Qwen-Audio-3.1-TTS-Next
复制成功！
立即体验加入对比
概述
Qwen-Audio-3.1-TTS-Next 是一款面向统一音频生成的 Audiogen 模型，不再局限于传统 TTS 的单一语音合成，而是能够围绕文本、时间戳和参考音频等输入，一次生成完整的音频内容，包括人声、音效、环境音、背景音乐等。模型支持多语种 TTS、单人说话、多人对话、Podcast 播客、影视剧声景、音乐、环境音与音效等任务。其核心亮点在于更自然的人声表达、稳定的音色保持、灵活的时间控制，以及高质量音乐与综合声景生成能力，适用于内容创作、短视频、播客、影视和游戏音频制作等场景。
输入
文本音频
输出
音频
功能
定价
- 输入¥6/M tokens
- 输出¥12/M tokens
速率限制
- RPM每分钟请求数180
API 参考
调用API复制成功！
123456789101112131415161718192021222324252627
# coding=utf-8
# pip install requests
import os
import requests
response = requests.post(
"https://cn-beijing.maas.qianwenaiapi.com/api/v1/services/audio/tts/SpeechSynthesizer",
headers={
"Authorization": f"Bearer {os.environ['DASHSCOPE_API_KEY']}",
"Content-Type": "application/json",
},
json={
"model": "qwen-audio-3.1-tts-next",
"input": {
"text_prompt": '一位女性清晰地说：“你好，欢迎使用。”',
"format": "wav",
},
},
timeout=300,
)
response.raise_for_status()
audio_url = response.json()["output"]["audio"]["url"]
audio_response = requests.get(audio_url, timeout=60)
audio_response.raise_for_status()
with open("output.wav", "wb") as f:
f.write(audio_response.content)