas Cloud 為您提供最新的行業領先創意模型。
為陪伴體驗挑選富有表現力的旗艦語音,或為即時互動選擇低延遲語音。
| 模態 | 說明 |
|---|---|
| Qwen Audio 3.0 TTS Flash API(文字轉語音) | 以低延遲合成將文字轉為語音,支援多種語言及中文方言。透過彈性的指令引導語音表現,適用於語音助理、即時對話和客戶服務。標準價格為每 1,000 個輸入字元 $0.015。 |
| Qwen Audio 3.0 TTS Plus API(文字轉語音) | 此旗艦端點適用於社交與陪伴應用程式,使用系統語音將文字轉換為自然且富有表現力的語音。透過彈性指令調整情緒、語氣、角色、語速和音量,塑造每次互動。標準價格為每 1,000 個輸入字元 $0.02。 |
針對不同的對話需求選擇 Qwen Audio 3.0 TTS Flash 或 Plus,透過 Atlas Cloud 提供豐富的語音庫、多語言合成、可調節的語音表達、結構化文本輸入以及靈活的音訊輸出。
Qwen Audio 3.0 TTS 提供用於低延遲互動的 Flash 模型,以及用於自然、富有表現力的陪伴式語音的 Plus 模型。標準的 Atlas Cloud 費率為:Flash 每 1,000 個輸入字元 0.015 美元,Plus 為 0.02 美元。請結合按量計費模式,選擇符合您產品對話優先級的模型。這為語音助理、客戶服務工具和社交應用程式提供了兩個明確定價的語音合成選項。
每個 3.0 模型都提供了一個包含 597 種聲音複製基礎語音的目錄,並配有預覽樣本以及性別和語言標籤。瀏覽可用語音,試聽樣本,並將所選模型的語音 ID 與您的文本一起傳遞。語音 ID 僅限特定模型使用。這使得在將語音整合到您的應用程式之前,為旁白或伴侶角色選角變得更加容易。
對於多語言語音,兩個模型在每次請求中均接受一個語言提示,支援10種代碼,涵蓋中文、英文、日文、韓文、法文、德文、葡萄牙文、義大利文、越南文和印尼文。請為目標語言設定 language_hints,並選擇相容的語音。Flash 還支援中文方言合成。開發者可以使用這些控制選項,為國際受眾和區域性華人社區自訂語音體驗。
透過自然語言的情感、語氣、人設和發音方式指令,告知模型一句台詞應傳達的感受。這兩款模型還開放了 0.5 到 2.0 的語速和音調倍數調節,以及 0 到 100 的音量調節。將風格指令與這些數值控制相結合,可以對同一腳本進行精細調整。富有表現力的對話和陪伴體驗將得益於這種契合當下情境的客製化表達。
當腳本需要刻意的停頓或朗讀數學公式時,在啟用 enable_ssml 的情況下,兩種模型均支援 SSML 和 LaTeX 輸入。請透過相同的合成請求提交準備好的文本,而不是將所有段落都視為普通文本。SSML 提供了一種標記停頓的方法,而 LaTeX 則用於表示語音公式。這些輸入選項非常適合教育類解說以及需要更精細朗讀的腳本。
音訊交付支援四種格式:MP3、PCM、WAV和Opus,並提供從8,000到48,000 Hz的七種取樣率選項。請在請求中選擇output_format和sample_rate;bit_rate僅適用於Opus。Atlas Cloud使用非同步提交和任務ID輪詢來獲取生成的音訊URL。此工作流程讓團隊能夠透過一個API為不同的播放與製作需求準備語音檔案。
將 Qwen Audio 3.0 TTS 與其旗艦級後續產品及 ElevenLabs 的替代方案進行對比,使用完全相同的腳本,以呈現微妙的停頓、情感的轉換和溫暖的收尾。
噓……我以為我們失去你了。等等,那道光……你找到了回家的路!過來吧。你現在很安全,今晚,沒有人需要獨自面對黑暗。
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
聽……那清脆的聲響。現在,嚐第一口:酥脆的外皮,溫暖的奶油,純粹的享受!喔,真是美味。請入座吧。我們的餐桌永遠為您留有位置。
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
在 Qwen Audio 3.0 TTS 中結合 Plus 富有表現力的音色與 Flash 注重低延遲的語音合成,打造夥伴對話、語音助理、多語言客服、故事旁白、品牌配音與語音課程。
使用 Plus 為虛擬夥伴賦予富有表現力的音色,並透過指令塑造情緒、語氣與角色定位。為社交應用程式和互動角色體驗打造親切問候、俏皮對話或令人安心的回覆。
助理需要以語音回覆時,Flash 可提供針對低延遲與即時對話調校的語音合成。將其作為對話介面的語音輸出層,把生成的文字轉換為語音。
Flash 支援多種語言和中文方言,為客服流程提供在地化語音。將書面客服回覆轉為口語指引,為應用程式服務的不同受眾打造符合地區需求的支援體驗。
使用 Plus 時,可透過指令塑造旁白的情緒與語氣,並透過語音控制調整語速與音量。為有聲書、故事應用程式和連載音訊內容製作故事朗讀段落與角色台詞。
透過 Plus,產品腳本可轉化為富有表現力的配音,並以指令設定演繹風格與角色形象。依照能體現品牌特色的聲音方向,製作產品介紹、宣傳短片和應用程式導覽的語音內容。
在學習應用程式中,Plus 可將教學文字轉換為富有表現力的語音,並可調整語速與音量。教育工作者可製作範例講解、課程導言和語音學習指南,並採用符合教材需求的演繹方式。
根據應用側重點、語音控制、音訊格式和標準 Atlas Cloud 定價,比較 Qwen Audio 3.0 TTS 與 3.1 變體及 MiniMax Speech 模型。
