API de Qwen3-TTS Base (clone)
Fuente del modelo: Hugging FaceHabla con la voz que quieras: le das una muestra de unos segundos y la imita.
Qwen3-TTS Base convierte texto en voz con una voz clonada a partir de una muestra que le das: entre 1 y 30 segundos de audio más su transcripción literal. Cuesta 5,00 € por millón de caracteres, con la misma llamada a /v1/audio/speech que la API de OpenAI.
Qué hace
Texto a voz
tts
Cómo se cobra
Cada millón de caracteres
5,00 €
Dónde funciona
España (UE)
MIG B200
Tamaño del cerebro
Pequeño y rápido
TTS, Clonación de voz
En qué destaca
- Una voz de marca que es tuya. Clona una voz a partir de una muestra corta y úsala en todas partes: asistente, centralita, vídeos, audiolibros. Igual en todos los contenidos y en el tiempo.
- Prosodia natural. Pausas, énfasis y entonación que suenan a hablado, no a leído.
- Castellano y nueve idiomas más. Chino, inglés, japonés, coreano, alemán, francés, ruso, portugués, castellano e italiano.
Eres responsable de tener los derechos sobre cualquier voz que clones. No trae voces listas: para eso, usa Qwen3-TTS CustomVoice.
Precio
€ por millón de caracteres, IVA incluido
Para tu equipo técnico
Envías el texto y recibes el audio. Eliges modelo y voz.
curl https://api.gpuflow.ai/v1/audio/speech \
-H "Authorization: Bearer $GPUFLOW_API_KEY" \
-H "Content-Type: application/json" \
-d '{ "model": "qwen3-tts-base",
"input": "Hola",
"ref_audio": "https://example.com/muestra.wav",
"ref_text": "transcripción literal de la muestra" }' --output speech.wavLímites y formatos
- Peticiones por minuto
- 1.000 por clave, con ráfagas de hasta el doble; ampliable a 5.000 desde el panel.
- Formatos de salida
- wav (por defecto), mp3, flac, pcm, aac y opus.
- Muestra para clonar
- De 1 a 30 segundos de audio, con su transcripción literal en ref_text.
Qwen3-TTS Base (clone) frente a modelos parecidos
| Qwen3-TTS Base (clone) | Qwen3-TTS CustomVoice | |
|---|---|---|
| Para qué | Tu propia voz a partir de una muestra corta | Voces listas con tono y emoción ajustables |
| Voces | Clona tu muestra | Nueve voces listas |
| Precio | 5,00 € por millón de caracteres, IVA incluido | 19,00 € por millón de caracteres, IVA incluido |
Una voz lista con control del tono: Qwen3-TTS CustomVoice; tu propia voz a partir de una muestra: Qwen3-TTS Base. Las dos usan el mismo endpoint.
Preguntas frecuentes
¿Cuánto cuesta Qwen3-TTS Base (clone)?
5,00 € por millón de caracteres, IVA incluido. Sin cuota mensual.
¿Dónde funciona?
En nuestras GPU NVIDIA B200, en un centro de datos en España.
¿Cómo clono una voz?
Llama a /v1/audio/speech con model qwen3-tts-base, el texto en input, la muestra en ref_audio (una URL https o un data URI data:audio/wav;base64) y su transcripción literal en ref_text.
¿Qué muestra necesito?
Entre 1 y 30 segundos de voz clara; fuera de ese rango se rechaza. El formato recomendado es WAV.
¿Puedo clonar sin la transcripción?
Sí, con x_vector_only_mode: true, pero solo copia el timbre y con menos calidad. Con ref_text el resultado es mejor.
¿Se cobra o se guarda la muestra?
Solo pagas los caracteres de input; ref_text no se cobra. La muestra se procesa en memoria para esa llamada y no la conservamos.