Skip to main content

Ikhtisar sintesis suara

Model Studio mengubah teks menjadi ucapan menggunakan suara sistem atau suara kustom yang dibuat melalui kloning atau desain suara. Anda juga dapat mengontrol kecepatan, emosi, pelafalan, dan efek sintesis lainnya.

Pemilihan model

Pilih model berdasarkan kebutuhan aplikasi, seperti interaksi real-time, produksi konten, atau kontrol pembacaan yang terperinci.
KebutuhanModel yang direkomendasikanKemampuan utama
Asisten suara, percakapan real-time, dan layanan pelangganqwen-audio-3.1-tts-flashDirancang untuk interaksi berlatensi rendah. Mendukung suara sistem, kloning suara, desain suara, instruksi bahasa alami, serta tag emosi dan paralinguistik.
Buku audio, sulih suara, suara merek, dan produksi kontenqwen-audio-3.1-tts-plusMengutamakan kualitas audio, kealamian, dan detail ekspresi. Mendukung suara sistem, kloning suara, desain suara, serta kontrol ekspresi.
Untuk ID setiap keluarga model, lihat Model yang didukung.

Pemilihan suara

Dengarkan suara di Voice Plaza. Untuk suara sistem setiap model, nilai voice, dan sampel audio, lihat daftar suara pada tabel berikut.
Sumber suaraPersiapanKasus penggunaanDokumentasi
Suara sistemPilih suara yang tersedia. Sampel audio atau deskripsi suara tidak diperlukan.Layanan pelanggan, buku audio, dan siaran yang kebutuhannya terpenuhi oleh suara yang tersedia.
Suara kloningSediakan sampel audio dari pembicara target.Menggunakan kembali suara juru bicara atau presenter, atau membuat asisten personal dan presenter virtual.Kloning suara
Suara hasil desainDeskripsikan suara yang diinginkan, misalnya “suara perempuan yang hangat dan bernada rendah”.Membuat suara merek atau karakter game dan animasi saat rekaman tidak tersedia.Desain suara
Desain suara menghasilkan suara yang dapat digunakan kembali. Untuk menyesuaikan kecepatan, emosi, atau gaya bicara dalam satu permintaan sintesis, gunakan kontrol instruksi.

Mode sintesis

Mode sintesis berbeda dalam cara teks dikirim dan audio diterima: teks dapat dikirim sekaligus atau dalam segmen berurutan, dan audio dapat diterima sekaligus atau selama proses pembuatannya. Keluaran audio streaming dan masukan teks streaming merupakan dua kemampuan yang berbeda.
ModeInput teksOutput audioKasus penggunaan
Non-streamingKirim teks lengkap sekaligus.Ambil audio lengkap setelah sintesis selesai.Produksi konten tanpa pemutaran selama sintesis.
Streaming satu arahKirim teks lengkap sekaligus.Terima audio dalam potongan selama sintesis.Teks sudah siap dan pemutaran perlu dimulai sedini mungkin.
Streaming dua arahKirim potongan teks saat tersedia.Terima audio dalam potongan selama sintesis.Interaksi real-time dengan teks yang dihasilkan bertahap, seperti output LLM.
  • Sintesis nonwaktu nyata: Kirim teks lengkap dalam satu permintaan dan terima audio sebagai hasil lengkap atau streaming. Lihat Sintesis ucapan non-real-time.
  • Sintesis waktu nyata: Kirim teks dalam segmen berurutan, secara berkelanjutan, atau sekaligus. Lihat Sintesis ucapan real-time. Untuk aplikasi seluler dan klien interaktif waktu nyata lainnya, pilih protokol yang tersedia melalui Ikhtisar Realtime API. AOQ (AI over QUIC) dioptimalkan untuk latensi rendah dan jaringan tidak stabil, dengan peredaman gema dan derau bawaan.

Kontrol sintesis

Selain memilih suara, gunakan parameter, instruksi, atau tag untuk menyesuaikan hasil sintesis.
Efek yang diinginkanMetode kontrol
Kecepatan, nada, dan volumeAtur parameter sintesis terkait yang disediakan model.
Emosi, gaya, dan cara berbicaraGunakan instruksi bahasa alami, misalnya “berbicara dengan lembut dan lebih lambat”.
Emosi pada bagian tertentu, tawa, napas, dan ekspresi lainnyaTambahkan tag emosi dan paralinguistik ke teks.
Pelafalan, jeda, dan pembacaan angkaGunakan tag SSML untuk kontrol pembacaan yang terperinci.
Pembacaan rumus matematikaTulis rumus dalam LaTeX.
Untuk parameter, persyaratan dukungan, dan contoh, pilih panduan sesuai mode sintesis:

Terapkan di produksi

Untuk pengiriman teks, penerimaan dan pemutaran audio, pengelolaan koneksi dan sumber daya konkurensi, evaluasi performa, serta pemecahan masalah, lihat Praktik terbaik sintesis suara.

Model yang didukung

Pilih wilayah untuk melihat ID setiap keluarga model.
  • Singapura
  • 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
  • CosyVoice: cosyvoice-v3-plus, cosyvoice-v3-flash
  • Qwen3-TTS: qwen3-tts-flash-realtime, qwen3-tts-flash

Bahasa dan dialek

Pilih suara yang mendukung bahasa atau dialek yang ingin disintesis. Tabel berikut mengelompokkan dukungan berdasarkan keluarga model dan jenis suara.
  • Qwen-Audio-TTS
  • CosyVoice
  • Qwen3-TTS
Jenis suaraBahasa dan dialek keluaran suara
Suara sistemMendukung bahasa seperti Mandarin dan Inggris. Ketersediaannya bervariasi menurut model dan suara. Lihat daftar suara Qwen-Audio-TTS.
Suara kloningMandarin, Kanton, Chongqing, Timur Laut, Gansu, Guizhou, Zhejiang, Hebei, Henan, Hubei, Hunan, Jiangxi, Ningbo, Ningxia, Qingdao, Shaanxi, Shanxi, Shandong, Shanghainese, Sichuan, Yunnan, Inggris, Jepang, Korea, Rusia, Prancis, Jerman, Portugis, Thailand, Indonesia, Vietnam, Spanyol, Italia, Malaysia, Filipina, dan Arab (dialek dikonfigurasi melalui kontrol instruksi)Bahasa lain (didukung oleh qwen-audio-3.1-tts-flash): Bulgaria, Belanda, Hungaria, Rumania, Denmark, Kroasia, Yunani, Ceko, Norwegia, Swedia, Hindi, Slovak, Finlandia, Urdu, Serbia, Spanyol (Meksiko), Lituania, Latvia, Turki, Persia, Ibrani, Mongolia, Slovenia, Azerbaijan, Polandia, Katalan, Khmer, Portugis (Brasil), Lao, Georgia, Afrikaans, Nepali, Belarusia, Malayalam, Luksemburg, Albania, Tamil, Sinhala, Telugu, Estonia, Cebuano, Bosnia, Burma, Armenia, Latin, Islandia, Malta, Swahili, Kazakh, Seselwa Kreol Prancis, Ukraina.
Suara hasil desainBahasa Mandarin, Inggris