

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。
Atlas Cloud 為您提供最新的行業領先創意模型。
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。 |
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。
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。
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。
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。
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。
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。
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。
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。
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
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
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。
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。
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。
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。
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。
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。
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。
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 |
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 3.1 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。
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。
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 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。
指南、教學與產品動態,助你充分發揮 Atlas Cloud 的價值。