Seedance 2.5 Flash 現享 65 折優惠,11 月 30 日截止
Hero background 1Hero background 2

Qwen Audio 3.1 TTS Multilingual Voices

Qwen Audio 3.1 TTS 將 Alibaba 的語音合成系列帶給開發者。Flash 為互動式應用提供多語言語音和中文方言(包括上海話和粵語)。Plus 支援從嘈雜的參考音訊中進行語音複製,適用於進階語音工作。Atlas Cloud 列出的每 1,000 個字元的標準價格為:Flash 0.003 美元,Plus 0.03 美元。立即開始建置吧。

Qwen Audio 3.1 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。

探索領先模型

Atlas Cloud 為您提供最新的行業領先創意模型。

Qwen Audio 3.1 TTS:比較 Flash 與 Plus

為即時互動選擇低延遲語音合成,或以旗艦級語音生成打造高品質音訊。

模態說明
Qwen Audio 3.1 TTS Flash(文字轉語音)將文字轉為語音,提供涵蓋多種語言與中文方言的系統語音。可透過指令控制情緒、語氣、角色、語速與音量。Flash 專為縮短初始音訊回應延遲而最佳化,適合語音助理、即時對話與互動式客戶支援。
Qwen Audio 3.1 TTS Plus(文字轉語音)Plus 專為高品質語音製作打造,可將文字轉為多語言或方言語音,並支援從含噪參考音訊進行高品質語音複製。透過指令控制情緒、語氣、角色、語速與音量,適用於品牌旁白、有聲書與角色演繹。

Qwen Audio 3.1 TTS:富有表現力的聲音,精準定向

從 Flash 專注於低延遲的語音合成到 Plus 的高級語音生成,Qwen Audio 3.1 TTS 結合了多語言交付、中文方言、表現力控制以及 Atlas Cloud 的統一 API 存取。

Qwen Audio 3.1 TTS Flash:響應式語音

Flash是Qwen Audio 3.1 TTS的低延遲層,專為即時互動中的首包回應而最佳化。其語音合成結合了多語言聲音以及對情感、語調、角色、語速和音量的指令。在提供要合成的文字的同時,描述您的應用程式所需的表達方式。該層級適用於對語音回應速度要求較高的語音助理、對話式產品和客戶服務體驗。

Qwen Audio 3.1 TTS Plus:強大的語音克隆

Plus 為 Qwen Audio 3.1 TTS 帶來了優質的語音合成和強大的聲音複製功能,並在 Atlas Cloud 的參數架構中提供了四種系統語音。該模型旨在當參考錄音包含雜訊或混響時仍保持清晰度。自然語言指令可塑造最終的情感、語調和角色特徵。選擇 Plus,用於品牌旁白、有聲書製作、電影配音以及富有表現力的角色演繹。

語言與區域語音

多語種語音和漢語方言是該系列模型的核心,支援的語言包括中文、英文、日文和韓文。Flash 的方言涵蓋範圍包括上海話、粵語、東北話和四川話。請選擇適合您所需語言或方言的語音,然後透過指令引導其表達。在地化旁白和區域性語音體驗能夠真實反映受眾的實際說話方式。

塑造情感、語速與音調

使用自然語言指令來控制情感、語調、角色和說話風格,從而指導語音表現。在 Plus 版本中,語速和音高的調節範圍均為 0.5 到 2.0,而音量範圍為 0 到 100。將這些控制功能與您的腳本相結合,可調整節奏、音區和輸出電平。這種控制有助於為平靜的旁白、充滿活力的推廣或角色對話量身定制段落。

靈活的音訊格式與腳本輸入

Plus 版本的四種輸出格式涵蓋 MP3、PCM、WAV 和 Opus,可選取樣率從 8,000 到 48,000 Hz。請選擇與您的音訊管線相符的格式與取樣率。當您的輸入使用支援的標記語言或 LaTeX 時,請啟用 SSML。這些選項有助於開發人員為播放、編輯和教育內容準備合成語音,而無需依賴單一的交付格式。

統一API,透明的字元計價

Atlas Cloud 為兩個層級提供統一的 API 存取與以字元為基礎的計費,Flash 的標準費率為每 1,000 個字元 0.003 美元,Plus 為 0.03 美元。對於 Plus 生成,請提交非同步請求並輪詢其 prediction ID,直到音訊準備就緒。完成的結果包含音訊 URL。此工作流程使語音生成能切實地整合至應用程式與生產佇列中。

