Pilih model yang tepat untuk skenario teks-ke-ucapan, kloning suara, dan desain suara.
Sintesis suara standar atau suara kustom?
Model TTS mengonversi teks menjadi ucapan yang terdengar alami. Tentukan apakah suara bawaan atau suara kustom lebih sesuai dengan kebutuhan Anda:
|
Standard speech synthesis |
Custom voices |
|
|
Voice source |
Built-in voice library, ready to use |
Cloned from an audio sample or created from a text description |
|
Getting started |
No extra setup required — select a model and voice to start synthesizing |
Provide an audio sample or text description to create a voice |
|
Use cases |
Customer service bots, audiobook narration, news broadcasts, e-commerce live streaming |
Brand-specific voices, virtual streamers, game character dubbing |
|
Recommended models |
|
|
-
Gunakan sintesis suara standar jika suara bawaan memenuhi kebutuhan Anda dan Anda menginginkan pengaturan tanpa konfigurasi tambahan.
-
Gunakan suara kustom jika Anda memerlukan suara eksklusif merek, ingin mereplikasi pembicara tertentu, atau perlu membuat suara karakter baru.
Kloning suara atau desain suara?
Suara kustom menawarkan dua metode pembuatan:
|
Voice cloning |
Voice design |
|
|
Input |
An audio sample from the target speaker |
A text description of the desired voice (for example, "warm, low-pitched female voice") |
|
Result |
Synthesized speech closely resembles the original speaker |
A brand-new voice generated from scratch based on the description |
|
Use cases |
Reusing a brand spokesperson or streamer's voice, virtual streamers, personalized voice assistants |
Brand voice customization (no recordings available), game or animation character dubbing, creative content production |
|
Recommended models |
|
|
|
Voice management service |
|
|
-
Gunakan kloning suara jika Anda memiliki rekaman pembicara target dan ingin mereproduksi suara tersebut.
-
Gunakan desain suara jika tidak tersedia rekaman dan Anda ingin membuat suara berdasarkan deskripsi teks.
WebSocket atau HTTP?
-
WebSocket: Streaming dua arah yang mendukung input dan output streaming. Audio dikembalikan saat sedang disintesis, memberikan latensi terendah. Paling cocok untuk skenario real-time seperti bot layanan pelanggan, asisten suara, dan pusat panggilan.
-
HTTP: Menerima input teks lengkap dengan output audio yang dikirimkan dalam segmen. Paling cocok untuk narasi buku audio, pembuatan konten, dan produksi offline.
Model CosyVoice menggunakan nama model yang sama untuk WebSocket maupun HTTP. Model Qwen menggunakan akhiran -realtime untuk WebSocket; model tanpa akhiran tersebut menggunakan HTTP.
Model WebSocket CosyVoice dan Qwen dapat diakses melalui SDK DashScope (Java, Python). Model lainnya memerlukan pemanggilan langsung menggunakan protokol WebSocket atau HTTP yang sesuai.
Akses WebSocket: Real-time speech synthesis. Akses HTTP: Non-real-time speech synthesis.
Instruction control
Gunakan instruksi dalam bahasa alami untuk mengontrol laju ucapan, emosi, dan gaya per permintaan—misalnya, "berbicara dengan lembut pada kecepatan sedikit lebih lambat" atau "gunakan gaya siaran yang bersemangat." Fitur ini ideal untuk konten yang ekspresif secara emosional, siaran profesional, dan narasi buku audio.
Model yang didukung: CosyVoice (cosyvoice-v3.5-plus, cosyvoice-v3.5-flash, cosyvoice-v3-flash) dan Qwen-TTS (qwen3-tts-instruct-flash-realtime, qwen3-tts-instruct-flash). Real-time speech synthesis > Instruction control.
Model yang direkomendasikan
Tabel berikut mencantumkan model yang direkomendasikan untuk setiap skenario. Kunjungi Model Gallery untuk katalog lengkap.
|
Model ID |
Series |
API |
Voice cloning |
Voice design |
Instruction control |
|
|
CosyVoice |
WebSocket |
|
|
|
|
|
CosyVoice |
WebSocket |
|
|
|
Semua model
CosyVoice
Beberapa model CosyVoice mendukung markup SSML dan membaca rumus LaTeX secara lisan.
