Alibaba Cloud: Qwen3-TTS-Flash
qwen3-tts-flash- Eingabe / Ausgabe
- $10.00 / $0.00
- Modalitäten
- Audio
Über Qwen3-TTS-Flash
Qwen3-TTS-Flash ist Alibabas Text-zu-Sprache-Modell mit vorgefertigten Systemstimmen. Sie senden vorbereiteten Text und einen Stimmennamen über einen HTTP-Aufruf und erhalten gesprochenes Audio im WAV-Format. Es spricht Mandarin, Englisch und eine Reihe weiterer Sprachen sowie mehrere chinesische Dialekte. Es klont keine Stimmen und folgt keinen Stilvorgaben wie CosyVoice v3.5 Plus; zudem wartet es auf den vollständigen Text, im Gegensatz zur Echtzeit-Variante.
Stärken
- Bietet Systemstimmen, sodass Sie ohne Aufnahme oder Design einer Stimme starten können.
- Spricht chinesische Dialekte wie Peking, Shanghai, Sichuan, Nanjing, Shaanxi, Hokkien, Tianjin und Kantonesisch.
- Deckt zudem Englisch, Deutsch, Italienisch, Portugiesisch, Spanisch, Japanisch, Koreanisch, Französisch und Russisch ab.
- Verwendet eine einfache HTTP-API und liefert WAV-Ausgabe, was die Integration vereinfacht.
Alternativen
- Es kann keine Stimme klonen oder eine neue entwerfen; wählen Sie CosyVoice v3.5 Plus für benutzerdefinierte Stimmen.
- Es bietet keine Anweisungssteuerung für Emotionen oder Stile, die über die gewählte Stimme hinausgeht.
- Es benötigt den vollständigen Text vor der Synthese; verwenden Sie die Echtzeit-Variante, um die Sprachausgabe früher zu starten.
Erste Schritte
API-Schlüssel erstellen
Erstelle einen Schlüssel in Console und nutze ihn mit jedem Modell auf der Plattform.
Senden Sie Ihre erste Anfrage
Kopieren Sie das Beispiel für Ihre Sprache und führen Sie es gegen den Endpunkt aus.
Text zu SpracheTokenLab-EndpunktPOST/v1/audio/speechcurl -X POST "https://api.tokenlab.sh/v1/audio/speech" \ -H "Authorization: Bearer sk-xxx" \ -H "Content-Type: application/json" \ -d '{ "operation": "tts", "response_format": "wav", "speed": 1, "voice": "Cherry", "model": "qwen3-tts-flash", "input": "Hello from TokenLab." }'
Parameter
Text zu Sprache
| Parameter | Werte und Grenzen | Standardwert | Hinweise |
|---|---|---|---|
input | Nicht angegeben | Nicht angegeben | Nicht angegeben |
language_code | Nicht angegeben | Nicht angegeben | This field is accepted. The current public contract does not specify a complete value range or list. No additional values are promised. The omitted-field default is not verified. |
response_format | wav | Nicht angegeben | Output is WAV. This accepted compatibility field does not transcode output. Use the response Content-Type and file extension. The omitted-field default is not verified. |
speed | Nicht angegeben | Nicht angegeben | The gateway accepts numbers from 0.25 to 4.0. The selected supplier can impose a narrower range. A uniform omitted-field default is not verified. |
voice | Cherry, Serena, Ethan, Chelsie, Momo, Vivian, Moon, Maia, Kai, Nofish, Bella, Jennifer, Ryan, Katerina, Aiden, Eldric Sage, Mia, Mochi, Bellona, Vincent, Bunny, Neil, Elias, Arthur, Nini, Seren, Pip, Stella, Bodega, Sonrisa, Alek, Dolce, Sohee, Ono Anna, Lenn, Emilien, Andre, Radio Gol, Jada, Dylan, Li, Marcus, Roy, Peter, Sunny, Eric, Rocky, Kiki | Cherry | Nicht angegeben |
Speech output is WAV audio. The response_format parameter remains accepted for request compatibility and does not transcode this output; use the response Content-Type and file extension for the actual audio format. The default voice is Cherry.
Speech output is WAV audio. The response_format parameter remains accepted for request compatibility and does not transcode this output; use the response Content-Type and file extension for the actual audio format. The default voice is Cherry.
Preise
Der Verified-Preis gilt für Verified und ist bei den meisten Modellen günstiger. Der Official-Preis ist der veröffentlichte Preis des Modellherstellers und gilt für die zuverlässigere Official-Route. Auto rechnet die Route ab, die die Anfrage abschließt.