聆聽 Qwen Audio 3.1 TTS 與其他語音的對比

使用完全相同的腳本,將 Qwen Audio 3.1 TTS 與另一款語音模型及其前代產品進行對比,內容涵蓋從親切的故事講述到體育賽事的現場解說。

提示詞

我為您保留了靠窗的座位。每個夜晚,我都以為您也許會回家。等等……真的是您嗎?您在這裡!請進,親愛的。水壺還溫熱著,專為您而留。

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

提示詞

最後一個彎道,她依然落後。聽那人群的歡呼……她找到了突破口,取得領先,並贏得了比賽!多麼精彩的衝刺!深呼吸,冠軍。每一個早起的清晨,都成就了你的這一刻。

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

面向故事、品牌與對話的 Qwen Audio 3.1 TTS

從品牌活動和有聲書,到角色對話、語音助理、區域支援以及在地化課程,Qwen Audio 3.1 TTS 為內容生產和互動式應用提供了可控的語音功能。

基於 Qwen Audio 3.1 TTS 的品牌配音

Plus 可根據對情感、語調和演繹方式的指令,將行銷活動腳本轉化為高級配音。為每個行銷活動量身打造播音風格,創作產品發布旁白、促銷音訊和品牌訊息。

有聲書配音

透過具備可控情感、語速和音量的 Plus 旁白功能,讓故事栩栩如生。出版商與有聲書應用程式能夠將章節劇本轉化為富有表現力的音訊,並針對對話與描述性段落調整演繹方式。

Qwen Audio 3.1 TTS語音助理

當應用程式需要語音回覆時,Flash 提供了針對低首包延遲進行最佳化的語音合成功能。將其用作對話助理、互動伴侶和其他對話介面的語音輸出層。

區域客戶支援

在支援的多種語言和中文方言中,Flash 能夠為客服話術產生語音,並支援調節語調和語速。建構語音說明回覆和區域性公告,專為偏好熟悉語言和在地發音的使用者打造。

富有表現力的角色對話

透過指導情感、角色和說話風格的 Plus 指令,來塑造劇本對話中的角色表現。遊戲開發者和動畫團隊可以製作配音場景,並嘗試不同的演繹方式以契合每個角色。

基於 Qwen Audio 3.1 TTS 的在地化課程

對於在地化的學習內容,多語言合成技術將課程腳本轉化為語速和語調可控的語音。教育平台可以製作語音講解和聽力練習,根據不同受眾和課程形式調整呈現方式。

Qwen Audio 3.1 TTS 與 MiniMax Speech:比較各種選擇

依據表達控制、音訊格式與 Atlas Cloud 標準定價,比較 Qwen Audio 3.1 TTS、前代 3.0 版本及 MiniMax Speech 模型。

模型表達控制音訊格式標準價格/1K 字元
Qwen-Audio 3.1 TTS Plus以自然語言指令設定情緒、語氣與人設;可調整語速、音高與音量MP3, PCM, WAV, Opus$0.03
Qwen-Audio 3.1 TTS Flash透過指令設定情緒、語氣與角色;可精細調整語速、音高與音量MP3, PCM, WAV, Opus$0.003
Qwen-Audio 3.0 TTS Plus透過指令塑造富有表現力的語音,並調整語速、音高與音量MP3, PCM, WAV, Opus$0.02
Qwen-Audio 3.0 TTS Flash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
MiniMax Speech 2.8 HD可選擇情緒,並設定語速、音高與音量MP3, WAV, FLAC$0.10
MiniMax Speech 2.8 Turbo設定情緒與聲音參數;可插入語助詞標籤及定時停頓MP3, WAV, FLAC$0.06

如何在 Atlas Cloud 上使用 Qwen Audio 3.1 TTS

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。

建立 Atlas Cloud 帳戶

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。

為何在 Atlas Cloud 使用 Qwen Audio 3.1 TTS

將先進的 Qwen Audio 3.1 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。

效能與靈活性

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 3.1 TTS、GPT、Gemini 和 DeepSeek。

