Seedance 2.5 Flash 现已开启 65 折优惠,11 月 30 日截止
Hero background 1Hero background 2

Qwen Audio 3.1 TTS Multilingual Voices

Qwen Audio 3.1 TTS 将 Alibaba 的语音合成系列带给开发者。Flash 为交互式应用提供多语言语音和中文方言(包括上海话和粤语)。Plus 支持从嘈杂的参考音频中进行语音克隆,适用于高级语音工作。Atlas Cloud 列出的每 1,000 个字符的标准价格为:Flash 0.003 美元,Plus 0.03 美元。立即开始构建吧。

Qwen Audio 3.1 TTS 由 Alibaba 开发。Atlas Cloud(由 Atlas Cloud AI LLC 运营)仅提供接入服务,并不拥有该模型。所有商标均归其各自所有者所有。

探索领先模型

Atlas Cloud 为您提供最新的行业领先创意模型。

Qwen Audio 3.1 TTS:对比 Flash 与 Plus

为实时交互选择低延迟语音合成,或使用旗舰级语音生成与强大的克隆能力。

模态描述
Qwen Audio 3.1 TTS Flash(文本转语音)将文本转换为语音,提供涵盖多种语言和中文方言的系统音色。通过指令控制情绪、语气、角色、语速和音量。针对首段音频响应延迟进行了优化,适用于语音助手、实时对话和交互式客户支持。
Qwen Audio 3.1 TTS Plus(文本转语音)Plus 面向高品质语音制作,可将文本转换为多语言或方言语音,并支持从嘈杂的参考音频中进行稳定的语音克隆。通过指令控制情绪、语气、角色、语速和音量,适用于品牌旁白、有声书和角色演绎。

Qwen Audio 3.1 TTS:富有表现力的声音,精准定向

从 Flash 专注于低延迟的语音合成到 Plus 的高级语音生成,Qwen Audio 3.1 TTS 结合了多语言交付、中文方言、表现力控制以及 Atlas Cloud 的统一 API 访问。

Qwen Audio 3.1 TTS Flash:响应式语音

Flash是Qwen Audio 3.1 TTS的低延迟层,专为实时交互中的首包响应而优化。其语音合成结合了多语言声音以及对情感、语调、角色、语速和音量的指令。在提供要合成的文本的同时,描述您的应用程序所需的表达方式。该层级适用于对语音响应速度要求较高的语音助手、对话式产品和客户服务体验。

Qwen Audio 3.1 TTS Plus:强大的语音克隆

Plus 为 Qwen Audio 3.1 TTS 带来了优质的语音合成和强大的声音克隆功能,并在 Atlas Cloud 的参数架构中提供了四种系统语音。该模型旨在当参考录音包含噪声或混响时仍保持清晰度。自然语言指令可塑造最终的情感、语调和角色特征。选择 Plus,用于品牌旁白、有声读物制作、电影配音以及富有表现力的角色演绎。

语言与区域语音

多语种语音和汉语方言是该系列模型的核心,支持的语言包括中文、英文、日文和韩文。Flash 的方言覆盖范围包括上海话、粤语、东北话和四川话。请选择适合您所需语言或方言的语音,然后通过指令引导其表达。本地化旁白和区域性语音体验能够真实反映受众的实际说话方式。

塑造情感、语速与音调

使用自然语言指令来控制情感、语调、角色和说话风格,从而指导语音表现。在 Plus 版本中,语速和音高的调节范围均为 0.5 到 2.0,而音量范围为 0 到 100。将这些控制功能与您的脚本相结合,可调整节奏、音区和输出电平。这种控制有助于为平静的旁白、充满活力的推广或角色对话量身定制段落。

灵活的音频格式与脚本输入

Plus 版本的四种输出格式涵盖 MP3、PCM、WAV 和 Opus,可选采样率从 8,000 到 48,000 Hz。请选择与您的音频管道相匹配的格式和采样率。当您的输入使用受支持的标记语言或 LaTeX 时,请启用 SSML。这些选项有助于开发人员为播放、编辑和教育内容准备合成语音,而无需依赖单一的交付格式。

统一API,透明的字符计费

Atlas Cloud 为两个层级提供统一的 API 访问和基于字符的计费,Flash 的标准费率为每 1,000 个字符 0.003 美元,Plus 为 0.03 美元。对于 Plus 生成,请提交异步请求并轮询其 prediction ID,直到音频准备就绪。完成的结果包含音频 URL。这一工作流使语音生成能够切实地集成到应用程序和生产队列中。

