Alibaba Cloud: Qwen3-TTS-Flash

Qwen3 TTS Flash chuyển đổi văn bản đã chuẩn bị thành âm thanh nói với giọng đọc được chọn. Nó phù hợp với việc tường thuật đa ngôn ngữ và phản hồi bằng giọng nói khi kịch bản đã được biết trước khi bắt đầu tổng hợp.

So sánh mô hình

qwen3-tts-flash

Sẵn sàngAlibaba CloudVăn bản thành giọng nóiĐồng bộ

Đầu vào / Đầu ra: $10.00 / $0.00
Phương thức: Âm thanh

Về Qwen3-TTS-Flash

Qwen3-TTS-Flash là mô hình chuyển đổi văn bản thành giọng nói của Alibaba với các giọng đọc hệ thống có sẵn. Bạn gửi văn bản đã chuẩn bị và tên giọng đọc qua lệnh gọi HTTP và nhận lại âm thanh ở định dạng WAV. Nó nói tiếng Quan Thoại, tiếng Anh và nhiều ngôn ngữ khác, cộng với một số phương ngữ tiếng Trung. Nó không sao chép giọng nói hay tuân theo các hướng dẫn về phong cách như CosyVoice v3.5 Plus, và nó chờ đợi toàn bộ văn bản, không giống như biến thể Realtime.

Ưu điểm

Cung cấp các giọng đọc hệ thống, vì vậy bạn có thể bắt đầu mà không cần ghi âm hoặc thiết kế giọng nói.
Nói các phương ngữ tiếng Trung như Bắc Kinh, Thượng Hải, Tứ Xuyên, Nam Kinh, Thiểm Tây, Phúc Kiến, Thiên Tân và Quảng Đông.
Cũng bao gồm tiếng Anh, Đức, Ý, Bồ Đào Nha, Tây Ban Nha, Nhật, Hàn, Pháp và Nga.
Sử dụng API HTTP đơn giản và trả về đầu ra WAV, dễ dàng tích hợp.

Khi nào nên chọn model khác

Nó không thể sao chép giọng nói hoặc thiết kế giọng mới; hãy chọn CosyVoice v3.5 Plus cho các giọng nói tùy chỉnh.
Nó không cung cấp khả năng kiểm soát hướng dẫn về cảm xúc hoặc phong cách ngoài giọng đọc bạn đã chọn.
Nó cần toàn bộ văn bản trước khi tổng hợp; hãy sử dụng biến thể Realtime để bắt đầu phát âm thanh sớm hơn.

Bắt đầu

Tạo API key
Tạo API key trong Console để dùng cho mọi mô hình trên nền tảng.

Gửi yêu cầu đầu tiên của bạn

Sao chép ví dụ cho ngôn ngữ của bạn và chạy nó với endpoint.

Văn bản thành giọng nóiĐiểm cuối 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."
}'

Tham số

Văn bản thành giọng nói

Tham số	Giá trị và giới hạn	Mặc định	Ghi chú
`input`	Chưa cung cấp	Chưa cung cấp	Chưa cung cấp
`language_code`	Chưa cung cấp	Chưa cung cấp	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	Chưa cung cấp	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`	Chưa cung cấp	Chưa cung cấp	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`	Chưa cung cấp

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.

Giá

Giá Verified áp dụng cho Verified, thường rẻ hơn trên hầu hết các model. Giá Official là giá niêm yết từ nhà phát triển, áp dụng cho route Official ổn định hơn. Auto sẽ tính phí dựa trên route hoàn thành yêu cầu.

Cosy Tts Number

Mỗi 1 triệu ký tự

Giá Official: Đầu vào $10.00 / Đầu ra $0.00
Giá Verified: —
Giảm giá: —

	Giá OfficialMỗi 1 triệu ký tự	Giá VerifiedMỗi 1 triệu ký tự	Giảm giá
Cosy Tts Number	Đầu vào $10.00 / Đầu ra $0.00	—	—

Sử dụng & hoạt động

Tỷ lệ thành công là tỷ lệ yêu cầu hoàn tất. Độ trễ là thời gian của một phản hồi đầy đủ; P95 nghĩa là 95% yêu cầu hoàn thành trong khoảng thời gian đó.

Mức sử dụng & tình trạng

24 giờ qua

Yêu cầu
Tỷ lệ thành công
Độ trễ P95
Tổng token

Hiệu năng mô hình

Cập nhật lần cuối 08:49 1 thg 11, 2026 UTC

Các chỉ số sẽ xuất hiện sau khi đạt ngưỡng về quyền riêng tư và khối lượng dữ liệu.

