Qwen3 TTS Instruct Flash

Especificações e limites

Nível controlável por instrução da família Qwen3-TTS da Alibaba no Model Studio, atualmente equivalente ao snapshot qwen3-tts-instruct-flash-2026-01-26. Posicionado para trabalho tolerante a latência, como produção de audiolivros, locuções de educação online e criação de conteúdo. Com preço na região de Singapura de $0,115 por 10.000 caracteres de entrada no escopo de implantação internacional, e uma cota gratuita de 110.000 caracteres válida por 90 dias após a ativação do Model Studio.

conforme documentação oficial da Alibaba ↗

Use o Qwen3 TTS Instruct Flash em 30 segundos

Compatível com OpenAI: troque a base_url, mantenha seu 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(""));

Sobre o Qwen3 TTS Instruct Flash

• O Model Studio divide a família por transporte, e não por capacidade: um id que carrega o sufixo realtime fala WebSocket, enquanto este, sem ele, é o modelo HTTP por trás do que a Alibaba chama de síntese de fala não em tempo real, desenhado para cenários tolerantes a latência, como produção de audiolivros, locuções de educação online e criação de conteúdo.
• O controle por instrução é a razão para recorrer a ele em vez do qwen3-tts-flash simples.
• Você descreve em linguagem comum a entrega que deseja para controlar velocidade, emoção e estilo a cada requisição, sendo os exemplos documentados falar suavemente em um ritmo mais lento ou usar um estilo empolgado de locução; o campo instructions aceita até 1.600 tokens e está documentado apenas para chinês e inglês, e optimize_instructions, desligado por padrão, faz o serviço reescrever seu texto em uma diretriz mais adequada à síntese.
• As vozes são as personas nomeadas da família, entre elas Cherry, como uma jovem alegre, positiva, amigável e natural, e Nofish, um designer que não consegue pronunciar sons retroflexos, e a lista de vozes informa quais ids de modelo aceitam cada uma.
• São cobertos dez idiomas, chinês (mandarim), inglês, alemão, italiano, português, espanhol, japonês, coreano, francês e russo, e, diferentemente do qwen3-tts-flash, a linha Instruct não traz nenhuma das vozes de dialetos chineses.
• Dois limites moldam a integração: o texto de entrada é limitado a 600 caracteres, e language_type assume Auto por padrão, o que a Alibaba diz não garantir precisão, recomendando substituí-lo por um idioma explícito quando o texto está em um único idioma.
• Sem streaming, ele retorna a URL de um arquivo de áudio válida por 24 horas, enquanto com streaming retorna PCM codificado em Base64 em chunks, com a URL apenas no pacote final, e os exemplos oficiais reproduzem esse stream como áudio mono de 24 kHz e 16 bits.
• A cobrança conta os caracteres do texto de entrada, a $0,115 por 10.000 no escopo de implantação internacional, e o áudio de saída é gratuito.
• A Synthorai o serve pelo endpoint /v1/audio/speech compatível com OpenAI.

Perguntas frequentes

Modelos relacionados

Comparar