Gere fala, efeitos sonoros e som ambiente juntos a partir de descrições de texto e áudio de referência para criar cenas de áudio completas. Explore exemplos e técnicas de prompt para diálogos e podcasts.
Casos de uso
A geração de áudio vai além da conversão de texto em fala. Ela pode gerar fala, efeitos sonoros e som ambiente juntos para criar cenas de áudio completas:
- Fala e diálogo: narração, diálogo com múltiplos oradores, podcasts, audiolivros e radionovelas.
- Cenas de áudio: diálogo acompanhado por chuva, ondas do oceano ou efeitos sonoros de jogos.
Exemplos
Explore prompts e áudios gerados para diferentes cenários. Os resultados podem variar entre solicitações com o mesmo prompt.
| Cenário | Prompt | Áudio |
|---|---|---|
| Dublagem de jogos | ||
| Diálogo de filme |
Escrever um prompt
Descreva os sons necessários em um único prompt, distinguindo o diálogo das direções de cena.
| Elemento | Exemplo |
|---|---|
| Tarefa | “Uma conversa inicial entre dois apresentadores de podcast” ou “Uma cena de radionovela com diálogo na chuva” |
| Personagens e vozes | “O Personagem A tem uma voz masculina grave; o Personagem B tem uma voz feminina brilhante” |
| Diálogo | Coloque as falas entre aspas e identifique o orador |
| Entonação | “Sussurrar”, “soar surpreso” ou “pausar brevemente antes de continuar” |
| Fundo e efeitos | “Chuva fora da janela com sons suaves de virar páginas dentro de casa” |
| Transições de som | “Passos se aproximam antes do personagem começar a falar” |
Usar áudio de referência
Forneça URLs de áudio publicamente acessíveis ou áudio codificado em Base64. Use @voice1, @voice2 e @voice3 no prompt para referenciar os clipes na ordem fornecida.
Por exemplo, com dois clipes de referência:
qwen-audio-3.1-tts-next aceita até três clipes, cada um com no máximo 30 segundos e não maior que 10 MB. Os formatos de referência suportados são WAV, MP3 e OGG Opus; PCM bruto não é suportado. Para cada clipe, forneça uma URL ou dados Base64. O serviço deve ser capaz de acessar qualquer URL que você fornecer.
Modelos suportados
| Modelo | Idiomas | Comprimento máximo de entrada | Duração máxima de saída por solicitação |
|---|---|---|---|
| qwen-audio-3.1-tts-next | Chinês e inglês | 3,000 caracteres | Podcasts: 240 segundos (4 minutos); outros cenários: 120 segundos |
Integração e faturamento
- Para autenticação, parâmetros e solicitações de áudio de referência, consulte Referência da API de geração de áudio.
- O faturamento utiliza a duração original do áudio gerado. Alterar a velocidade da fala não altera a duração faturável. Consulte Preços do modelo.