聆听 Qwen Audio 3.1 TTS 与其他语音的对比

使用完全相同的脚本,将 Qwen Audio 3.1 TTS 与另一款语音模型及其前代产品进行对比,内容涵盖从亲切的故事讲述到体育赛事的现场解说。

提示词

我为您保留了靠窗的座位。每个夜晚,我都以为您也许会回家。等等……真的是您吗?您在这里!请进,亲爱的。水壶还温热着,专为您而留。

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

提示词

最后一个弯道,她依然落后。听那人群的欢呼……她找到了突破口,取得领先,并赢得了比赛!多么精彩的冲刺!深呼吸,冠军。每一个早起的清晨,都成就了你的这一刻。

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、品牌与对话的 Qwen Audio 3.1 TTS

从品牌活动和有声读物,到角色对话、语音助手、区域支持以及本地化课程,Qwen Audio 3.1 TTS 为内容生产和交互式应用提供了可控的语音功能。

基于 Qwen Audio 3.1 TTS 的品牌配音

Plus 可根据对情感、语调和演绎方式的指令,将营销活动脚本转化为高级配音。为每个营销活动量身定制播音风格,创作产品发布旁白、促销音频和品牌信息。

有声书配音

通过具备可控情感、语速和音量的 Plus 旁白功能,让故事栩栩如生。出版商和有声读物应用能够将章节剧本转化为富有表现力的音频,并针对对话和描述性段落调整演绎方式。

Qwen Audio 3.1 TTS语音助手

当应用程序需要语音回复时,Flash 提供了针对低首包延迟进行优化的语音合成功能。将其用作对话助手、互动伴侣和其他对话界面的语音输出层。

区域客户支持

在支持的多种语言和中文方言中,Flash 能够为客服话术生成语音,并支持调节语调和语速。构建语音帮助回复和区域性公告,专为偏好熟悉语言和本地发音的用户打造。

富有表现力的角色对话

借助 Plus 指令指导情感、角色和说话风格,从而塑造剧本对话中的角色表现。游戏开发者和动画团队能够制作配音场景,并通过尝试不同的演绎方式来契合各个角色。

基于 Qwen Audio 3.1 TTS 的本地化课程

对于本地化的学习内容,多语言合成技术将课程脚本转化为语速和语调可控的语音。教育平台可以制作语音讲解和听力练习,根据不同受众和课程形式调整呈现方式。

Qwen Audio 3.1 TTS 与 MiniMax Speech:选择对比

从语音表现控制、音频格式和 Atlas Cloud 标准定价等方面,对比 Qwen Audio 3.1 TTS、其 3.0 前代版本及 MiniMax Speech 模型。

模型语音表现控制音频格式标准价格 / 1K 字符
Qwen-Audio 3.1 TTS Plus通过自然语言指令控制情绪、语气和角色;可调节语速、音高和音量MP3, PCM, WAV, Opus$0.03
Qwen-Audio 3.1 TTS Flash通过指令设置情绪、语气和角色;精细调节语速、音高和音量MP3, PCM, WAV, Opus$0.003
Qwen-Audio 3.0 TTS Plus通过指令塑造富有表现力的语音,并调节语速、音高和音量MP3, PCM, WAV, Opus$0.02
Qwen-Audio 3.0 TTS Flash通过指令控制情绪和说话风格,并调节语速、音高和音量MP3, PCM, WAV, Opus$0.015
MiniMax Speech 2.8 HD可选择情绪,并设置语速、音高和音量MP3, WAV, FLAC$0.10
MiniMax Speech 2.8 Turbo设置情绪和声音参数;插入语气词标签和定时停顿MP3, WAV, FLAC$0.06

