O modelo Qwen3-TTS-Flash-Realtime é o modelo base de síntese de fala em tempo real da Tongyi. Ele oferece 17 vozes expressivas e gera áudio com baixa latência e alta estabilidade. O modelo suporta saída em vários idiomas e dialetos, mantendo características vocais consistentes entre eles. Treinado com grandes conjuntos de dados, o sistema ajusta autonomamente os tons vocais conforme a semântica do texto e apresenta recursos robustos para sintetizar conteúdo complexo.
Provedor de service de Inferência
O Alibaba Cloud Model Studio fornece o service de inferência para qwen3-tts-flash-realtime.
Capacidades do Modelo
Capacidade | Suporte | Capacidade | Suporte |
Modalidade de Entrada | Text | Modalidade de Saída | Audio |
Experiência do Modelo | Unsupported | Function Calling | Unsupported |
Saídas Estruturadas | Unsupported | Pesquisa na Web | Unsupported |
Conclusão de Prefixo | Unsupported | Cache de Contexto | Unsupported |
Inferência em Lote | Unsupported | Ajuste Fino | Unsupported |
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 Model Studio Console para consultar ofertas promocionais.
- China (Beijing)
- Singapore
Item de Faturamento | Preço (USD) | Unidade |
TTS | 0,143353 | Por 10.000 caracteres |
Uso da API
Limites de Taxa
- China (Beijing)
- Singapore
Parâmetro | Valor |
RPM (Requisições Por Minuto) | 180 |