Alibaba Cloud: Qwen3-TTS-Flash

Qwen3 TTS Flash mengubah teks yang disiapkan menjadi audio lisan dengan suara yang dipilih. Model ini cocok untuk narasi multibahasa dan respons lisan di mana naskah sudah diketahui sebelum sintesis dimulai.

Bandingkan model

qwen3-tts-flash

TersediaAlibaba CloudTeks ke suaraSinkronkan

Masukan / Keluaran: $10.00 / $0.00
Modalitas: Audio

Tentang Qwen3-TTS-Flash

Qwen3-TTS-Flash adalah model text-to-speech dari Alibaba dengan suara sistem yang sudah jadi. Anda mengirim teks yang disiapkan dan nama suara melalui panggilan HTTP dan menerima audio lisan dalam format WAV. Model ini berbicara bahasa Mandarin, Inggris, dan berbagai bahasa lainnya, ditambah beberapa dialek bahasa Mandarin. Model ini tidak mengkloning suara atau mengikuti instruksi gaya seperti CosyVoice v3.5 Plus, dan menunggu teks lengkap, tidak seperti varian Realtime.

Kelebihan

Menawarkan suara sistem, sehingga Anda dapat memulai tanpa merekam atau merancang suara.
Berbicara dalam dialek bahasa Mandarin seperti Beijing, Shanghai, Sichuan, Nanjing, Shaanxi, Hokkien, Tianjin, dan Kanton.
Juga mencakup bahasa Inggris, Jerman, Italia, Portugis, Spanyol, Jepang, Korea, Prancis, dan Rusia.
Menggunakan API HTTP biasa dan mengembalikan output WAV, yang mudah diintegrasikan.

Kapan harus beralih

Tidak dapat mengkloning suara atau merancang suara baru; pilih CosyVoice v3.5 Plus untuk suara kustom.
Tidak menawarkan kontrol instruksi untuk emosi atau gaya di luar suara yang Anda pilih.
Memerlukan teks lengkap sebelum sintesis; gunakan varian Realtime untuk mulai berbicara lebih cepat.

Memulai

Buat API key
Buat kunci di Console, gunakan untuk semua model di platform.

Kirim permintaan pertama Anda

Salin contoh untuk bahasa Anda dan jalankan terhadap endpoint tersebut.

Teks ke suaraEndpoint 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."
}'

Parameter

Teks ke suara

Parameter	Nilai dan batas	Nilai bawaan	Catatan
`input`	Tidak disediakan	Tidak disediakan	Tidak disediakan
`language_code`	Tidak disediakan	Tidak disediakan	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	Tidak disediakan	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`	Tidak disediakan	Tidak disediakan	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`	Tidak disediakan

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.

Penetapan Harga

Harga Verified berlaku untuk Verified yang lebih murah di sebagian besar model. Harga Official adalah harga resmi dari pembuat model dan berlaku untuk rute Official yang lebih andal. Auto menagihkan biaya berdasarkan rute yang menyelesaikan permintaan.

Cosy Tts Number

Per 1 juta karakter

Harga Official: Masukan $10.00 / Keluaran $0.00
Harga Verified: —
Diskon: —

	Harga OfficialPer 1 juta karakter	Harga VerifiedPer 1 juta karakter	Diskon
Cosy Tts Number	Masukan $10.00 / Keluaran $0.00	—	—

Penggunaan & aktivitas

Tingkat keberhasilan adalah proporsi permintaan yang selesai. Latensi adalah berapa lama respons penuh berlangsung; P95 berarti 95% permintaan selesai dalam waktu tersebut.

Penggunaan & ketersediaan

24 jam terakhir

Permintaan
Tingkat keberhasilan
Latensi P95
Total token

Performa model

Terakhir diperbarui 1 Nov 2026, 08.49 UTC

Metrik akan muncul setelah ambang batas privasi dan volume data terpenuhi.

Data didasarkan pada permintaan pengguna gabungan, tidak termasuk pemeriksaan status.

Buka di Console

Buka Qwen3-TTS-Flash di Console dengan prompt siap diedit atau dikirim.

Bantu saya mencoba qwen3-tts-flash dengan permintaan audio singkat di /v1/audio/speech. Tampilkan hasil dan biayanya.

Skenario penggunaan

Artikel yang dinarasikan
Ubah halaman tertulis menjadi audio dengan suara sistem pilihan untuk fitur mendengarkan.
Balasan aplikasi lisan
Bacakan jawaban asisten dengan lantang dalam bahasa pengguna setelah teks final.
Sulih suara multibahasa
Hasilkan skrip yang sama dalam beberapa bahasa untuk video pendek dan penjelasan.

Contoh prompt

Bacakan deskripsi produk ini dalam bahasa Spanyol dengan suara yang jernih dan netral.

Konversikan ringkasan berita berikut menjadi ucapan dalam bahasa Mandarin.

Ucapkan 'Pesanan Anda telah dikirim' dalam bahasa Jepang.

FAQ

Apa sebenarnya Qwen3-TTS-Flash itu?

Model text-to-speech dari Alibaba yang mengubah teks yang disiapkan menjadi audio menggunakan suara sistem. Permintaan dilakukan melalui HTTP dan audio kembali dalam format WAV.

Bahasa apa saja yang diucapkannya?

Mandarin (dan beberapa dialek), Inggris, Jerman, Italia, Portugis, Spanyol, Jepang, Korea, Prancis, dan Rusia. Daftar suara menunjukkan suara mana yang cocok dengan bahasa mana, jadi periksa terlebih dahulu.

Bisakah saya mengkloning suara dengannya?

Tidak. Model ini hanya mendukung suara sistem, tanpa kloning, desain suara, atau kontrol instruksi atas gaya. Untuk fitur tersebut, gunakan CosyVoice v3.5 Plus, yang bekerja dengan suara kustom.

Apa bedanya dengan Qwen3-TTS-Flash-Realtime?

Model ini mengambil teks lengkap dalam satu permintaan. Model Realtime melakukan streaming melalui WebSocket dan dapat mulai berbicara saat teks masih tiba, yang cocok untuk asisten percakapan.

Format audio apa yang dikembalikannya?

WAV, yang diputar langsung di sebagian besar pemutar dan editor audio. Karena seluruh teks disintesis dalam satu permintaan, model ini cocok untuk narasi selesai, sulih suara, dan balasan aplikasi daripada percakapan langsung.

Berapa biaya Qwen3-TTS-Flash?

Di TokenLab, Qwen3-TTS-Flash dikenakan Masukan $10.00 / Keluaran $0.00 Per 1 juta karakter. Tabel harga di atas menampilkan rincian lengkap. Tarif bergantung pada unit penagihan, spesifikasi, dan penggunaan. Bandingkan kondisi yang sama dalam harga detail model; satu tarif tidak menentukan total biaya.

Endpoint mana yang harus digunakan Qwen3-TTS-Flash?

Pakai https://api.tokenlab.sh/v1/audio/speech sebagai default untuk Qwen3-TTS-Flash. Jika format native penyedia didukung, API workbench juga menampilkan endpoint tersebut.

Operasi apa saja yang didukung Qwen3-TTS-Flash?

Qwen3-TTS-Flash mendukung Teks ke suara. Pilih operasi di API workbench di atas untuk melihat endpoint dan contoh kode terkait.