|
Model ID |
API |
Voice cloning |
Voice design |
Instruction control |
|
|
WebSocket |
|
|
|
|
|
WebSocket |
|
|
|
|
|
WebSocket |
|
|
|
|
|
WebSocket |
|
|
|
|
|
WebSocket |
|
|
|
Bahasa yang didukung (berdasarkan versi):
-
cosyvoice-v3.5-plusdancosyvoice-v3.5-flash(tidak ada suara sistem):-
Voice cloning: Bahasa Tionghoa (Mandarin; dialek Kanton, Timur Laut, Gansu, Guizhou, Henan, Hubei, Jiangxi, Min Nan, Ningxia, Shanxi, Shaanxi, Shandong, Shanghainese, Sichuan, Tianjin, dan Yunnan melalui instruction control), Inggris, Prancis, Jerman, Jepang, Korea, Rusia, Portugis, Thailand, Indonesia, dan Vietnam
-
Voice design: Bahasa Mandarin dan Inggris
-
-
cosyvoice-v3-plus:-
Suara sistem: Bahasa Mandarin dan Inggris (beragam tergantung suara)
-
Voice cloning: Bahasa Tionghoa (Mandarin; dialek Kanton, Timur Laut, Gansu, Guizhou, Henan, Hubei, Jiangxi, Min Nan, Ningxia, Shanxi, Shaanxi, Shandong, Shanghainese, Sichuan, Tianjin, dan Yunnan melalui instruction control), Inggris, Prancis, Jerman, Jepang, Korea, dan Rusia
-
Voice design: Bahasa Mandarin dan Inggris
-
-
cosyvoice-v3-flash:-
Suara sistem (beragam tergantung suara): Bahasa Mandarin (dengan dialek Kanton, Timur Laut, Henan, Hunan, Shaanxi, Shandong, Sichuan, Anhui, dan Min Nan — beberapa didukung langsung oleh suara sistem, sisanya dapat dikonfigurasi melalui instruction control), Inggris
-
Voice cloning: Bahasa Tionghoa (Mandarin; dialek Kanton, Timur Laut, Gansu, Guizhou, Henan, Hubei, Jiangxi, Min Nan, Ningxia, Shanxi, Shaanxi, Shandong, Shanghainese, Sichuan, Tianjin, dan Yunnan melalui instruction control), Inggris, Prancis, Jerman, Jepang, Korea, Rusia, Portugis, Thailand, Indonesia, dan Vietnam
-
Voice design: Bahasa Mandarin dan Inggris
-
-
cosyvoice-v2(tanpa voice design):-
Suara sistem: Bahasa Mandarin (dengan dialek Kanton, Timur Laut, Min Nan, dan Shaanxi), Inggris, Jepang, dan Korea (beragam tergantung suara)
-
Voice cloning: Bahasa Mandarin dan Inggris
-
Qwen3-TTS
|
Model ID |
API |
Voice cloning |
Voice design |
Instruction control |
|
|
HTTP |
|
|
|
|
|
HTTP |
|
|
|
|
|
HTTP |
|
|
|
|
|
WebSocket |
|
|
|
|
|
WebSocket |
|
|
|
|
|
WebSocket |
|
|
|
|
|
HTTP |
|
|
|
|
|
HTTP |
|
|
|
|
|
WebSocket |
|
|
|
|
|
WebSocket |
|
|
|
|
|
HTTP |
|
|
|
|
|
WebSocket |
|
|
|
|
|
WebSocket |
|
|
|
|
|
HTTP |
|
|
|
|
|
WebSocket |
|
|
|
|
|
WebSocket |
|
|
|
Bahasa yang didukung (berdasarkan seri):
-
Seri Qwen3-TTS-Flash (suara sistem) —
qwen3-tts-flash,qwen3-tts-flash-2025-11-27,qwen3-tts-flash-2025-09-18,qwen3-tts-flash-realtime,qwen3-tts-flash-realtime-2025-11-27,qwen3-tts-flash-realtime-2025-09-18: Bahasa Tionghoa (Mandarin; dialek Beijing, Shanghai, Sichuan, Nanjing, Shaanxi, Min Nan, Tianjin, dan Kanton, beragam tergantung suara), Inggris, Jerman, Italia, Portugis, Spanyol, Jepang, Korea, Prancis, dan Rusia -
Seri Qwen3-TTS-Instruct-Flash (suara sistem) —
qwen3-tts-instruct-flash,qwen3-tts-instruct-flash-2026-01-26,qwen3-tts-instruct-flash-realtime,qwen3-tts-instruct-flash-realtime-2026-01-22: Bahasa Mandarin, Inggris, Jerman, Italia, Portugis, Spanyol, Jepang, Korea, Prancis, dan Rusia -
Seri Qwen3-TTS-VC (kloning suara) —
qwen3-tts-vc-2026-01-22,qwen3-tts-vc-realtime-2026-01-15,qwen3-tts-vc-realtime-2025-11-27: Bahasa Mandarin, Inggris, Jerman, Italia, Portugis, Spanyol, Jepang, Korea, Prancis, dan Rusia -
Seri Qwen3-TTS-VD (desain suara) —
qwen3-tts-vd-2026-01-26,qwen3-tts-vd-realtime-2026-01-15,qwen3-tts-vd-realtime-2025-12-16: Bahasa Mandarin, Inggris, Jerman, Italia, Portugis, Spanyol, Jepang, Korea, Prancis, dan Rusia
Qwen-TTS (legacy, penagihan berbasis token)
Model Qwen-TTS lawas yang ditagih berdasarkan token. Jika Anda telah bermigrasi ke Qwen3-TTS, gunakan model yang direkomendasikan sebelumnya.
|
Model ID |
API |
Description |
|
|
HTTP |
Non-streaming synthesis, billed by token |
|
|
HTTP |
Non-streaming synthesis, billed by token |
|
|
HTTP |
Snapshot version, billed by token |
|
|
HTTP |
Snapshot version, billed by token |
|
|
WebSocket |
Streaming synthesis, billed by token |
|
|
WebSocket |
Streaming synthesis, billed by token |
|
|
WebSocket |
Snapshot version, streaming synthesis, billed by token |
Bahasa yang didukung (berdasarkan seri):
-
Seri Qwen-TTS (suara sistem) —
qwen-tts,qwen-tts-latest,qwen-tts-2025-05-22,qwen-tts-2025-04-10: Bahasa Tionghoa (Mandarin; dialek Beijing, Shanghai, dan Sichuan, beragam tergantung suara), Inggris, Jerman, Italia, Portugis, Spanyol, Jepang, Korea, Prancis, dan Rusia -
Seri Qwen-TTS-Realtime (suara sistem) —
qwen-tts-realtime,qwen-tts-realtime-latest,qwen-tts-realtime-2025-07-15: Bahasa Mandarin, Inggris, Jerman, Italia, Portugis, Spanyol, Jepang, Korea, Prancis, dan Rusia