如何在 Atlas Cloud 上使用 Qwen Audio 3.1 TTS

几分钟即可上手 — 按照以下简单步骤,通过 Atlas Cloud 平台集成和部署模型。

创建 Atlas Cloud 账户

在 atlascloud.ai 注册并完成验证。新用户可获得免费额度,用于探索平台和测试模型。

为何在 Atlas Cloud 使用 Qwen Audio 3.1 TTS

将先进的 Qwen Audio 3.1 TTS 模型与 Atlas Cloud 的 GPU 加速平台相结合,提供无与伦比的性能、可扩展性和开发体验。

性能与灵活性

低延迟:
GPU 优化推理,实现实时响应。

统一 API:
一次集成,畅用 Qwen Audio 3.1 TTS、GPT、Gemini 和 DeepSeek。

透明定价:
按 Token 计费,支持 Serverless 模式。

企业与规模

开发者体验:
SDK、数据分析、微调工具和模板一应俱全。

可靠性:
99.99% 可用性、RBAC 权限控制、合规日志。

安全与合规:
SOC 2 Type II 认证、HIPAA 合规、美国数据主权。

Qwen Audio 3.1 TTS:音色、API使用与模型选择

Qwen Audio 3.1 TTS 是阿里巴巴的文本转语音模型系列,在 Atlas Cloud 上提供 Plus 和 Flash 版本。Plus 专注于卓越的语音质量,而 Flash 则针对低延迟交互进行优化,支持多语种语音和中文方言。

使用 Plus 为有声读物、品牌内容、配音和角色表演创建旁白。对于语音助手、对话式应用和客户服务,Flash 侧重于响应式语音生成。

创建一个 Atlas Cloud API 密钥,并从其模型页面选择 Plus 或 Flash 模型 ID。使用 Bearer 身份验证将您的文本和兼容的语音提交至 generateAudio 端点。保留返回的任务 ID,并轮询 prediction 端点,直至生成的音频可用。

语言覆盖范围取决于模型和所选音色。Flash包含支持日语、韩语、法语、德语、葡萄牙语、意大利语、越南语和印尼语的多语言音色,以及上海话、粤语和东北话等汉语方言。在生成语音之前,请选择支持您目标语言或方言的音色。

支持的音频输出格式包括 MP3、PCM、WAV 和 Opus。同时也支持 SSML 和 LaTeX 输入,不过 SSML 的可用性取决于所选的语音。在 Atlas Cloud 上,请使用 output_format 来选择音频格式,并在提交 SSML 时使用 enable_ssml。

使用自然语言指令来引导情感、语调、角色和说话风格。Atlas Cloud 还在 Plus 端点上提供了语速、音高和音量控制,以便进行更精确的表达调整。使用所选声音测试您的指令,以检查结果是否符合您预期的表现。

Plus 支持从包含噪声或混响的参考音频中进行强大的声音克隆。在投入生产环境之前,请使用具有代表性的录音来评估合成结果,特别是在说话人相似度和发音至关重要的情况下。

当音频保真度和表现力细节至关重要时(例如用于品牌声音、有声读物和配音),请选择 Plus。Flash 专为优先考虑低首包延迟的应用而设计,包括语音助手和交互式对话。在选择生产模型之前,请使用相同的脚本和合适的声音对两者进行比较。

Atlas Cloud 的标准价格为:Plus 每 1,000 个输入字符 0.03 美元,Flash 每 1,000 个输入字符 0.003 美元。这些是 Atlas Cloud 后端提供的标准费率,不包含促销折扣。

Flash 在模型层面针对首包延迟进行了优化。Atlas Cloud 文档中说明的音频生成工作流会提交一个异步任务,并通过轮询其任务 ID 来获取完成的结果。请在您的应用程序中测量从提交到播放的时间,而不是将模型延迟视为流式交付的保证。

探索更多系列

Seedance 2.5

Seedance 2.5 API 为开发者提供 ByteDance Seed 的音视频联合模型,可通过文本、首帧或跨越图像、视频和音频的多达50个参考,一次性生成长达4至30秒、最高支持原生4K的内容。它支持编辑选定区域、扩展片段,并遵循白模和绿幕输入。

查看系列

Seedance 2.5 Flash

Seedance 2.5 Flash API 为开发者提供了 ByteDance Seed 于 2026 年 11 月 12 日发布的 Seedance 2.5 的更快、更低成本的层级。其视频生成速度几乎是 Seedance 2.5 的两倍,每个片段最高可渲染 30 秒的 480p 或 720p 视频,每次请求最多支持传入 10 张图像、5 段视频和 5 段音频,并支持通过视频编辑快速生成变体。

查看系列

Kling 4.0

Kling 4 API 提供了 Kuaishou 于 2026 年 10 月 15 日发布的视频模型 Kling 4.0。它单次生成长达 30 秒的视频,支持最多 10 个关键帧,通过 Omni Reference 融合 15 张图像、视频和主体,并添加带有唇形同步的立体声音频。Atlas Cloud 提供所有四个端点(包括视频编辑),使用单个 OpenAI 兼容密钥,价格为每秒 0.11 美元起。今天就开始构建吧。

