O qwen-audio-3.0-tts-flash é um modelo de síntese de fala de alto desempenho, otimizado para cenários interativos em tempo real. Em comparação com a versão anterior, oferece suporte a mais idiomas de baixos recursos e dialetos chineses, aprimora a autenticidade dos dialetos e melhora o seguimento de instruções de estilo livre e o controle granular por tags. Esses avanços permitem ajustar com mais flexibilidade a emoção, o tom, a personagem, a velocidade de fala, o volume e o estilo expressivo. O modelo também apresenta maior robustez em condições acústicas com ruído e reverberação, proporcionando melhor qualidade de áudio, clareza e expressividade geral. A versão Flash foca na síntese em tempo real e mantém a latência do primeiro pacote abaixo de 200 ms, sendo ideal para assistentes de voz, diálogos em tempo real, atendimento ao cliente inteligente e outras aplicações interativas de baixa latência.
Provedor de service de inferência
O Alibaba Cloud Model Studio é o provedor de service de inferência para qwen-audio-3.0-tts-flash.
Capacidades do modelo
Capacidade | Suporte | Capacidade | Suporte |
Modalidade de entrada | Text | Modalidade de saída | Audio |
Experiência do modelo | Não suportado | Function Calling | Não suportado |
Saídas estruturadas | Não suportado | Pesquisa na web | Não suportado |
Conclusão de prefixo | Não suportado | Cache de contexto | Não suportado |
Inferência em lote | Não suportado | Fine-tuning | Não suportado |
Limites de contexto
Parâmetro | Valor | Parâmetro | Valor |
Comprimento máximo de entrada | — | Comprimento máximo de saída | — |
Janela de contexto | — |
Preços
Esta página exibe apenas os preços originais das chamadas de API do modelo, sem incluir promoções por tempo limitado. Acesse o console do Model Studio para consultar ofertas promocionais.
- China (Beijing)
- Singapore
Item de faturamento | Preço (USD) | Unidade |
TTS | 0,137521 | Por 10.000 caracteres |
Limites de taxa
- China (Beijing)
- Singapore
Parâmetro | Valor |
RPM (solicitações por minuto) | 180 |