Alibaba Cloud: Qwen3-TTS 1.7B CustomVoice
qwen3-tts-1-7b-customvoice- 輸入 / 輸出
- $15.00 / $0.00
- 模態
- 音訊
關於 Qwen3-TTS 1.7B CustomVoice
Qwen3-TTS 1.7B CustomVoice 是阿里巴巴的文字轉語音模型,圍繞九種預設語音構建。您可以按名稱選擇說話者,並添加關於語氣、情感或說話風格的自然語言指令。它支援十種語言,包括中文、英文、日文、韓文以及多種歐洲語言。阿里巴巴稱其端到端合成延遲最低可達 97 毫秒,適用於互動場景。
適用場景
- 九位具名的優質說話者涵蓋了不同的性別、年齡、語言和方言,確保語音在整個產品中保持一致。
- 書面指令可以在不更換所選說話者的情況下,引導情感和說話方式。
- 支援十種語言:中文、英文、日文、韓文、德文、法文、俄文、葡萄牙文、西班牙文和義大利文。
- 阿里巴巴報告稱端到端延遲最低可達 97 毫秒,適合語音助理和即時旁白。
其他選擇建議
- 語音列表是固定的;若要根據描述創造新語音,VoiceDesign 變體更為合適。
- 當說話者閱讀其母語時效果最佳,因此使用英文預設閱讀日文可能會帶有口音。
- 嘈雜或異常的輸入文字(例如大量的標記或混合符號)可能會降低輸出品質。
入門指南
建立 API 金鑰
請至 Console 建立金鑰,即可在平台上使用各類模型。
發送您的第一個請求
複製您所選語言的範例,並針對端點執行它。
文字轉語音TokenLab 端點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", "model": "qwen3-tts-1-7b-customvoice", "input": "Hello from TokenLab.", "voice": "alloy" }'
參數設定
文字轉語音
| 參數 | 可選值與限制 | 預設值 | 說明 |
|---|---|---|---|
input | 未提供 | 未提供 | Maximum length: 2000 characters. |
n | 1 | 1 | Use an integer. |
operation | 未提供 | 未提供 | 未提供 |
prompt | 未提供 | 未提供 | 未提供 |
response_format | mp3, ogg, wav, flac | mp3 | 未提供 |
speed | ≥ 0.25, ≤ 4 | 1 | Use multiples of 0.01. |
voice | aiden, dylan, eric, ono_anna, ryan, serena, sohee, uncle_fu, vivian | aiden | 未提供 |
voice_id | aiden, dylan, eric, ono_anna, ryan, serena, sohee, uncle_fu, vivian | aiden | 未提供 |
Fields outside this contract are rejected.
定價
Verified 價格用於 Verified,多數模型更便宜;Official 價格是模型廠商公布的價格,用於更穩定的 Official。Auto 按最終完成請求的線路計價。
文字轉語音
每百萬字元- Official 價格
- 輸入 $15.00 / 輸出 $0.00
- Verified 價格
- —
- 折扣
- —
| Official 價格每百萬字元 | Verified 價格每百萬字元 | 折扣 | |
|---|---|---|---|
| 文字轉語音 | 輸入 $15.00 / 輸出 $0.00 | — | — |
使用量與活動
成功率是請求完成的比例;延遲是一次完整回應所需的時間,P95 表示 95% 的請求在該時間內完成。
用量與可用性
過去 24 小時- 請求數
- 成功率
- P95 延遲
- 總 Token 用量
資料基於彙總的使用者請求,不包含狀態檢查。
直接在 Console 裡試
在 Console 中開啟 Qwen3-TTS 1.7B CustomVoice,並準備好編輯或發送提示詞。
協助我使用 qwen3-tts-1-7b-customvoice 透過 /v1/audio/speech 進行音訊請求,並顯示結果與成本。
應用情境
語音助理
為應用程式內助理提供一個穩定的具名語音和低回應延遲,確保文字準備就緒後能迅速開始播放回覆。
有聲書與文章旁白
使用選定的說話者朗讀長文本,並添加如「冷靜且溫暖」的指令,以保持各章節間的語氣一致。
在地化產品影片
使用日文、韓文或英文預設為不同市場配音,同時保持品牌聲音的可辨識度。
遊戲與角色台詞
為不同角色選擇獨特的預設語音,並添加如「憤怒」、「疲憊」或「興奮」的情感指令。
提示詞範例
說話者:Ryan。指令:冷靜、友善、語速稍慢。文字:Welcome back. Your order has shipped and should arrive on Thursday.
說話者:Ono_Anna。指令:開朗的播音員。文字:本日はご来店いただき、ありがとうございます。
說話者:Vivian。指令:耳語,像在說秘密。文字:你听说了吗?明天会有一个大消息。
FAQ
Qwen3-TTS CustomVoice 提供哪些語音?
九種預設:Vivian、Serena、Uncle_Fu、Dylan 和 Eric(中文變體),Ryan 和 Aiden(英文),Ono_Anna(日文),以及 Sohee(韓文)。每個請求需按名稱選擇其中一個。
我可以控制情感和說話風格嗎?
可以。您可以添加自然語言指令,例如「憤怒」、「溫柔」或「快速且興奮」,模型會在保持所選說話者音色的同時調整語氣和方式。
CustomVoice 與 VoiceDesign 有何不同?
CustomVoice 使用您選擇的九種固定說話者。VoiceDesign 沒有預設列表;您透過文字描述想要的語音(如年齡、情緒和韻律),模型會隨之生成。若追求一致性請選擇 CustomVoice,若需要新語音則選擇 VoiceDesign。
它支援哪些語言?
十種:中文、英文、日文、韓文、德文、法文、俄文、葡萄牙文、西班牙文和義大利文。模型卡建議使用每位說話者的母語以獲得最佳品質。
它的速度足以進行即時對話嗎?
阿里巴巴稱端到端合成延遲最低可達 97 毫秒,旨在實現即時使用。應用程式中的實際延遲還取決於網路距離和文字長度,請使用您自己的流量進行測量。
Qwen3-TTS 1.7B CustomVoice 的費用是多少?
在 TokenLab 上,Qwen3-TTS 1.7B CustomVoice 價格為 輸入 $15.00 / 輸出 $0.00 每百萬字元。完整明細見上方價格表。 價格因計費單位、規格和用量而異。請在模型的詳細定價中比較相同條件下的費率;單一費率不代表總價。
Qwen3-TTS 1.7B CustomVoice 應該使用哪一個端點?
請使用 https://api.tokenlab.sh/v1/audio/speech 進行 Qwen3-TTS 1.7B CustomVoice 的呼叫。下方的請求範例展示了對應的程式碼格式。
Qwen3-TTS 1.7B CustomVoice 支援哪些操作?
Qwen3-TTS 1.7B CustomVoice 支援 文字轉語音。請在上方選擇一項操作以查看其端點與請求範例。
比較 Qwen3-TTS 1.7B CustomVoice
來源
更新於 2026年10月2日