查看系列

Seedream 5.5

Seedream 5.5 是 ByteDance Seed 推出的图像生成与编辑产品系列。您最多可使用 10 张参考图来引导编辑,或将图像拆分为基础图层及最多 99 个可编辑图层,并可对文本图层进行可选的 OCR 处理。在 Atlas Cloud 上,生成、编辑和图层分解的费用均为每张图像 0.02 美元,助力开发者规划图像工作流预算。立即开始构建吧。

查看系列

Kling 4.0 Flash

Kling 4.0 Flash API 为开发者提供了快手 Kling 4.0 视频模型的快速、低成本版本。它能以四种宽高比生成 3 到 20 秒的 720p 视频剪辑,通过 Omni Reference 支持跨图像、视频和 Kling 元素的最多 15 个参考源,并能通过文本编辑现有素材同时生成原生音频。Atlas Cloud 通过一个密钥提供所有四个端点的服务,价格低至每秒 0.0571 美元,且失败的请求不收费。

查看系列

Wan 3.0

Wan 3.0 是阿里巴巴最新的视频模型,单次生成可输出长达30秒、带音频的 1080p 30fps 视频。您可以通过文本提示、首帧图像、最多10张参考图像或文档对其进行控制。Standard 版本的每秒成本更低,而 Prime 版本保留了相同的功能且返回结果的速度更快。两者均运行在与 Wan 2.7、2.6 和 2.5 相同的 Atlas Cloud 密钥上。

查看系列

GPT Image 2.6

GPT Image 2.6 API 为开发者提供了 OpenAI 于 2026 年 11 月 4 日发布的图像模型,包含两个版本:用于快速迭代的 Flare 和用于精细视觉工作的 Sunburst。其图像生成速度比以往提升了 50%,并新增了 GIF 动图输出、SVG 导出、针对圈选区域的标记编辑以及复杂度设置功能。Atlas Cloud 通过一个兼容 OpenAI 的密钥提供这两个模型,并采用按量付费模式。

查看系列

Kling Image 4.0

Kling Image 4.0 是 Kling AI 专为精细视觉设计打造的图像生成模型。参考图像可引导构图,而长图排版则将产品图像和品牌信息融入完整的页面视觉效果中。高分辨率输出为裁剪和展示提供了充足空间。Atlas Cloud 通过统一的 API 和透明的按需付费定价简化了集成过程。立即开始构建吧。

查看系列

MiniMax H3 Image

MiniMax H3 Image 基于 MiniMax 的 H3 系列打造,在一个检查点(checkpoint)中集成了图像生成与编辑功能。详细的提示词用于引导角色、场景和构图,而参考输入则控制视觉的变化。Atlas Cloud 提供按需付费的托管访问服务,帮助您轻松集成图像工作流,而无需管理模型基础设施。立即开始构建。

查看系列

MiniMax H3

MiniMax H3 是 MiniMax 的多模态视频系列,支持文本、图像和参考内容引导创作。在支持的路由中,它能够保留参考媒体中的主体,提供灵活的宽高比,并通过 H3 Developer 将生成的声音与画面结合;输出配置则由 endpoint 选择。Atlas Cloud 通过一个 OpenAI 兼容密钥统一接入整个系列,并提供透明的按量付费定价,标准费率为每秒 $0.038。立即开始构建。

查看系列

GPT Image 2.5

GPT Image 2.5 是 OpenAI 的图像生成与编辑模型,于 2026 年 9 月 8 日发布,提供两个 API 版本。Flare 为默认版本,延迟较 GPT Image 2 降低高达 50%;Sunburst 虽然处理时间较长,但能提供更精细的细节编辑控制。两者均支持最多 16 张参考图像、五个质量等级、透明背景以及最高 3840px 的自定义尺寸。Atlas Cloud 提供 GPT Image 2.5 API 服务,计费方式采用 OpenAI 的按 Token 费率,或按 1K、2K、4K 质量等级的单张固定价格。

查看系列

Seedream 5.0 Pro

Seedream 5.0 Pro API 为开发者在 Atlas Cloud 上提供了字节跳动的可控图像编辑模型。它通过锚点和坐标精确定位编辑,将图像分离为可编辑图层,融合多个参考,并精准匹配颜色和材质,支持 2K 和 3K 分辨率的多语言文本。在 Atlas Cloud 上,您只需一个密钥即可访问!

查看系列

一个 API,畅享全模态 AI。

探索全部模型