Dữ liệu dựa trên các yêu cầu tổng hợp của người dùng, không bao gồm các kiểm tra trạng thái.

Mở trong Console

Mở Qwen3-TTS-Flash trong Console để chỉnh sửa và gửi prompt ngay.

Giúp tôi thử qwen3-tts-flash với yêu cầu âm thanh ngắn tại /v1/audio/speech. Hiển thị kết quả và chi phí.

Tình huống sử dụng

Bài viết được tường thuật
Chuyển đổi các trang văn bản thành âm thanh với giọng đọc hệ thống đã chọn cho tính năng nghe kèm.
Phản hồi ứng dụng bằng giọng nói
Đọc to câu trả lời của trợ lý bằng ngôn ngữ của người dùng sau khi văn bản đã hoàn tất.
Lồng tiếng đa ngôn ngữ
Tạo cùng một kịch bản bằng nhiều ngôn ngữ cho các video ngắn và video giải thích.

Ví dụ prompt

Đọc mô tả sản phẩm này bằng tiếng Tây Ban Nha với giọng đọc rõ ràng, trung tính.

Chuyển đổi bản tóm tắt tin tức sau đây thành giọng nói bằng tiếng Quan Thoại.

Nói 'Đơn hàng của bạn đã được gửi' bằng tiếng Nhật.

FAQ

Qwen3-TTS-Flash chính xác là gì?

Một mô hình chuyển đổi văn bản thành giọng nói từ Alibaba giúp chuyển đổi văn bản đã chuẩn bị thành âm thanh bằng giọng đọc hệ thống. Các yêu cầu được gửi qua HTTP và âm thanh trả về ở định dạng WAV.

Nó nói được những ngôn ngữ nào?

Tiếng Trung (Quan Thoại và một số phương ngữ), Anh, Đức, Ý, Bồ Đào Nha, Tây Ban Nha, Nhật, Hàn, Pháp và Nga. Danh sách giọng đọc cho thấy giọng nào phù hợp với ngôn ngữ nào, vì vậy hãy kiểm tra trước.

Tôi có thể sao chép giọng nói với nó không?

Không. Nó chỉ hỗ trợ giọng đọc hệ thống, không có tính năng sao chép, thiết kế giọng nói hoặc kiểm soát hướng dẫn về phong cách. Đối với các tính năng đó, hãy sử dụng CosyVoice v3.5 Plus, hoạt động với các giọng nói tùy chỉnh.

Nó khác gì so với Qwen3-TTS-Flash-Realtime?

Mô hình này nhận toàn bộ văn bản trong một yêu cầu. Mô hình Realtime truyền phát qua WebSocket và có thể bắt đầu phát âm thanh trong khi văn bản vẫn đang được gửi đến, phù hợp với các trợ lý hội thoại.

Nó trả về định dạng âm thanh nào?

WAV, định dạng phát trực tiếp trong hầu hết các trình phát và trình chỉnh sửa âm thanh. Vì toàn bộ văn bản được tổng hợp trong một yêu cầu, nó phù hợp cho việc tường thuật hoàn chỉnh, lồng tiếng và phản hồi ứng dụng hơn là hội thoại trực tiếp.

Qwen3-TTS-Flash có giá bao nhiêu?

Trên TokenLab, Qwen3-TTS-Flash có giá Đầu vào $10.00 / Đầu ra $0.00 Mỗi 1 triệu ký tự. Bảng giá phía trên cho thấy chi tiết đầy đủ. Giá phụ thuộc vào đơn vị tính phí, thông số và mức sử dụng. Hãy so sánh các điều kiện tương đương trong bảng giá chi tiết của mô hình; một mức giá đơn lẻ không quyết định tổng chi phí.

Qwen3-TTS-Flash nên dùng endpoint nào?

Dùng https://api.tokenlab.sh/v1/audio/speech làm mặc định cho Qwen3-TTS-Flash. Nếu mô hình hỗ trợ định dạng native của nhà cung cấp, API workbench cũng hiển thị endpoint đó.

Qwen3-TTS-Flash hỗ trợ những thao tác nào?

Qwen3-TTS-Flash hỗ trợ Văn bản thành giọng nói. Chọn một thao tác trong API workbench phía trên để xem endpoint và mã ví dụ tương ứng.