Alibaba Cloud: Qwen3-TTS-Flash

Qwen3 TTS Flash convertit du texte préparé en audio parlé avec une voix sélectionnée. Il convient à la narration multilingue et aux réponses parlées où le script est connu avant que la synthèse ne commence.

Comparer les modèles

qwen3-tts-flash

DisponibleAlibaba CloudTexte vers paroleSynchrone

Entrée / Sortie: $10.00 / $0.00
Modalités: Audio

À propos de Qwen3-TTS-Flash

Qwen3-TTS-Flash est le modèle de synthèse vocale d'Alibaba avec des voix système prêtes à l'emploi. Vous envoyez un texte préparé et un nom de voix via un appel HTTP et recevez l'audio parlé au format WAV. Il parle mandarin, anglais et diverses autres langues, ainsi que plusieurs dialectes chinois. Il ne clone pas les voix et ne suit pas d'instructions de style comme CosyVoice v3.5 Plus, et il attend le texte complet, contrairement à la variante temps réel.

Points forts

Propose des voix système, vous permettant de commencer sans enregistrer ni concevoir de voix.
Parle des dialectes chinois tels que le pékinois, le shanghaïen, le sichuanais, le nankinois, le shaanxi, le hokkien, le tianjinois et le cantonais.
Couvre également l'anglais, l'allemand, l'italien, le portugais, l'espagnol, le japonais, le coréen, le français et le russe.
Utilise une API HTTP simple et renvoie une sortie WAV, facile à intégrer.

Quand préférer un autre modèle

Il ne peut pas cloner une voix ni en concevoir une nouvelle ; choisissez CosyVoice v3.5 Plus pour des voix personnalisées.
Il n'offre aucun contrôle par instruction sur l'émotion ou le style au-delà de la voix que vous choisissez.
Il nécessite le texte complet avant la synthèse ; utilisez la variante temps réel pour commencer à parler plus tôt.

Pour commencer

Créer une clé API
Générez une clé dans Console et utilisez-la avec tous les modèles de la plateforme.

Envoyez votre première requête

Copiez l'exemple pour votre langage et lancez-le.

Texte vers paroleEndpoint TokenLab

POST/v1/audio/speech

curl -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."
}'

Paramètres

Texte vers parole

Paramètre	Valeurs et limites	Valeur par défaut	Remarques
`input`	Non fourni	Non fourni	Non fourni
`language_code`	Non fourni	Non fourni	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	Non fourni	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`	Non fourni	Non fourni	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`	Non fourni

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.

Tarification

Le prix Verified s’applique à Verified, moins cher sur la plupart des modèles. Le prix Official est le prix publié par le fabricant du modèle et s’applique à la route Official, plus fiable. Auto facture la route qui termine la requête.

Cosy Tts Number

Par million de caractères

Prix Official: Entrée $10.00 / Sortie $0.00
Prix Verified: —
Remise: —

	Prix OfficialPar million de caractères	Prix VerifiedPar million de caractères	Remise
Cosy Tts Number	Entrée $10.00 / Sortie $0.00	—	—

Utilisation et activité

Le taux de réussite est la part de requêtes abouties. La latence est la durée d'une réponse complète ; P95 signifie que 95 % des requêtes ont fini dans ce délai.

Utilisation et disponibilité

Dernières 24 heures

Requêtes
Taux de succès
Latence P95
Total des jetons

Performance du modèle

Dernière mise à jour 1 nov. 2026, 08:49 UTC

Les métriques s'affichent une fois les seuils de confidentialité et de volume de données atteints.

Les données sont basées sur les requêtes agrégées des utilisateurs, à l'exclusion des vérifications de statut.

Ouvrir dans Console

Ouvrez Qwen3-TTS-Flash dans Console avec un prompt prêt à modifier ou envoyer.

Aide-moi à tester qwen3-tts-flash avec une requête audio sur /v1/audio/speech. Affiche le résultat et le coût.

Cas d'usage

Articles narrés
Transformez des pages écrites en audio avec une voix système choisie pour une fonctionnalité d'écoute.
Réponses vocales d'application
Lire les réponses de l'assistant à voix haute dans la langue de l'utilisateur une fois le texte finalisé.
Voix off multilingues
Générer le même script dans plusieurs langues pour de courtes vidéos et des explications.

Exemples de prompts

Lire cette description de produit en espagnol avec une voix claire et neutre.

Convertir le résumé d'actualités suivant en parole en mandarin.

Dire 'Votre commande a été expédiée' en japonais.

FAQ

Qu'est-ce que Qwen3-TTS-Flash exactement ?

Un modèle de synthèse vocale d'Alibaba qui convertit un texte préparé en audio en utilisant une voix système. Les requêtes passent par HTTP et l'audio est renvoyé au format WAV.

Quelles langues parle-t-il ?

Chinois (mandarin et plusieurs dialectes), anglais, allemand, italien, portugais, espagnol, japonais, coréen, français et russe. La liste des voix indique quelles voix conviennent à quelle langue, vérifiez-la donc en premier.

Puis-je cloner une voix avec ?

Non. Il ne prend en charge que les voix système, sans clonage, conception de voix ou contrôle par instruction sur le style. Pour ces fonctionnalités, utilisez CosyVoice v3.5 Plus, qui fonctionne avec des voix personnalisées.

En quoi est-ce différent de Qwen3-TTS-Flash-Realtime ?

Ce modèle prend le texte complet en une seule requête. Le modèle temps réel diffuse via WebSocket et peut commencer à parler pendant que le texte arrive encore, ce qui convient aux assistants conversationnels.

Quel format audio renvoie-t-il ?

WAV, qui est lu directement dans la plupart des lecteurs et éditeurs audio. Comme le texte entier est synthétisé en une seule requête, il convient à la narration terminée, aux voix off et aux réponses d'applications plutôt qu'à la conversation en direct.

Combien coûte Qwen3-TTS-Flash ?

Sur TokenLab, Qwen3-TTS-Flash coûte Entrée $10.00 / Sortie $0.00 Par million de caractères. La table tarifaire ci-dessus en montre le détail complet. Les tarifs dépendent de l’unité de facturation, de la spécification et de l’usage. Comparez des conditions identiques dans la tarification détaillée du modèle ; un tarif seul ne détermine pas le coût total.

Quel endpoint Qwen3-TTS-Flash doit-il utiliser ?

Utilisez https://api.tokenlab.sh/v1/audio/speech pour Qwen3-TTS-Flash. L'exemple de requête ci-dessous montre la structure de code correspondante.

Quelles opérations Qwen3-TTS-Flash prend-il en charge ?

Qwen3-TTS-Flash prend en charge Texte vers parole. Sélectionnez une opération pour voir l'endpoint et un exemple.