Qwen3 TTS Instruct Flash

Alibaba Synthèse vocaleStreaming

Entrée$11.5/M

Contexte4K

Prix catalogue du fournisseur : sans majoration de plateforme, paiement à l'usage. Ce sont les prix catalogue officiels. Les clients connectés peuvent voir les prix effectifs incluant les remises de l’espace de travail sur /console/pricing.

Utilisez Qwen3 TTS Instruct Flash en 30 secondes

Compatible OpenAI : changez la base_url, gardez votre 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(""));

Spécifications et limites

Audio

Langues: Chinois (mandarin), anglais, allemand, italien, portugais, espagnol, japonais, coréen, français et russe. language_type vaut Auto par défaut pour une entrée multilingue ou indéterminée, ce qu'Alibaba documente comme ne garantissant pas la précision ; nommer une seule langue est documenté comme améliorant nettement la qualité de synthèse. Contrairement à la série Qwen3-TTS-Flash, la série Instruct ne liste aucune voix en dialecte chinois (pékinois, shanghaïen, sichuanais, nankinois, shaanxi, hokkien, tianjinois, cantonais).
Limites audio: API HTTP de synthèse vocale non temps réel
le suffixe -realtime signale le jumeau WebSocket. Texte d'entrée plafonné à 600 caractères, entrée multilingue mixte autorisée. Le mode non streaming renvoie l'URL d'un fichier audio valable 24 heures
le streaming renvoie du PCM encodé en Base64 par fragments, l'URL n'arrivant que dans le dernier paquet, restitué dans les exemples officiels en audio mono 16 bits à 24 kHz. Facturé aux caractères du texte d'entrée, rapportés dans usage.characters (input_tokens et output_tokens valent toujours 0 sur la série Qwen3-TTS)
l'audio produit est gratuit

Temps réel

Voix: Voix système publiées avec un personnage résumé en une ligne, parmi lesquelles Cherry (une jeune femme enjouée, positive, amicale et naturelle), Serena, Ethan, Chelsie, Momo, Vivian, Moon, Maia, Kai, Nofish (un designer incapable de prononcer les consonnes rétroflexes), Bella, Eldric Sage, Mia, Mochi, Bellona, Vincent, Bunny, Neil, Elias, Arthur, Nini, Seren, Pip et Stella ; la liste des voix Qwen-TTS associe chaque voix aux identifiants de modèle exacts qui l'acceptent.
Session: instructions oriente le débit, l'émotion et le style en langage naturel, jusqu'à 1 600 tokens et documenté pour le chinois et l'anglais uniquement
optimize_instructions (false par défaut) réécrit l'instruction en une directive mieux adaptée à la synthèse et reste sans effet quand instructions est vide
le clonage de voix et la conception de voix sont tous deux indiqués comme non pris en charge pour cet identifiant de modèle

Modèle

Modalités: texte → audio

Palier pilotable par instruction de la famille Qwen3-TTS d'Alibaba sur Model Studio, actuellement équivalent au snapshot qwen3-tts-instruct-flash-2026-01-26. Positionné pour le travail tolérant à la latence, comme la production de livres audio, les voix off de l'éducation en ligne et la création de contenu. Tarifé dans la région de Singapour à 0,115 $ pour 10 000 caractères d'entrée dans le périmètre de déploiement international, avec un quota gratuit de 110 000 caractères valable 90 jours après l'activation de Model Studio.

selon docs officielles Alibaba ↗

À propos de Qwen3 TTS Instruct Flash

Des instructions en langage courant contrôlent le débit, l'émotion et le style

Modèle http pour livres audio et voix off, pas temps réel

Dix langues, entrée plafonnée à 600 caractères

Qwen3-TTS-Instruct-Flash est le palier pilotable par instruction de la famille Qwen3-TTS d'Alibaba sur Model Studio, tarifé dans la région de Singapour et actuellement équivalent au snapshot qwen3-tts-instruct-flash-2026-01-26.

