Qwen3 TTS Instruct Flash

Especificaciones y límites

Nivel con control por instrucciones de la familia Qwen3-TTS de Alibaba en Model Studio, actualmente equivalente a la instantánea qwen3-tts-instruct-flash-2026-01-26. Posicionado para trabajos tolerantes a la latencia, como la producción de audiolibros, las voces en off de educación en línea y la creación de contenido. Con precios en la región de Singapur, a $0.115 por cada 10.000 caracteres de entrada en el ámbito de despliegue internacional, y una cuota gratuita de 110.000 caracteres válida durante 90 días tras activar Model Studio.

según documentación oficial de Alibaba ↗

Use Qwen3 TTS Instruct Flash en 30 segundos

Compatible con OpenAI: cambie el base_url y conserve su SDK. 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(""));

Acerca de Qwen3 TTS Instruct Flash

• Model Studio divide la familia por transporte y no por capacidad: un id que lleva el sufijo realtime habla WebSocket, mientras que este, sin ese sufijo, es el modelo HTTP que hay detrás de lo que Alibaba llama síntesis de voz no en tiempo real, pensado para escenarios tolerantes a la latencia como la producción de audiolibros, las voces en off de educación en línea y la creación de contenido.
• El control por instrucciones es la razón para elegirlo en lugar de qwen3-tts-flash a secas.
• Basta con describir en lenguaje corriente la entrega deseada para controlar la velocidad, la emoción y el estilo en cada solicitud, y los ejemplos documentados son hablar con suavidad a un ritmo más lento o usar un estilo de locución entusiasta; el campo instructions admite hasta 1600 tokens y está documentado solo para chino e inglés, y optimize_instructions, desactivado por defecto, hace que el servicio reescriba lo redactado como una directiva más adecuada para la síntesis.
• Las voces son las personas con nombre propio de la familia, entre ellas Cherry como una mujer joven alegre, positiva, amable y natural y Nofish como un diseñador que no sabe pronunciar los sonidos retroflejos, y la lista de voces indica qué ids de modelo aceptan cada una.
• Se cubren diez idiomas, chino (mandarín), inglés, alemán, italiano, portugués, español, japonés, coreano, francés y ruso, y a diferencia de qwen3-tts-flash la línea Instruct no incluye ninguna de las voces de dialectos chinos.
• Dos límites condicionan la integración: el texto de entrada está limitado a 600 caracteres, y language_type toma Auto por defecto, algo que según Alibaba no garantiza la precisión y que aconseja sustituir por un idioma explícito cuando el texto es monolingüe.
• Sin streaming se devuelve una URL de archivo de audio válida durante 24 horas, mientras que con streaming se devuelve PCM codificado en Base64 por fragmentos, con la URL solo en el último paquete, y los ejemplos oficiales reproducen ese flujo como audio mono de 24 kHz y 16 bits.
• La facturación cuenta los caracteres del texto de entrada, a $0.115 por cada 10.000 en el ámbito de despliegue internacional, y el audio de salida es gratuito.
• Synthorai lo sirve a través del endpoint /v1/audio/speech compatible con OpenAI.

Preguntas frecuentes

Modelos relacionados

Comparar