ϟВнутренние модели MiniMax выпустил M3.1 Flash: производительность выросла в 3 раза, стоимость снизилась на 70% ПодробнееϟКитайские модели Kimi K3 выпущен и доступен через API Подробнее →✦Новая модель запущена Wan3.0 выпущен Посмотреть сейчас →✦Новая модель запущена DeepSeek V4.1 Flash: нативная мультимодальность, производительность превосходит V4 Pro, а цены на API снижены Подробнее✦Запуск новой модели Подробности о выпуске Seedance 2.5 Посмотреть сейчас →ϟВнутренние модели MiniMax выпустил M3.1 Flash: производительность выросла в 3 раза, стоимость снизилась на 70% Подробнее
AGTCloud
Связаться с нами Вакансии
Аудиоqwen-audio-3.0-tts-flash
阿里巴巴 · Аудио

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.

Обзор

Модальности

Цены

Доступность

Состояние сервисаЗа последние 24 часа

Параметры

Модель / версияqwen-audio-3.0-tts-flash
Входные модальностиТекст
Выходные модальностиАудио
Параметры сэмплирования—

Пример запроса

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"}]}'

Доступные эндпоинты

EXPLORE MODELS

Больше моделей: Аудио

Сравните возможности, контекст и цену моделей одного типа.

Смотреть все
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.

Цена · за вызов¥0
Открыть модель
阿里巴巴

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

Ввод / Вывод · за 1M токеновОт ¥2.2 / ¥13.3
Открыть модель
阿里巴巴

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

Ввод / Вывод · за 1M токеновОт ¥7 / ¥40
Открыть модель
阿里巴巴

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

Ввод / Вывод · за 1M токеновОт ¥3.3 / ¥20
Открыть модель
阿里巴巴

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

Ввод / Вывод · за 1M токеновОт ¥10 / ¥60
Открыть модель