ϟModèles nationaux MiniMax lance M3.1 Flash : performance multipliée par 3, coûts réduits de 70 % Voir les détailsϟModèles nationaux Kimi K3 publié et API ouverte Lire les détails →✦Nouveau modèle disponible Wan3.0 disponible Voir maintenant →✦Nouveau modèle en ligne DeepSeek V4.1 Flash : Multimodal natif, performances supérieures à V4 Pro et baisse des tarifs API Voir les détails✦Nouveau modèle disponible Détails de la sortie de Seedance 2.5 Voir maintenant →ϟModèles nationaux MiniMax lance M3.1 Flash : performance multipliée par 3, coûts réduits de 70 % Voir les détails
AGTCloud
Nous contacter Nous rejoindre
Audioqwen-audio-3.0-tts-flash
阿里巴巴 · Audio

Qwen-Audio-3.0-TTS-Flash is a high-performance speech synthesis model , optimized for real-time interactive scenarios. Compared with the previous version, it supports more low-resource languages and Chinese dialects, improves dialect authenticity, and enhances free-style instruction following and fine-grained tag control for more flexible control over emotion, tone, character, speaking rate, volume, and expressive style. It is also more robust under noisy and reverberant acoustic conditions, with improved audio quality, clarity, and overall expressiveness. The Flash version focuses on real-time synthesis, making it suitable for voice assistants, real-time dialogue, intelligent customer service, and other low-latency interactive applications.

Aperçu

Modalités

Tarifs

Disponibilité

État du service24 dernières heures

Paramètres

Modèle / versionqwen-audio-3.0-tts-flash
Modalités d’entréeTexte
Modalités de sortieAudio
Paramètres d’échantillonnage—

Exemple de requête

curl "https://api.agtcloud.cn/v1/chat/completions" \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -d '{"model":"qwen-audio-3.0-tts-flash","messages":[{"role":"user","content":"Hello"}]}'

Points de terminaison

EXPLORE MODELS

Plus de Audio

Comparez les capacités, le contexte et le prix des modèles du même type.

Tout parcourir
小米

High-quality voice synthesis with precise adherence to style instructions. Supports inline emotion tags for word-level control and can capture a character’s vocal persona with zero-shot prompting.

Prix · par appel¥0
Voir le modèle
阿里巴巴

Omni-modal model for text, vision, audio, and multimodal agent tasks

Entrée / Sortie · par 1M de tokensÀ partir de ¥2.2 / ¥13.3
Voir le modèle
阿里巴巴

Omni-modal model for text, vision, audio, and multimodal agent tasks

Entrée / Sortie · par 1M de tokensÀ partir de ¥7 / ¥40
Voir le modèle
阿里巴巴

qwen3.5-omni-flash-realtime is a model from Alibaba for real-time multimodal interaction.

Entrée / Sortie · par 1M de tokensÀ partir de ¥3.3 / ¥20
Voir le modèle
阿里巴巴

qwen3.5-omni-plus-realtime is a model from Alibaba for real-time multimodal interaction.

Entrée / Sortie · par 1M de tokensÀ partir de ¥10 / ¥60
Voir le modèle