Alibaba Cloud: Qwen3-TTS-Flash
qwen3-tts-flash- 入力 / 出力
- $10.00 / $0.00
- モダリティ
- オーディオ
Qwen3-TTS-Flash について
Qwen3-TTS-Flashは、既製のシステム音声を使用したAlibabaのテキスト読み上げモデルです。HTTP呼び出しで用意したテキストと音声名を送信し、WAV形式の音声を受け取ります。標準中国語、英語、その他の言語、および複数の中国語方言に対応しています。CosyVoice v3.5 Plusのような音声クローンやスタイル指示には対応しておらず、リアルタイム版とは異なり、テキスト全体が揃うのを待ってから処理を行います。
得意なこと
- システム音声を提供しているため、録音や音声デザインなしで開始できます。
- 北京語、上海語、四川語、南京語、陝西語、福建語、天津語、広東語などの中国語方言に対応しています。
- また、英語、ドイツ語、イタリア語、ポルトガル語、スペイン語、日本語、韓国語、フランス語、ロシア語もカバーしています。
- シンプルなHTTP APIを使用し、WAV形式で出力されるため、統合が容易です。
他のモデルを検討すべきケース
- 音声クローンや新規音声のデザインはできません。カスタム音声が必要な場合はCosyVoice v3.5 Plusを選択してください。
- 選択した音声以外で、感情やスタイルを制御する指示機能はありません。
- 合成には全文が必要となります。より早く発話を開始したい場合はリアルタイム版を使用してください。
はじめに
最初のキーを作成
Consoleでキーを作成すれば、プラットフォーム内のすべてのモデルで使えます。
最初のリクエストを送信する
お使いの言語の例をコピーして、エンドポイントに対して実行してください。
テキスト読み上げTokenLab エンドポイントPOST/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." }'
パラメータ
テキスト読み上げ
| パラメーター | 値と制限 | デフォルト | 注記 |
|---|---|---|---|
input | 未提供 | 未提供 | 未提供 |
language_code | 未提供 | 未提供 | 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 | 未提供 | 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 | 未提供 | 未提供 | 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 | 未提供 |
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.
料金
Verified 価格は Verified に適用され、多くのモデルでより低コストです。Official 価格はモデルのメーカーが公表する価格で、信頼性の高い Official ルートに適用されます。Auto はリクエストを完了したルートの価格で課金します。
Cosy Tts Number
100万文字あたり- Official 価格
- 入力 $10.00 / 出力 $0.00
- Verified 価格
- —
- 割引
- —
| Official 価格100万文字あたり | Verified 価格100万文字あたり | 割引 | |
|---|---|---|---|
| Cosy Tts Number | 入力 $10.00 / 出力 $0.00 | — | — |
使用状況とアクティビティ
成功率は完了したリクエストの割合です。レイテンシは完全なレスポンスにかかる時間で、P95 は 95% のリクエストがその時間内に完了したことを意味します。
使用量と可用性
過去24時間- リクエスト数
- 成功率
- P95 レイテンシ
- 合計トークン数
データはステータスチェックを除外した、集計済みのユーザーリクエストに基づいています。
Consoleで開く
ConsoleでQwen3-TTS-Flashを開き、プロンプトを編集・送信できます。
qwen3-tts-flashと/v1/audio/speechで音声をテスト。結果とコストを表示します。
ユースケース
記事の朗読
選択したシステム音声を使用して、書かれたページを音声化し、聴き流し機能を実現します。
アプリの音声応答
テキストが確定した時点で、アシスタントの回答をユーザーの言語で読み上げます。
多言語ボイスオーバー
ショート動画や解説動画用に、同じスクリプトを複数の言語で生成します。
プロンプト例
この製品説明を、明瞭でニュートラルな声でスペイン語で読み上げます。
以下のニュース要約を標準中国語で音声に変換します。
「ご注文が発送されました」と日本語で読み上げます。
FAQ
Qwen3-TTS-Flashとは具体的に何ですか？
用意されたテキストをシステム音声を使用して音声に変換する、Alibabaのテキスト読み上げモデルです。リクエストはHTTP経由で行われ、音声はWAV形式で返されます。
どの言語に対応していますか？
中国語（標準中国語および複数の中国語方言）、英語、ドイツ語、イタリア語、ポルトガル語、スペイン語、日本語、韓国語、フランス語、ロシア語です。音声リストで各言語に適した音声を確認できます。
音声クローンは可能ですか？
いいえ。システム音声のみをサポートしており、音声クローン、音声デザイン、スタイルの指示制御機能はありません。それらの機能が必要な場合は、カスタム音声に対応したCosyVoice v3.5 Plusを使用してください。
Qwen3-TTS-Flash-Realtimeとの違いは何ですか？
本モデルは1つのリクエストで完全なテキストを受け取ります。リアルタイムモデルはWebSocket経由でストリーミングを行い、テキストの到着中にも発話を開始できるため、会話型アシスタントに適しています。
どのような音声形式で返されますか？
WAV形式で、ほとんどのプレイヤーやオーディオエディタで直接再生可能です。テキスト全体を一度のリクエストで合成するため、ライブ会話よりも、完成したナレーション、ボイスオーバー、アプリの応答に適しています。
Qwen3-TTS-Flash の料金はいくらですか？
TokenLab では Qwen3-TTS-Flash は 入力 $10.00 / 出力 $0.00 100万文字あたり です。詳細は上の料金表を参照してください。 料金は課金単位・仕様・使用量によって異なります。モデルの詳細な料金で同条件同士を比較してください。単一のレートで総額は決まりません。
Qwen3-TTS-Flash はどのエンドポイントを使うべきですか？
Qwen3-TTS-Flash のデフォルトは https://api.tokenlab.sh/v1/audio/speech です。プロバイダーネイティブ形式に対応している場合は、API workbench にそのエンドポイントも表示されます。
Qwen3-TTS-Flash はどの操作に対応していますか？
Qwen3-TTS-Flash は テキスト読み上げ に対応しています。上の API workbench で操作を選ぶと、対応するエンドポイントとコード例が表示されます。
Qwen3-TTS-Flash を比較する
ソース
2026/10/02 時点での評価
