Qwen3 TTS Instruct Flash

Spezifikationen & Limits

Per Anweisung steuerbare Stufe von Alibabas Qwen3-TTS-Familie auf Model Studio, derzeit gleichbedeutend mit dem Snapshot qwen3-tts-instruct-flash-2026-01-26. Positioniert für latenztolerante Arbeit wie Hörbuchproduktion, Voiceovers für Online-Bildung und Content-Erstellung. Bepreist in der Region Singapur mit $0.115 pro 10.000 Eingabezeichen im internationalen Deployment-Scope, mit einem Freikontingent von 110.000 Zeichen, gültig für 90 Tage nach der Aktivierung von Model Studio.

laut Offizielle Alibaba-Dokumentation ↗

Qwen3 TTS Instruct Flash in 30 Sekunden nutzen

OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/chat/completions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="qwen3-tts-instruct-flash",
    messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://synthorai.io/v1",
  apiKey: "sk-syn-...",
});

const resp = await client.chat.completions.create({
  model: "qwen3-tts-instruct-flash",
  messages: [{ role: "user", content: "Summarize this diff" }],
});
console.log(resp.choices[0].message.content);

curl https://synthorai.io/v1/chat/completions \
  -H "Authorization: Bearer sk-syn-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen3-tts-instruct-flash",
    "messages": [{"role": "user", "content": "Hello"}]
  }'

package main

import (
	"context"
	"fmt"

	"github.com/openai/openai-go/v3"
	"github.com/openai/openai-go/v3/option"
)

func main() {
	client := openai.NewClient(
		option.WithBaseURL("https://synthorai.io/v1"),
		option.WithAPIKey("sk-syn-..."),
	)
	resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
		Model: "qwen3-tts-instruct-flash",
		Messages: []openai.ChatCompletionMessageParamUnion{
			openai.UserMessage("Summarize this diff"),
		},
	})
	fmt.Println(resp.Choices[0].Message.Content)
}

import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;

OpenAIClient client = OpenAIOkHttpClient.builder()
    .baseUrl("https://synthorai.io/v1")
    .apiKey("sk-syn-...")
    .build();

ChatCompletion resp = client.chat().completions().create(
    ChatCompletionCreateParams.builder()
        .model("qwen3-tts-instruct-flash")
        .addUserMessage("Summarize this diff")
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

Über Qwen3 TTS Instruct Flash

• Model Studio teilt die Familie nach Transport statt nach Fähigkeit auf: Eine id mit dem realtime-Suffix spricht WebSocket, während diese hier, ohne das Suffix, das HTTP-Modell hinter dem ist, was Alibaba nicht-echtzeitfähige Sprachsynthese nennt, ausgelegt auf latenztolerante Szenarien wie Hörbuchproduktion, Voiceovers für Online-Bildung und Content-Erstellung.
• Die Anweisungssteuerung ist der Grund, es dem einfachen qwen3-tts-flash vorzuziehen.
• Sie beschreiben den gewünschten Vortrag in gewöhnlicher Sprache, um Geschwindigkeit, Emotion und Stil pro Anfrage zu steuern; die dokumentierten Beispiele lauten, sanft und langsamer zu sprechen oder einen aufgeregten Broadcast-Stil zu verwenden.
• Das Feld instructions nimmt bis zu 1.600 Token entgegen und ist nur für Chinesisch und Englisch dokumentiert, und optimize_instructions, standardmäßig aus, lässt den Dienst Ihre Formulierung in eine für die Synthese besser geeignete Anweisung umschreiben.
• Die Stimmen sind die benannten Personas der Familie, darunter Cherry als sonnige, positive, freundliche und natürliche junge Frau und Nofish als Designer, der Retroflexlaute nicht aussprechen kann, und die Stimmliste nennt, welche Modell-ids die jeweilige Stimme akzeptieren.
• Zehn Sprachen werden abgedeckt: Chinesisch (Mandarin), Englisch, Deutsch, Italienisch, Portugiesisch, Spanisch, Japanisch, Koreanisch, Französisch und Russisch.
• Anders als qwen3-tts-flash führt die Instruct-Linie keine der chinesischen Dialektstimmen.
• Zwei Grenzen prägen die Integration: Der Eingabetext ist auf 600 Zeichen begrenzt, und language_type steht standardmäßig auf Auto, was laut Alibaba keine Genauigkeit garantiert; für einsprachigen Text rät Alibaba, es durch eine explizite Sprache zu ersetzen.
• Nicht-Streaming liefert eine 24 Stunden gültige URL zur Audiodatei zurück, während Streaming Base64-kodiertes PCM in Chunks zurückgibt und die URL erst im letzten Paket enthält; die offiziellen Beispiele geben diesen Stream als 24-kHz-Mono-Audio mit 16 Bit wieder.
• Abgerechnet werden die Zeichen des Eingabetexts, zu $0.115 pro 10.000 im internationalen Deployment-Scope, und das Ausgabe-Audio ist kostenlos.
• Synthorai stellt es über den OpenAI-kompatiblen Endpoint /v1/audio/speech bereit.

FAQ

Verwandte Modelle

Vergleichen