Qwen: Qwen-Audio-3.0-TTS Flash

Qwen-Audio-3.0-TTS Flash adalah model text-to-speech dari Qwen, keluarga model milik Alibaba. Model ini berada di kategori speech dan dideskripsikan oleh provider sebagai sistem text-to-speech yang cepat dan hemat biaya. Model ini dirilis oleh provider pada 2026-07-23. Jika Anda sudah bekerja di dalam ekosistem Qwen, atau Anda membutuhkan opsi TTS hosted yang cocok dengan klien bergaya OpenAI, inilah model yang perlu dievaluasi.

Model ini menerima teks sebagai satu-satunya input dan menghasilkan speech sebagai satu-satunya output. Model ini tidak menerima gambar, audio, atau media lain sebagai input, dan tidak mengembalikan teks sebagai output. Tersedia dua voice: loongjohn dan longanhuan_v3.6. Tidak ada context length yang dipublikasikan untuk model ini, dan nilai output maksimum yang tercantum adalah 0, jadi perlakukan teks yang Anda kirim sebagai hal yang diucapkan, bukan sebagai dokumen panjang yang perlu dinalar. Tidak ada parameter request tambahan yang tercantum sebagai didukung.

Kegunaan praktisnya mengikuti bentuk tersebut secara langsung. Narasi untuk video, versi lisan dari artikel atau dokumentasi, voice prompt untuk phone tree dan sistem IVR, audio untuk fitur aksesibilitas, dan speech yang sudah dibuat sebelumnya untuk aplikasi yang membutuhkan pemutaran konsisten, semuanya cocok. Karena model ini diposisikan sebagai varian flash, model ini cocok untuk beban kerja di mana Anda menghasilkan banyak ucapan pendek atau menengah dan ingin langkah sintesis tidak mengganggu. Dua voice yang disebutkan memungkinkan Anda memilih speaker yang konsisten per produk atau per locale tanpa membangun pipeline voice Anda sendiri.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "qwen/qwen-audio-3.0-tts-flash". Arahkan klien OpenAI Anda yang sudah ada ke base URL api14, kirim request ke endpoint speech dengan teks yang ingin diucapkan, dan pilih salah satu dari dua voice tersebut. Karena API-nya kompatibel dengan OpenAI, Anda dapat mempertahankan library klien dan struktur request yang sama yang sudah Anda gunakan untuk model lain di gateway tersebut, sehingga pekerjaan integrasi tetap kecil jika Anda menambahkan speech ke aplikasi yang sudah ada.

Ingatlah cakupannya saat memilih. Ini adalah model speech, jadi model ini tidak akan membantu untuk chat, reasoning, klasifikasi, atau tugas apa pun yang mengharapkan teks kembali. Jika Anda membutuhkan model yang membaca dan menulis teks, atau model yang menangani audio sebagai input bukan output, model lain di api14 akan lebih cocok. Namun dalam jalurnya sendiri, model ini adalah cara yang lugas untuk mengubah teks menjadi audio tanpa meninggalkan permukaan yang kompatibel dengan OpenAI yang sudah Anda gunakan.