透明定價:
按 Token 計費,支援 Serverless 模式。

企業與規模

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 3.1 TTS:音色、API使用與模型選擇

Qwen Audio 3.1 TTS 是阿里巴巴的文字轉語音模型系列,在 Atlas Cloud 上提供 Plus 與 Flash 版本。Plus 專注於卓越的語音品質,而 Flash 則針對低延遲互動進行最佳化,支援多語種語音與中文方言。

使用 Plus 為有聲書、品牌內容、配音和角色表演建立旁白。對於語音助理、對話式應用程式和客戶服務,Flash 著重於響應式語音生成。

建立一個 Atlas Cloud API 金鑰,並從其模型頁面選擇 Plus 或 Flash 模型 ID。使用 Bearer 身份驗證將您的文字與相容的語音提交至 generateAudio 端點。保留回傳的任務 ID,並輪詢 prediction 端點,直到生成的音訊可用為止。

語言涵蓋範圍取決於模型和所選音色。Flash包含支援日語、韓語、法語、德語、葡萄牙語、義大利語、越南語和印尼語的多語言音色,以及上海話、粵語和東北話等漢語方言。在生成語音之前,請選擇支援您目標語言或方言的音色。

支援的音訊輸出格式包括 MP3、PCM、WAV 和 Opus。同時也支援 SSML 和 LaTeX 輸入,不過 SSML 的可用性取決於所選的語音。在 Atlas Cloud 上,請使用 output_format 來選擇音訊格式,並在提交 SSML 時使用 enable_ssml。

使用自然語言指令來引導情感、語調、角色和說話風格。Atlas Cloud 還在 Plus 端點上提供了語速、音高和音量控制,以便進行更精確的表達調整。使用所選聲音測試您的指令,以檢查結果是否符合您預期的表現。

Plus 支援從包含噪音或殘響的參考音訊中進行穩健的語音複製。在投入生產環境之前,請使用具代表性的錄音來評估合成結果,尤其在語者相似度與發音至關重要時。

當音訊保真度和表現力細節至關重要時(例如用於品牌聲音、有聲書和配音),請選擇 Plus。Flash 專為優先考慮低首包延遲的應用而設計,包括語音助理和互動式對話。在選擇生產模型之前,請使用相同的腳本和合適的聲音對兩者進行比較。

Atlas Cloud 的標準價格為:Plus 每 1,000 個輸入字元 0.03 美元,Flash 每 1,000 個輸入字元 0.003 美元。這些是 Atlas Cloud 後端提供的標準費率,不包含促銷折扣。

Flash 在模型層面針對首包延遲進行了最佳化。Atlas Cloud 文件中說明的音訊生成工作流程會提交一個非同步任務,並透過輪詢其任務 ID 來擷取完成的結果。請在您的應用程式中測量從提交到播放的時間,而不是將模型延遲視為串流交付的保證。

探索更多系列

Seedance 2.5

Seedance 2.5 API 為開發者提供 ByteDance Seed 的音視訊聯合模型,可透過文字、首幀或跨越影像、影片和音訊的高達50個參考,一次性生成長達4至30秒、最高支援原生4K的內容。它支援編輯選定區域、擴展片段,並遵循白模和綠幕輸入。

檢視系列

Seedance 2.5 Flash

Seedance 2.5 Flash API 為開發者提供了 ByteDance Seed 於 2026 年 11 月 12 日發布的 Seedance 2.5 的更快、更低成本的層級。其影片生成速度幾乎是 Seedance 2.5 的兩倍,每個片段最高可渲染 30 秒的 480p 或 720p 影片,每次請求最多支援傳入 10 張圖片、5 段影片和 5 段音訊,並支援透過影片編輯快速生成變體。

檢視系列

Kling 4.0

Kling 4 API 提供了 Kuaishou 於 2026 年 10 月 15 日發布的影片模型 Kling 4.0。它單次生成長達 30 秒的影片,支援最多 10 個關鍵影格,透過 Omni Reference 融合 15 張圖像、影片和主體,並添加帶有唇形同步的立體聲音訊。Atlas Cloud 提供所有四個端點(包括影片編輯),使用單一 OpenAI 相容金鑰,價格為每秒 0.11 美元起。今天就開始建置吧。

檢視系列

Seedream 5.5

Seedream 5.5 是 ByteDance Seed 推出的圖像生成與編輯產品系列。您最多可使用 10 張參考圖來引導編輯,或將圖像拆分為基礎圖層及最多 99 個可編輯圖層,並可對文本圖層進行可選的 OCR 處理。在 Atlas Cloud 上,生成、編輯和圖層分解的費用均為每張圖像 0.02 美元,協助開發者規劃圖像工作流預算。立即開始構建吧。

