Qwen3 TTS Instruct Flash

Specifiche e limiti

Livello controllabile tramite istruzioni della famiglia Qwen3-TTS di Alibaba su Model Studio, attualmente equivalente allo snapshot qwen3-tts-instruct-flash-2026-01-26. Posizionato per lavori tolleranti alla latenza come la produzione di audiolibri, i voiceover per la formazione online e la creazione di contenuti. Prezzo nella regione di Singapore di $0.115 ogni 10.000 caratteri in ingresso nello scope di deployment internazionale, con una quota gratuita di 110.000 caratteri valida per 90 giorni dopo l'attivazione di Model Studio.

fonte: documentazione ufficiale di Alibaba ↗

Usa Qwen3 TTS Instruct Flash in 30 secondi

Compatibile con OpenAI: cambi base_url e tieni il tuo 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(""));

Informazioni su Qwen3 TTS Instruct Flash

• Model Studio divide la famiglia per trasporto anziché per capacità: un id che porta il suffisso realtime parla WebSocket, mentre questo, che ne è privo, è il modello HTTP dietro quella che Alibaba chiama sintesi vocale non in tempo reale, pensata per scenari tolleranti alla latenza come la produzione di audiolibri, i voiceover per la formazione online e la creazione di contenuti.
• Il controllo tramite istruzioni è la ragione per preferirlo al semplice qwen3-tts-flash.
• Descrivi in linguaggio ordinario la resa che vuoi per controllare velocità, emozione e stile a ogni richiesta, e gli esempi documentati sono parlare con delicatezza a ritmo più lento oppure usare uno stile da annuncio entusiasta; il campo instructions accetta fino a 1.600 token ed è documentato solo per cinese e inglese, mentre optimize_instructions, disattivato di default, fa riscrivere al servizio la tua formulazione in una direttiva più adatta alla sintesi.
• Le voci sono le persona con nome della famiglia, tra cui Cherry, una giovane donna solare, positiva, amichevole e naturale, e Nofish, un designer che non riesce a pronunciare i suoni retroflessi, e l'elenco delle voci indica quali id di modello accettano ciascuna.
• Sono coperte dieci lingue, cinese (mandarino), inglese, tedesco, italiano, portoghese, spagnolo, giapponese, coreano, francese e russo, e a differenza di qwen3-tts-flash la linea Instruct non porta nessuna delle voci dei dialetti cinesi.
• Due limiti condizionano l'integrazione: il testo in ingresso è limitato a 600 caratteri, e language_type è predefinito ad Auto, che secondo Alibaba non garantisce l'accuratezza e che l'azienda consiglia di sostituire con una lingua esplicita per il testo monolingue.
• Il non-streaming restituisce l'URL di un file audio valido per 24 ore, mentre lo streaming restituisce PCM codificato in Base64 a blocchi con l'URL solo nel pacchetto finale, e i campioni ufficiali riproducono quel flusso come audio mono a 24 kHz e 16 bit.
• La fatturazione conta i caratteri del testo in ingresso, a $0.115 ogni 10.000 nello scope di deployment internazionale, e l'audio in uscita è gratuito.
• Synthorai lo serve tramite l'endpoint /v1/audio/speech compatibile OpenAI.

FAQ

Modelli correlati

Confronta