Cosy Tts Number
Pro 1 Mio. Zeichen- Official-Preis
- Eingabe $10.00 / Ausgabe $0.00
- Verified-Preis
- —
- Rabatt
- —
| Official-PreisPro 1 Mio. Zeichen | Verified-PreisPro 1 Mio. Zeichen | Rabatt | |
|---|---|---|---|
| Cosy Tts Number | Eingabe $10.00 / Ausgabe $0.00 | — | — |
Nutzung & Aktivität
Die Erfolgsquote ist der Anteil abgeschlossener Anfragen. Die Latenz ist die Dauer einer vollständigen Antwort; P95 bedeutet, dass 95 % der Anfragen innerhalb dieser Zeit abgeschlossen wurden.
Nutzung & Verfügbarkeit
Letzte 24 Stunden- Anfragen
- Erfolgsrate
- P95-Latenz
- Token gesamt
Die Daten basieren auf aggregierten Benutzeranfragen, Statusprüfungen sind ausgeschlossen.
In Console öffnen
Öffne Qwen3-TTS-Flash in Console mit einer bearbeitbaren oder versandbereiten Eingabeaufforderung.
Teste qwen3-tts-flash mit einer kurzen Audio-Anfrage an /v1/audio/speech. Zeige Ergebnis und Kosten.
Anwendungsfälle
Vertonte Artikel
Verwandeln Sie geschriebene Seiten mit einer gewählten Systemstimme in Audio für eine Vorlesefunktion.
Gesprochene App-Antworten
Lesen Sie Assistenten-Antworten in der Sprache des Benutzers vor, sobald der Text final ist.
Mehrsprachige Voiceovers
Generieren Sie dasselbe Skript in mehreren Sprachen für kurze Videos und Erklärfilme.
Prompt-Beispiele
Lesen Sie diese Produktbeschreibung auf Spanisch mit einer klaren, neutralen Stimme vor.
Wandeln Sie die folgende Nachrichtenzusammenfassung in Mandarin-Sprache um.
Sagen Sie 'Ihre Bestellung wurde versandt' auf Japanisch.
FAQ
Was genau ist Qwen3-TTS-Flash?
Ein Text-zu-Sprache-Modell von Alibaba, das vorbereiteten Text mithilfe einer Systemstimme in Audio umwandelt. Anfragen erfolgen über HTTP und das Audio wird im WAV-Format zurückgegeben.
Welche Sprachen spricht es?
Chinesisch (Mandarin und mehrere Dialekte), Englisch, Deutsch, Italienisch, Portugiesisch, Spanisch, Japanisch, Koreanisch, Französisch und Russisch. Die Stimmenliste zeigt, welche Stimmen für welche Sprache geeignet sind; prüfen Sie diese daher zuerst.
Kann ich damit eine Stimme klonen?
Nein. Es unterstützt nur Systemstimmen ohne Klonen, Stimmendesign oder Anweisungssteuerung für den Stil. Für diese Funktionen verwenden Sie CosyVoice v3.5 Plus, das mit benutzerdefinierten Stimmen arbeitet.
Wie unterscheidet es sich von Qwen3-TTS-Flash-Realtime?
Dieses Modell verarbeitet vollständigen Text in einer Anfrage. Das Echtzeit-Modell streamt über WebSocket und kann mit dem Sprechen beginnen, während der Text noch eintrifft, was für konversationelle Assistenten geeignet ist.
Welches Audioformat wird zurückgegeben?
WAV, das in den meisten Playern und Audio-Editoren direkt abgespielt werden kann. Da der gesamte Text in einer Anfrage synthetisiert wird, eignet es sich eher für fertige Vertonungen, Voiceovers und App-Antworten als für Live-Gespräche.
Was kostet Qwen3-TTS-Flash?
Auf TokenLab kostet Qwen3-TTS-Flash Eingabe $10.00 / Ausgabe $0.00 Pro 1 Mio. Zeichen. Die vollständige Aufschlüsselung steht in der Preistabelle oben. Die Preise hängen von Abrechnungseinheit, Spezifikation und Nutzung ab. Vergleichen Sie gleiche Bedingungen in der detaillierten Preisliste des Modells; eine einzelne Rate bestimmt nicht die Gesamtkosten.
Welchen Endpunkt soll Qwen3-TTS-Flash verwenden?
Verwenden Sie https://api.tokenlab.sh/v1/audio/speech für Qwen3-TTS-Flash. Das folgende Anforderungsbeispiel zeigt die passende Code-Struktur.
Welche Operationen unterstützt Qwen3-TTS-Flash?
Qwen3-TTS-Flash unterstützt Text zu Sprache. Wählen Sie oben einen Vorgang aus, um dessen Endpunkt und Anforderungsbeispiel anzuzeigen.
Qwen3-TTS-Flash vergleichen
Quellen
Geprüft am 02.10.2026