檢視系列

Kling 4.0 Flash

Kling 4.0 Flash API 為開發者提供了快手 Kling 4.0 影片模型的快速、低成本版本。它能以四種長寬比生成 3 到 20 秒的 720p 影片剪輯,透過 Omni Reference 支援跨影像、影片和 Kling 元素的最多 15 個參考源,並能透過文字編輯現有素材同時生成原生音訊。Atlas Cloud 透過一個金鑰提供所有四個端點的服務,價格低至每秒 0.0571 美元,且失敗的請求不收費。

檢視系列

Wan 3.0

Wan 3.0 是阿里巴巴最新的影片模型,單次生成可輸出長達30秒、帶有音訊的 1080p 30fps 影片。您可以透過文字提示、首幀影像、最多10張參考影像或文件對其進行控制。Standard 版本的每秒成本較低,而 Prime 版本保留了相同的功能且回傳結果的速度更快。兩者均運行在與 Wan 2.7、2.6 和 2.5 相同的 Atlas Cloud 金鑰上。

檢視系列

GPT Image 2.6

GPT Image 2.6 API 為開發者提供了 OpenAI 於 2026 年 11 月 4 日發布的圖像模型,包含兩個版本:用於快速迭代的 Flare 與用於精細視覺工作的 Sunburst。其圖像生成速度較以往提升了 50%,並新增了 GIF 動圖輸出、SVG 匯出、針對圈選區域的標記編輯以及複雜度設定功能。Atlas Cloud 透過一個相容 OpenAI 的金鑰提供這兩個模型,並採用按量計費模式。

檢視系列

Kling Image 4.0

Kling Image 4.0 是 Kling AI 專為精細視覺設計打造的圖像生成模型。參考圖像可引導構圖,而長圖排版則將產品圖像與品牌訊息融入完整的頁面視覺效果中。高解析度輸出為裁剪與展示提供了充足的空間。Atlas Cloud 透過統一的 API 和透明的按需付費定價簡化了整合過程。立即開始建置吧。

檢視系列

MiniMax H3 Image

MiniMax H3 Image 基於 MiniMax 的 H3 系列打造,在單一檢查點(checkpoint)中整合了圖像生成與編輯功能。詳細的提示詞用於引導角色、場景和構圖,而參考輸入則控制視覺的變化。Atlas Cloud 提供按需付費的託管存取服務,協助您輕鬆整合圖像工作流,而無需管理模型基礎設施。立即開始建置。

檢視系列

MiniMax H3

MiniMax H3 是 MiniMax 的多模態影片系列,支援文字、影像與參考素材引導創作。在支援的路由中,它能保留參考媒體中的主體、提供彈性的長寬比,並透過 H3 Developer 將生成的聲音與畫面配對;輸出設定檔則依端點選定。Atlas Cloud 以一組 OpenAI-compatible 金鑰統一整個系列,並提供透明的隨用隨付定價,標準費率為每秒 $0.038。立即開始打造。

檢視系列

GPT Image 2.5

GPT Image 2.5 是 OpenAI 的影像生成與編輯模型,於 2026 年 9 月 8 日發布,提供兩個 API 版本。Flare 為預設版本,延遲較 GPT Image 2 降低高達 50%;Sunburst 雖處理時間較長,但能提供更精細的細節編輯控制。兩者皆支援最多 16 張參考影像、五種品質等級、透明背景以及最高 3840px 的自訂尺寸。Atlas Cloud 提供 GPT Image 2.5 API 服務,計費方式採用 OpenAI 的按 Token 費率,或依 1K、2K、4K 等級的單張固定價格。

檢視系列

Seedream 5.0 Pro

Seedream 5.0 Pro API 為開發者在 Atlas Cloud 上提供了字節跳動的可控圖像編輯模型。它透過錨點和座標精確定位編輯,將圖像分離為可編輯圖層,融合多個參考,並精準匹配顏色和材質,支援 2K 和 3K 解析度的多語言文本。在 Atlas Cloud 上,您只需一個金鑰即可存取!

檢視系列

一個 API,暢享全模態 AI。

探索全部模型