Qwen3 TTS

文字转语音 · 已验证中文和英文

$25.00 每百万字符

英文语音推荐 chatterbox-turbo：每百万字符 $1.50，一句话约 1 秒，是 OpenAI tts-1 标价（$15）的十分之一。

中文或中英混合语音推荐 qwen3-tts：每百万字符 $25。这个价格高于 OpenAI tts-1 的 $15 标价；qwen3-tts 是能正确朗读中文的模型。

OpenAI 标价：whisper-1 每分钟 $0.006；tts-1 每百万字符 $15。

实测于 2026-10-12: ~4 s

输入限制：4,000 个 Unicode 码点。拒绝空输入。每个码点计为一个字符，包括汉字和表情符号；组合附加符号和表情序列可能计为多个字符。

格式：mp3（默认）、wav、opus、flac、pcm。不支持 aac。音频随生成进度流式返回。

Qwen3 TTS 目前只有一种声音。接受 OpenAI 声音名称，但会忽略。

voice 为可选项。Chatterbox Turbo 原样传递任意声音字符串；Qwen3 TTS 忽略 voice。

转写支持 file、model、language、prompt、temperature 和 timestamp_granularities[]（word、segment）。合成支持 model、input、可选的 voice、response_format 和 speed（0.25–4）。

转写按上传字节数 ÷ 250（2 kbit/s）预估时长，最多预留 24 小时；有效 WAV/PCM 文件头则使用精确时长。始终按模型报告的实际时长结算，即使超过预估。语音合成按输入字符数预留；上游完成全部音频，或客户端收到至少一个音频字节后断开或停滞，均全额计费。上游失败或超时不计费，即使已返回部分音频。无最低收费。

兼容别名：whisper-1 → whisper-large-v3-turbo；tts-1 → qwen3-tts。tts-1 按 qwen3-tts 计费（每百万字符 $25）。chatterbox-turbo 每百万字符 $1.50，仅支持英语；需明确选择。计费与报表使用标准模型 ID。

curl https://api.quicksilverpro.io/v1/audio/speech \
  -H "Authorization: Bearer $QSP_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"qwen3-tts","input":"Hello world"}' \
  --output speech.mp3