Skip to main content

qwen-audio-3.1-tts-next

Qwen-Audio-3.1-TTS-Next é um modelo AudioGen projetado para geração unificada de áudio. Indo além dos sistemas TTS convencionais que focam apenas na síntese de fala, ele pode gerar conteúdo de áudio completo em uma única passagem a partir de entradas como texto, timestamps e áudio de referência, combinando perfeitamente fala, efeitos sonoros, sons ambientes e muito mais. O modelo suporta uma ampla gama de tarefas, incluindo TTS multilíngue, fala de um único orador, diálogo com múltiplos oradores, podcasts, paisagens sonoras cinematográficas, áudio ambiente e efeitos sonoros. Seus principais pontos fortes incluem fala mais natural e expressiva, identidade de voz consistente, controle flexível de tempo e geração de paisagem sonora de alta qualidade. Essas capacidades o tornam adequado para criação de conteúdo, vídeos curtos, podcasts, produção de cinema e televisão, áudio de jogos e outros cenários profissionais de criação de áudio.

Provedor do serviço de inferência

O Alibaba Cloud Model Studio fornece serviços de inferência para este modelo.

Capacidades do modelo

CapacidadeSuporteCapacidadeSuporte
Modalidades de entradaTexto e áudio de referênciaModalidade de saídaÁudio
IdiomasChinês e inglêsModos de saídaSem streaming
Formatos de saídaWAV, MP3 e PCMÁudio de referênciaURL ou Base64

Limites de contexto

ParâmetroValor
Comprimento máximo de entrada-
Duração máxima de saída por solicitaçãoPodcasts: 240 segundos (4 minutos); outros cenários: 120 segundos
Contagem de áudios de referênciaAté 3 clipes
Duração por clipe de referênciaAté 30 segundos
Tamanho por clipe de referênciaAté 10 MB
Formatos de áudio de referênciaWAV, MP3 e OGG Opus. PCM bruto não é suportado.

Preços do modelo

A lista de preços a seguir exclui promoções. Para ofertas promocionais, consulte o console do Model Studio.
  • Singapura
  • China (Pequim)
Item de cobrançaPreço unitário (USD/milhão de tokens)
Entrada0.93
Saída1.87
Os tokens de entrada e saída são cobrados separadamente. Para detalhes, consulte Preços do modelo.

Limites de taxa

  • Singapura
  • China (Pequim)
MétricaValor
Solicitações por minuto (RPM)180

Acesso à API

Use a API HTTPS para receber arquivos de áudio completos. Para exemplos e orientações de prompt, consulte Geração de áudio. Para parâmetros e código de exemplo, consulte Referência da API de geração de áudio.