Qwen Audio 3.0 TTS Plus

Для Qwen Audio 3.0 TTS Plus используйте Audio Speech API.

О модели

Qwen Audio 3.0 TTS Plus — модель синтеза речи Alibaba для задач, где естественность и точность тембра важнее скорости. Alibaba Cloud рекомендует её для профессиональных сценариев с повышенными требованиями к качеству звука и выразительности: озвучки видео и фильмов, аудиокниг, голоса бренда.

Выпущена 20 июля 2026 вместе с Qwen Audio 3.0 TTS Flash, вариантом для реального времени. По данным Tongyi Lab, поддерживает 16 языков: арабский, китайский, английский, французский, немецкий, индонезийский, итальянский, японский, корейский, малайский, португальский, русский, испанский, тагальский, тайский и вьетнамский. По данным Alibaba Cloud, диалекты китайского передаёт точнее, чем предыдущая версия.

Через API DSLab модель принимает текст и возвращает аудио в форматах mp3 и pcm.

Стоимость

Текущая стоимость использования этой модели:

Что оплачивается	Стоимость
Символы	2 000₽ за 1 млн символов

Характеристики

Параметр	Значение
Вход	Текст
Выход	Аудио (речь)
Форматы ответа	`mp3`, `pcm` (24 кГц, моно)
Языки	16, по данным Tongyi Lab
Голоса	2
Дата выхода	20 июля 2026

Сравнение с соседними моделями

Модель	Языки	Назначение по данным разработчика
MAI-Voice-2.1	23	Длинные тексты: аудиокниги, подкасты, озвучка
MAI-Voice-2.1 Flash	23	Низкая задержка: голосовые агенты, ассистенты, колл-центры
MiniMax Speech 2.8 HD	40	Ультрареалистичное качество
Qwen Audio 3.0 TTS Plus (эта модель)	16	Профессиональное качество: озвучка видео и фильмов, аудиокниги, голос бренда
Voxtral TTS 3	35+	Более 50 диалектов

Бенчмарки

Бенчмарк	Результат	Условия
WER/CER, среднее по 16 языкам	3,96	По данным Tongyi Lab; чем ниже, тем лучше; условия не раскрыты
Рейтинг синтеза речи Artificial Analysis	1-е место	По данным Tongyi Lab на момент выхода модели; число не раскрыто

Стоимость

Тип	Цена за 1 млн символов
Входной текст	2 000 ₽

API

Эндпоинт

http

POST https://api.dslab.tech/v1/audio/speech

Синтез речи

import osfrom pathlib import Pathimport requestsresponse = requests.post(    "https://api.dslab.tech/v1/audio/speech",    headers={"Authorization": f"Bearer {os.environ['DSLAB_API_KEY']}"},    json={        "model": "qwen-audio-3.0-tts-plus",        "input": "Здравствуйте! Это пример синтеза речи.",        "voice": "longanlingxin",        "response_format": "mp3",    },)response.raise_for_status()Path("speech.mp3").write_bytes(response.content)

Параметры

Параметр	Тип	По умолчанию	Описание
`model`	string	обязательный	ID модели: `qwen-audio-3.0-tts-plus`.
`input`	string	обязательный	Текст для озвучивания.
`voice`	string	—	Голос, например `longanlingxin`.
`response_format`	string	—	Формат аудио: `mp3` или `pcm` (24 кГц, моно).