Générer simultanément de la parole, des effets sonores et des sons d'ambiance à partir de descriptions textuelles et d'audios de référence pour créer des scènes audio complètes. Explorer des exemples et des techniques de prompt pour les dialogues et les podcasts.
Cas d'utilisation
La génération audio va au-delà de la conversion texte-parole. Elle peut générer simultanément de la parole, des effets sonores et des sons d'ambiance pour créer des scènes audio complètes :
- Parole et dialogue : narration, dialogues à plusieurs orateurs, podcasts, livres audio et dramatiques audio.
- Scènes audio : dialogue accompagné de pluie, de vagues ou d'effets sonores de jeu.
Exemples
Explorer les prompts et les audios générés pour différents scénarios. Les résultats peuvent varier entre les requêtes utilisant le même prompt.
| Scénario | Prompt | Audio |
|---|---|---|
| Doublages de jeux vidéo | ||
| Dialogue de film |
Rédiger un prompt
Décrire les sons requis dans un seul prompt, en distinguant les dialogues des indications scéniques.
| Élément | Exemple |
|---|---|
| Tâche | « Un échange d'ouverture entre deux animateurs de podcast » ou « Une scène de dramatique audio avec dialogue sous la pluie » |
| Personnages et voix | « Le personnage A a une voix masculine grave ; le personnage B a une voix féminine claire » |
| Dialogue | Mettre les répliques entre guillemets et identifier l'orateur |
| Interprétation | « Chuchoter », « paraître surpris » ou « marquer une courte pause avant de continuer » |
| Arrière-plan et effets | « Pluie à l'extérieur de la fenêtre avec des bruits discrets de pages tournées à l'intérieur » |
| Transitions sonores | « Des bruits de pas s'approchent avant que le personnage ne commence à parler » |
Utiliser un audio de référence
Fournir des URL audio accessibles publiquement ou des données audio encodées en Base64. Utiliser @voice1, @voice2 et @voice3 dans le prompt pour faire référence aux extraits dans l'ordre fourni.
Par exemple, avec deux extraits de référence :
qwen-audio-3.1-tts-next accepte jusqu'à trois extraits, chacun ne dépassant pas 30 secondes et 10 Mo. Les formats de référence pris en charge sont WAV, MP3 et OGG Opus ; le PCM brut n'est pas pris en charge. Pour chaque extrait, fournir soit une URL, soit des données Base64. Le service doit pouvoir accéder à toute URL fournie.
Modèles pris en charge
| Modèle | Langues | Longueur d'entrée maximale | Durée de sortie maximale par requête |
|---|---|---|---|
| qwen-audio-3.1-tts-next | Chinois et anglais | 3,000 caractères | Podcasts : 240 secondes (4 minutes) ; autres scénarios : 120 secondes |
Intégration et facturation
- Pour l'authentification, les paramètres et les requêtes d'audio de référence, voir Référence de l'API de génération audio.
- La facturation est basée sur la durée originale de l'audio généré. La modification de la vitesse de parole ne change pas la durée facturable. Voir Tarification des modèles.