Generación de audio: ejemplos y guía de prompts - Alibaba Cloud Model Studio

Genere voz, efectos de sonido y sonido ambiental simultáneamente a partir de descripciones de texto y audio de referencia para crear escenas de audio completas. Explore ejemplos y técnicas de prompts para diálogos y podcasts.

Casos de uso

La generación de audio va más allá de convertir texto en voz. Puede generar voz, efectos de sonido y sonido ambiental simultáneamente para crear escenas de audio completas:

Voz y diálogo: narración, diálogo con múltiples hablantes, podcasts, audiolibros y radioteatro.
Escenas de audio: diálogo acompañado de lluvia, olas del mar o efectos de sonido de videojuegos.

Para convertir un guion fijo en voz, también puede utilizar Texto a voz. Utilice la generación de audio cuando necesite describir tanto a los hablantes como otros sonidos en una escena.

Ejemplos

Explore prompts y audio generado para diferentes escenarios. Los resultados pueden variar entre solicitudes con el mismo prompt.

Escenario Prompt Audio

Doblaje de videojuegos

Escenario	Prompt	Audio
Doblaje de videojuegos	NPC dialogue for a battle scene in a game. At a temporary aid station on the edge of a battlefield, a medic treats wounded soldiers and calls out over the chaos. Background sounds include distant battle cries, wounded soldiers groaning, and fabric tearing. The medic is a thirty-five-year-old woman with an urgent, resolute voice, full of anxiety and concern, speaking quickly. She shouts in English: "Quick! Get the wounded down here! There's another one! Stay with me. Don't close your eyes! A stretcher! Where's the stretcher? Keep pressure on the wound! A medic is on the way! All of you, hang in there!"
Diálogo cinematográfico	An English-language film scene on an almost empty railway platform at night. Rain ticks against a metal roof, and an idling train rumbles in the distance. Owen, a man around thirty with a tired, low voice, speaks to his older sister Ruth, whose voice is firm but trembling underneath. Owen says quietly, "You didn't have to come." Ruth replies, "You left your scarf." A brief rustle of fabric. Owen gives a faint, breathy laugh. "It's summer." Ruth says, "It gets cold where you're going." A departure whistle sounds far away. Owen's voice softens: "I'll call when I get there." Ruth takes a breath and answers, "Call before that." Footsteps move toward the train; keep the rain audible as the dialogue ends. No narrator and no background score.

NPC dialogue for a battle scene in a game. At a temporary aid station on the edge of a battlefield, a medic treats wounded soldiers and calls out over the chaos. Background sounds include distant battle cries, wounded soldiers groaning, and fabric tearing. The medic is a thirty-five-year-old woman with an urgent, resolute voice, full of anxiety and concern, speaking quickly. She shouts in English: "Quick! Get the wounded down here! There's another one! Stay with me. Don't close your eyes! A stretcher! Where's the stretcher? Keep pressure on the wound! A medic is on the way! All of you, hang in there!"

Diálogo cinematográfico

An English-language film scene on an almost empty railway platform at night. Rain ticks against a metal roof, and an idling train rumbles in the distance. Owen, a man around thirty with a tired, low voice, speaks to his older sister Ruth, whose voice is firm but trembling underneath. Owen says quietly, "You didn't have to come." Ruth replies, "You left your scarf." A brief rustle of fabric. Owen gives a faint, breathy laugh. "It's summer." Ruth says, "It gets cold where you're going." A departure whistle sounds far away. Owen's voice softens: "I'll call when I get there." Ruth takes a breath and answers, "Call before that." Footsteps move toward the train; keep the rain audible as the dialogue ends. No narrator and no background score.

Redactar un prompt

Describa los sonidos necesarios en un solo prompt, distinguiendo el diálogo de las acotaciones de la escena.

Elemento	Ejemplo
Tarea	“Un intercambio inicial entre dos presentadores de podcast” o “Una escena de radioteatro con diálogo bajo la lluvia”
Personajes y voces	“El personaje A tiene una voz masculina grave; el personaje B tiene una voz femenina brillante”
Diálogo	Coloque las líneas habladas entre comillas e identifique al hablante
Entonación	“Susurrar”, “sonar sorprendido” o “hacer una breve pausa antes de continuar”
Fondo y efectos	“Lluvia fuera de la ventana con sonidos suaves de pasar páginas en interiores”
Transiciones de sonido	“Pasos que se acercan antes de que el personaje empiece a hablar”

Comience con el diálogo y los sonidos principales, y luego añada las instrucciones de estilo necesarias. Utilice nombres de personajes consistentes y evite instrucciones contradictorias sobre voz o emociones. Utilice instrucciones de secuenciación para describir transiciones entre sonidos.

Usar audio de referencia

Proporcione URL de audio accesibles públicamente o audio codificado en Base64. Utilice @voice1, @voice2 y @voice3 en el prompt para referirse a los clips en el orden proporcionado.

Por ejemplo, con dos clips de referencia:

@voice1 cheerfully says: "What a lovely day." @voice2 laughs nearby.

qwen-audio-3.1-tts-next acepta hasta tres clips, cada uno con una duración máxima de 30 segundos y un tamaño máximo de 10 MB. Los formatos de referencia admitidos son WAV, MP3 y OGG Opus; PCM sin procesar no es compatible. Para cada clip, proporcione una URL o datos Base64. El servicio debe poder acceder a cualquier URL que proporcione.

Modelos compatibles

Modelo	Idiomas	Longitud máxima de entrada	Duración máxima de salida por solicitud
qwen-audio-3.1-tts-next	Chino e inglés	3,000 caracteres	Podcasts: 240 segundos (4 minutos); otros escenarios: 120 segundos

Para consultar precios y límites, véanse los detalles del modelo.

Integración y facturación

Para autenticación, parámetros y solicitudes de audio de referencia, consulte la Referencia de la API de generación de audio.
La facturación se basa en la duración original del audio generado. Cambiar la velocidad del habla no modifica la duración facturable. Consulte Precios de modelos.