| 模型 | 應用定位 | 語音控制 | 音訊格式 | 標準價格/1K 字元 |
|---|---|---|---|---|
| Qwen-Audio 3.0 TTS Plus | 適合社群與陪伴體驗的情感化語音 | 透過指令描述情緒、語氣與角色;調整語速、音高與音量 | MP3, PCM, WAV, Opus | $0.02 |
| Qwen-Audio 3.0 TTS Flash | 適用於助理、即時對話與客服的低延遲語音合成 | 透過指令設定情緒與說話風格,並調整語速、音高與音量 | MP3, PCM, WAV, Opus | $0.015 |
| Qwen-Audio 3.1 TTS Plus | 適用於品牌語音、有聲書、配音與角色演繹 | 透過指令指定情緒表達與角色,並微調語速、音高與音量 | MP3, PCM, WAV, Opus | $0.03 |
| Qwen-Audio 3.1 TTS Flash | 適用於互動式應用的多語言與方言語音 | 結合自然語言指令、表情標籤與可調整的語音參數 | MP3, PCM, WAV, Opus | $0.003 |
| MiniMax Speech 2.8 HD | 著重自然度與表現力的語音生成 | 選擇音色並調整語速、音高與音量 | MP3, WAV, FLAC | $0.10 |
| MiniMax Speech 2.8 Turbo | 提供可選音色與語助詞標籤的快速語音生成 | 使用情緒預設與行內語助詞,並設定語速、音高與音量 | MP3, WAV, FLAC | $0.06 |
幾分鐘即可上手 — 按照以下簡單步驟,透過 Atlas Cloud 平台整合和部署模型。
在 atlascloud.ai 註冊並完成驗證。新用戶可獲得免費額度,用於探索平台和測試模型。
將先進的 Qwen Audio 3.0 TTS 模型與 Atlas Cloud 的 GPU 加速平台相結合,提供無與倫比的效能、可擴展性和開發體驗。
低延遲:
GPU 最佳化推理,實現即時回應。
統一 API:
一次整合,暢用 Qwen Audio 3.0 TTS、GPT、Gemini 和 DeepSeek。
透明定價:
按 Token 計費,支援 Serverless 模式。
開發者體驗:
SDK、資料分析、微調工具和模板一應俱全。
可靠性:
99.99% 可用性、RBAC 權限控制、合規日誌。
安全與合規:
SOC 2 Type II 認證、HIPAA 合規、美國資料主權。
Qwen Audio 3.0 TTS 是阿里巴巴的文字轉語音模型系列,可在 Atlas Cloud 使用 Plus 和 Flash 版本。它能將文字轉換為語音,並可透過自然語言指令控制情緒、語氣、角色和表達方式。
可用來打造社交陪伴、語音助理、互動對話和客戶支援等語音體驗。Plus 的表達力豐富,適合陪伴互動;Flash 則針對重視低延遲語音生成的應用進行調校。
建立 Atlas Cloud API 金鑰,接著向 https://api.atlascloud.ai/api/v1/model/generateAudio 傳送經過驗證的 POST 請求,並提供 model、text 和 voice。model ID 請使用 alibaba/qwen-audio-3.0-tts-plus/text-to-speech 或 alibaba/qwen-audio-3.0-tts-flash/text-to-speech。使用回傳的任務 ID 輪詢 https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id},直到生成完成,再從 outputs 取得音訊 URL。
Atlas Cloud 的標準定價為:Plus 每 1,000 個輸入字元 $0.02,Flash 每 1,000 個輸入字元 $0.015。兩種版本都按字元數計費,採隨用隨付方式。
兩種版本的 Atlas Cloud 模型頁面都列有 597 種基礎音色,附上語言、性別標籤和預覽範例。模型支援多語言語音和中文方言,語言提示包括中文、英文、日文和韓文。正式使用前,請先預聽目標語言或方言的音色。
在 instruction 參數中描述所需的情緒、語氣或角色,並透過專用參數調整語速、音高和音量。若使用結構化文字輸入,可啟用 enable_ssml 支援 SSML 和 LaTeX,進一步控制語音呈現方式。
透過 output_format 選擇 MP3、PCM、WAV 或 Opus,預設格式為 MP3。兩種模型也都提供 sample_rate 參數;bit_rate 則僅適用於 Opus 輸出。
如果社交或陪伴體驗著重自然且富有表現力的語音,請選擇 Plus。如果應用重視低延遲互動和較低的字元成本,Flash 會是更適合的起點。決定前,建議使用相同的腳本和期望的說話風格比較兩者。
Atlas Cloud 文件說明的整合方式是非同步提交並輪詢,任務完成後會回傳音訊 URL。設計播放流程時,請將此端點視為以任務為基礎的工作流程;如果應用需要在生成期間取得音訊片段,請另行確認是否支援串流。
使用屬於其他模型的音色 ID 可能會觸發 InvalidParameter,因此請從所選版本對應的音色目錄中挑選音色。切換 Plus 和 Flash 時,請一併更新 model 和 voice,不要沿用先前的音色 ID。
指南、教學與產品動態,助你充分發揮 Atlas Cloud 的價值。