阿里云: Qwen3-TTS-Flash
qwen3-tts-flash- 输入 / 输出
- $10.00 / $0.00
- 模态
- 音频
Qwen3-TTS-Flash 简介
Qwen3-TTS-Flash 是阿里巴巴带现成系统音色的语音合成模型。你通过一次 HTTP 调用发送准备好的文本和音色名，收到 WAV 格式的语音音频。它支持普通话、英语和其他多种语言，还有几种中文方言。它不像 CosyVoice v3.5 Plus 那样能克隆声音或遵循风格说明，并且与 Realtime 版本不同，它要等完整文本到齐才开始合成。
擅长的任务
- 提供系统音色，不用自己录音或设计声音就能上手。
- 支持北京话、上海话、四川话、南京话、陕西话、闽南语、天津话和粤语等中文方言。
- 还支持英语、德语、意大利语、葡萄牙语、西班牙语、日语、韩语、法语和俄语。
- 使用简单的 HTTP API，输出 WAV，集成起来很简单。
什么情况换别的模型
- 它不能克隆声音，也不能设计新声音；需要自定义声音请选 CosyVoice v3.5 Plus。
- 除了你选的音色，它没有针对情绪或风格的说明控制。
- 合成前需要完整文本；想更早开口，请用 Realtime 版本。
快速上手
创建 API 密钥
在 Console 生成一把密钥，平台上的模型都能用。
发送第一个请求
复制你所用语言的示例代码，向该端点发起请求。
文本转语音TokenLab 端点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." }'
参数
文本转语音
| 参数 | 可选值与限制 | 默认值 | 说明 |
|---|---|---|---|
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.
价格
Verified 价格用于 Verified，多数模型更便宜；Official 价格是模型厂商公布的价格，用于更稳定的 Official。Auto 按最终完成请求的线路计价。
Cosy Tts Number
每百万字符- Official 价格
- 输入 $10.00 / 输出 $0.00
- Verified 价格
- —
- 折扣
- —
| Official 价格每百万字符 | Verified 价格每百万字符 | 折扣 | |
|---|---|---|---|
| Cosy Tts Number | 输入 $10.00 / 输出 $0.00 | — | — |
用量与动态
成功率是请求完成的比例；延迟是拿到一次完整响应要花的时间，P95 表示 95% 的请求都在这个时间内完成。
用量与可用性
最近 24 小时- 请求
- 成功率
- P95 延迟
- 总 token 数
数据来自汇总的用户请求，不含状态检查。
直接在 Console 里试
Qwen3-TTS-Flash 已在 Console 备好，提示词已填好，可以直接修改或发送。
帮我用 qwen3-tts-flash 发起一条简短的音频请求，接口是 /v1/audio/speech。返回结果和费用。
使用场景
文章朗读
用选定的系统音色把文字页面转成音频，做成边听边看的功能。
应用内语音回复
文本定稿后，用用户的语言把助手的回答读出来。
多语言配音
为短视频和讲解视频，用多种语言生成同一份脚本的配音。
提示词示例
用清晰、中性的声音，以西班牙语朗读这段商品描述。
把下面这段新闻摘要转成普通话语音。
用日语说“Your order has shipped”。
FAQ
Qwen3-TTS-Flash 到底是什么？
阿里巴巴的语音合成模型，用系统音色把准备好的文本转成音频。请求通过 HTTP 发送，音频以 WAV 格式返回。
它能说哪些语言？
中文（普通话和几种方言）、英语、德语、意大利语、葡萄牙语、西班牙语、日语、韩语、法语和俄语。音色列表会显示哪些音色适合哪种语言，请先查看。
能用它克隆声音吗？
不能。它只支持系统音色，没有克隆、声音设计和风格说明控制。需要这些功能，请用支持自定义声音的 CosyVoice v3.5 Plus。
它和 Qwen3-TTS-Flash-Realtime 有什么区别？
这个模型在一次请求里接收完整文本。Realtime 模型通过 WebSocket 流式传输，文本还在到达时就能开始说话，适合对话式助手。
返回什么音频格式？
WAV，大多数播放器和音频编辑器都能直接播放。因为整段文本在一次请求里合成，它更适合成品旁白、配音和应用内回复，不适合实时对话。
Qwen3-TTS-Flash 的费用是多少？
在 TokenLab 上，Qwen3-TTS-Flash 的价格为 输入 $10.00 / 输出 $0.00 每百万字符。完整明细见上方价格表。 价格因计费单位、规格和用量而异。请在模型的详细定价中对比相同条件下的费率；单一费率不代表总价。
Qwen3-TTS-Flash 应该使用哪个端点？
Qwen3-TTS-Flash 使用 https://api.tokenlab.sh/v1/audio/speech。代码写法见下方的请求示例。
Qwen3-TTS-Flash 支持哪些操作？
Qwen3-TTS-Flash 支持 文本转语音。选了操作，上面会显示对应的端点和请求示例。
Qwen3-TTS-Flash 对比
资料来源
审阅于 2026年10月2日