Model Studio répartit la famille selon le transport plutôt que selon la capacité : un identifiant portant le suffixe realtime parle WebSocket, tandis que celui-ci, qui ne le porte pas, est le modèle HTTP derrière ce qu'Alibaba appelle la synthèse vocale non temps réel, conçue pour les scénarios tolérants à la latence tels que la production de livres audio, les voix off de l'éducation en ligne et la création de contenu.
Le pilotage par instruction est la raison de le préférer à qwen3-tts-flash tout court.
Vous décrivez en langage ordinaire l'interprétation souhaitée pour contrôler le débit, l'émotion et le style requête par requête, les exemples documentés étant de parler doucement à un rythme plus lent ou d'adopter un style de présentation radio enthousiaste ; le champ instructions accepte jusqu'à 1 600 tokens et n'est documenté que pour le chinois et l'anglais, et optimize_instructions, désactivé par défaut, fait réécrire votre formulation par le service en une directive mieux adaptée à la synthèse.
Les voix sont les personnages nommés de la famille, parmi lesquels Cherry, une jeune femme enjouée, positive, amicale et naturelle, et Nofish, un designer incapable de prononcer les consonnes rétroflexes, et la liste des voix précise quels identifiants de modèle acceptent chacune d'elles.
Dix langues sont couvertes, le chinois (mandarin), l'anglais, l'allemand, l'italien, le portugais, l'espagnol, le japonais, le coréen, le français et le russe, et contrairement à qwen3-tts-flash, la ligne Instruct ne comporte aucune des voix en dialectes chinois.
Deux limites façonnent l'intégration : le texte d'entrée est plafonné à 600 caractères, et language_type vaut Auto par défaut, ce qui, selon Alibaba, ne garantit pas la précision, si bien qu'il conseille de le remplacer par une langue explicite pour un texte monolingue.
Le mode non streaming renvoie l'URL d'un fichier audio valable 24 heures, tandis que le streaming renvoie du PCM encodé en Base64 par fragments, l'URL n'arrivant que dans le dernier paquet, et les exemples officiels restituent ce flux en audio mono 16 bits à 24 kHz.
La facturation compte les caractères du texte d'entrée, à 0,115 $ pour 10 000 dans le périmètre de déploiement international, et l'audio produit est gratuit.
Synthorai le sert via l'endpoint /v1/audio/speech compatible OpenAI.

Docs officielles Alibaba ↗

FAQ

Peut-on essayer l'API Qwen3 TTS Instruct Flash gratuitement ?

Oui : les nouveaux comptes reçoivent 10 appels d'essai et jusqu'à $1 de crédit gratuit, sans carte bancaire. À $11.5/M de tokens en entrée, ce crédit couvre à lui seul environ 21 requêtes de ~4K tokens sur Qwen3 TTS Instruct Flash.

Quels sont les points forts de Qwen3 TTS Instruct Flash ?

Des instructions en langage courant contrôlent le débit, l'émotion et le style ; modèle http pour livres audio et voix off, pas temps réel ; dix langues, entrée plafonnée à 600 caractères. Voir la section À propos pour le tableau complet, tiré des notes de version officielles du fournisseur.

Combien coûte Qwen3 TTS Instruct Flash ?

Sur Synthorai, Qwen3 TTS Instruct Flash coûte $11.5 par million de tokens en entrée et $0 par million de tokens en sortie, soit le prix catalogue du fournisseur, sans majoration de plateforme.

Qwen3 TTS Instruct Flash prend-il en charge la mise en cache des prompts ?

Qwen3 TTS Instruct Flash n'a pas de remise sur les lectures de cache sur Synthorai aujourd'hui. La mise en cache des prompts s'applique toujours aux autres modèles de la passerelle ; voir la table des prix pour les alternatives compatibles avec le cache. Comparatif de la mise en cache par fournisseur →

Comment obtenir l'accès à Qwen3 TTS Instruct Flash ?

Pointez votre SDK OpenAI existant vers base_url="https://synthorai.io/v1", définissez model="qwen3-tts-instruct-flash", et c'est tout. Une seule clé API couvre tous les modèles de la passerelle.

Modèles associés

Fun-ASR (recording file) $0.0021/min Fun-ASR Flash $0.0021/min Fun-ASR MTL (multilingual, recording file) $0.0021/min Google TTS Standard $4/M in TTS-1 $15/M in Google TTS Neural2 $16/M in

Obtenez votre clé API gratuite Comparez votre coût →