Konversikan teks lengkap menjadi ucapan melalui HTTP. Pelajari fitur model, panggilan pertama, dan cara meningkatkan kualitas sintesis.
Fitur
Sintesis ucapan non-real-time menerima teks lengkap dalam satu permintaan HTTP serta mendukung keluaran non-streaming dan streaming SSE. Keluaran non-streaming mengembalikan audio lengkap setelah sintesis selesai. Keluaran streaming mengembalikan data audio secara bertahap.
- Bahasa dan dialek: Pilih model dan suara untuk bahasa tujuan, atau tentukan dialek melalui instruksi. Lihat Dialek.
- Ekspresi ucapan: Sesuaikan cara berbicara dengan instruksi bahasa alami atau sisipkan tag emosi dan nonverbal. Lihat Kontrol instruksi dan Tag emosi dan nonverbal.
- Suara kustom: Buat suara dari sampel audio melalui kloning suara, atau dari deskripsi teks melalui desain suara.
- Kontrol terperinci dan rumus: Gunakan SSML dan LaTeX untuk mengatur jeda dan pelafalan atau mengubah rumus menjadi ucapan.
- Pemfilteran Markdown: Ubah konten Markdown, seperti tabel, menjadi teks yang sesuai untuk dibacakan. Lihat Pemfilteran Markdown.
- Fitur yang didukung berbeda menurut model dan suara. Periksa cakupannya pada dokumentasi fitur terkait.
- Untuk mengirim teks secara bertahap, gunakan sintesis ucapan real-time.
Mulai menggunakan
Dapatkan API key di konsol dan atur variabel lingkungan DASHSCOPE_API_KEY.
Instal dependensi contoh:
- Qwen-Audio-TTS (Direkomendasikan)
- CosyVoice
Contoh berikut menggunakan qwen-audio-3.1-tts-flash dan suara sistem Audio disimpan sebagai
longanhuan_v3.1 di wilayah Singapura untuk menunjukkan keluaran non-streaming dan streaming.- Keluaran non-streaming
- Keluaran streaming
Python
output.wav di direktori saat ini.Meningkatkan kualitas sintesis
Bahasa dan pelafalan
Jika angka, singkatan, atau simbol dilafalkan tidak sesuai harapan, gunakan language_hints untuk menentukan bahasa tujuan sintesis, atau hot_fix untuk menyesuaikan pelafalan dan penggantian teks. Untuk model yang didukung dan konfigurasinya, lihat Qwen-Audio-TTS API atau CosyVoice API.
Gunakan SSML untuk mengontrol jeda, pembacaan angka, atau pelafalan kata. Untuk model, suara, antarmuka, dan tag yang didukung Qwen-Audio-TTS dan CosyVoice, lihat SSML dan LaTeX.
Pemfilteran Markdown
Saat menyintesis konten Markdown yang memuat tabel atau tautan, tetapkan enable_markdown_filter ke true untuk mengubah Markdown menjadi teks yang sesuai untuk dibacakan. Qwen-Audio-TTS dan CosyVoice mendukung fitur ini, kecuali cosyvoice-v2. Untuk konfigurasi, lihat API Qwen-Audio-TTS dan API CosyVoice.
Kontrol instruksi
Tambahkan instruction ke objek input pada permintaan untuk menentukan bahasa sintesis serta mendeskripsikan kecepatan, emosi, atau gaya bicara dalam bahasa alami.
Untuk membuat suara baru dengan gender, usia, atau karakter vokal tertentu, atau membaca panduan dan contoh penulisan deskripsi suara, lihat desain suara.
- Qwen-Audio-TTS
- CosyVoice
Suara sistem, hasil kloning, dan hasil desain untuk qwen-audio-3.1-tts-plus, qwen-audio-3.1-tts-flash, qwen-audio-3.0-tts-plus, dan qwen-audio-3.0-tts-flash semuanya mendukung instruksi bahasa alami melalui
instruction dalam permintaan sintesis.Sebaiknya tentukan bahasa sintesis dan efek yang diinginkan dalam instruction untuk meningkatkan kualitas sintesis. Bahasa yang ditentukan dalam instruksi harus sama dengan bahasa teks yang akan disintesis. Misalnya, untuk menyintesis teks berbahasa Belanda, atur:Dialek
Sintesis dialek menghasilkan ucapan dalam dialek Mandarin seperti Henan atau Sichuan. Cara memilih dialek bergantung pada model dan jenis suara.
- Qwen-Audio-TTS
- CosyVoice
-
Suara sistem: Pilih suara yang mendukung dialek tujuan dari daftar suara Qwen-Audio-TTS. Suara yang mendukung dialek secara langsung tidak memerlukan pengaturan tambahan. Untuk suara yang mendukung instruksi dialek, gunakan parameter kontrol instruksi
instruction.Untuk suara multibahasa dan dialek pada qwen-audio-3.1-tts-flash, Anda juga dapat menggunakanlanguage_hintsuntuk menentukan dialek. Lihat pengaturan suara multibahasa dan dialek. -
Suara hasil kloning: Tentukan dialek melalui parameter kontrol instruksi
instruction. - Suara hasil desain: Dialek belum didukung.
instruction="请讲上海话。" di objek input permintaan untuk menyintesis teks bahasa Mandarin dalam dialek Shanghai.Tag emosi dan nonverbal
Berlaku untuk qwen-audio-3.1-tts-plus, qwen-audio-3.1-tts-flash, qwen-audio-3.0-tts-plus, dan qwen-audio-3.0-tts-flash.
text, tanpa parameter tambahan.
Contoh penggunaan
Teks berikut dimulai dengan nada antusias, menyisipkan tawa di posisi tertentu, lalu melanjutkan ucapan:
Tag yang didukung
- Tag kontrol
- Tag nonverbal
Tag kontrol mengatur emosi atau gaya teks berikutnya hingga tag kontrol selanjutnya. Jika kalimat panjang disegmentasi otomatis, efeknya dibatasi oleh segmen teks yang dihasilkan.
| Tag | Deskripsi |
|---|---|
[sad] | Sedih |
[amazed] | Kagum |
[deep and loud shouting] | Teriakan berat dan lantang |
[trembling] | Gemetar |
[angry] | Marah |
[excited] | Antusias |
[sarcastic] | Sarkastis |
[curious] | Penasaran |
[like dracula] | Gaya Dracula |
[bored] | Bosan |
[tired] | Lelah |
[scornful] | Meremehkan |
[shouting] | Berteriak |
[asmr] | Suara ASMR lembut |
[panicked] | Panik |
[mischievously] | Jahil |
[empathetic] | Berempati |
[whispers] | Berbisik |
[reluctantly] | Enggan |
[crying] | Menangis |
[serious] | Serius |
[very slowly] | Sangat lambat |
[very fast] | Sangat cepat |
Terapkan di produksi
Untuk pengunduhan dan penyimpanan audio, kompatibilitas format dan pemutar, pengelolaan konkurensi, serta pemecahan masalah, lihat Praktik terbaik sintesis suara. Pastikan frekuensi permintaan dan konkurensi tetap dalam batas laju model.
Model yang didukung
- Singapura
- Tiongkok (Beijing)
- Qwen-Audio-TTS: qwen-audio-3.1-tts-plus, qwen-audio-3.1-tts-flash, qwen-audio-3.0-tts-plus, qwen-audio-3.0-tts-flash
- Qwen3-TTS: qwen3-tts-flash