Qwen: Qwen-Audio-3.0-TTS Plus

Qwen-Audio-3.0-TTS Plus is een tekst-naar-spraakmodel van Qwen, de modelfamilie van Alibaba. Het valt in de categorie spraak en wordt beschreven als Alibaba's tekst-naar-spraakmodel van hogere kwaliteit, gepositioneerd boven de standaardlaag van dezelfde lijn. Het genereert gesproken audio uit tekst en is normaal gesproken bereikbaar via de DashScope Speech Synthesizer API aan de kant van Alibaba. Het werd door de provider uitgebracht op 2026-07-23.

Het model neemt tekst als enige invoer en retourneert spraak als enige uitvoer. Er is geen beeld-, audio- of video-invoer, dus het kan geen stem klonen op basis van een sample of iets transcriberen; het leest geschreven tekst hardop voor. Er zijn twee stemmen beschikbaar, longanlingxin en longanlufeng, en je kiest er een wanneer je een verzoek doet. Er is geen contextlengte gepubliceerd voor dit model, dus beschouw de hoeveelheid tekst die je in een enkele aanroep kunt verzenden als niet gespecificeerd en splits lange documenten in kleinere stukken als je zeker wilt zijn.

Omdat de invoer tekst is en de uitvoer audio, zijn de voor de hand liggende toepassingen narratie en weergave. Je kunt artikelen, documentatie of kennisbankitems omzetten in beluisterbare versies, voice-overs genereren voor video's en productdemonstraties, gesproken prompts of bevestigingen in een applicatie produceren, of toegankelijkheidsfuncties bouwen die on-screen inhoud voorlezen aan gebruikers die audio verkiezen. Overal waar je tekst hebt die iemand liever hoort dan leest, is dit model een kandidaat.

Op api14 roep je het model aan via de OpenAI-compatibele API met het model-id qwen/qwen-audio-3.0-tts-plus, wat betekent dat bestaande OpenAI SDK's en clients werken met een wijziging van de base URL en de modelstring. Je levert de tekst die moet worden uitgesproken en kiest een van de twee stemmen. Het model biedt in deze listing geen instelbare parameters, dus er is geen temperatuur, top_p of vergelijkbare sampling-regeling om in te stellen, en er is geen maximale uitvoerlengte gepubliceerd. Naast de tekst en de stemkeuze zijn de generatie-instellingen vastgelegd door de provider.

Als je taak niet het produceren van spraak uit tekst is, past een ander model beter. Spraakherkenning, stemklonen op basis van een referentieclip en audiobewerking vallen buiten wat dit model doet, aangezien het alleen tekst accepteert en alleen spraak uitzendt. Hetzelfde geldt als je fijne controle over prosodie wilt via sampling-parameters, omdat er hier geen worden vermeld.