Por ahora esta guía solo está en inglés. →
Parámetros de la petición
| Parámetro | Obligatorio | Descripción |
|---|---|---|
text | Sí | The words to be spoken, exactly as written. Billed per 1,000 characters, minimum 100. |
language | No | El idioma de la locución. auto · zh · en · de · fr · es · it · pt · ru · ja · ko · Por defecto: auto |
voice_id | No | Elige entre las voces disponibles. Serena · Vivian · Uncle_Fu · Dylan · Eric · Ryan · Aiden · Ono_Anna · Sohee · Por defecto: Serena |
instructions | No | How to read the text: tone, emotion or pace. Not spoken and not billed. |
Precios
Los precios están en créditos, los mismos que usas en la web (1 crédito = 0,01 $). El importe se retiene cuando se acepta la tarea y se liquida al coste real cuando termina; las tareas fallidas se reembolsan.
| Opción | Créditos por 1.000 caracteres | ≈ USD |
|---|---|---|
| Estándar | 10,2 | 0,10 US$ |
Cada tarea se redondea al alza a créditos enteros, así que una ejecución en el nivel más bajo cuesta 11 créditos por 1.000 caracteres (0,11 US$).
Para saber la cifra exacta antes de ejecutar, envía el mismo cuerpo a POST /jobs/quote.
Inicio rápido de la API
Llama a la API de Qwen3 TTS en tres pasos
- Crea una clave de API. Inicia sesión en PopNow y crea una clave en la consola de la API. Las claves empiezan por sk-popnow- y usan los mismos créditos que el sitio web.
- Envía la solicitud. Haz POST /jobs/createTask con model alibaba/qwen-3-tts/text-to-speech y un objeto input según la tabla de parámetros. La respuesta devuelve un ID de tarea al instante.
- Obtén el resultado. Consulta GET /jobs/recordInfo con el ID de tarea, o pasa una callBackUrl y te enviamos el resultado ahí. Descarga los enlaces de salida cuando la tarea termine bien.
# 1. Create the task. Keep the Idempotency-Key if you retry after a network error.
export IDEMPOTENCY_KEY="$(uuidgen)"
curl -X POST https://api.popnow.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $POPNOW_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $IDEMPOTENCY_KEY" \
-d '{
"model": "alibaba/qwen-3-tts/text-to-speech",
"input": {
"text": "Welcome back. Your files finished rendering a minute ago and are ready to download.",
"voice_id": "Serena",
"language": "auto"
}
}'
# 2. Copy data.taskId from the response, then poll until state is succeeded, failed, canceled or expired.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.popnow.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $POPNOW_API_KEY"Sustituye el prompt y los enlaces por los tuyos. La pestaña API tiene la referencia de la respuesta, el sondeo y el callback.
Preguntas sobre la API de Qwen3 TTS
¿Cuánto cuesta la API de Qwen3 TTS?
Qwen3 TTS cuesta 11 créditos (0,11 US$) por 1.000 caracteres. Los créditos son los mismos que en la web (1 crédito = 0,01 $), las cuentas nuevas reciben 30 créditos gratis y las tareas fallidas se reembolsan.
¿Cuál es el nombre de modelo de Qwen3 TTS en la API?
Pon alibaba/qwen-3-tts/text-to-speech para Texto a voz en el campo model de POST /jobs/createTask.
¿Cómo controlo la interpretación?
Elige una de nueve voces con voice_id y describe la interpretación en instructions: tono, emoción o ritmo, en una o dos frases. Las instrucciones dan forma a la lectura y no se pronuncian en voz alta.
¿Qué idiomas lee?
Chino, inglés, alemán, francés, español, italiano, portugués, ruso, japonés y coreano; dos de las voces hablan los dialectos de Pekín y de Sichuan. El idioma se detecta a partir del guion, a menos que definas language.
¿Puede copiar la voz de una persona real?
No. En este endpoint solo se ofrecen las nueve voces predefinidas; no hay clonación ni carga de una voz de referencia.
¿Qué límites tiene la API de Qwen3 TTS?
Longitud del texto (caracteres): 2,000; Voces: 9; Idiomas: 10. Las peticiones fuera de estos límites se rechazan antes de cobrar nada.
¿Puedo probar Qwen3 TTS sin escribir código?
Sí. El Playground ejecuta Qwen3 TTS con tus créditos de PopNow, no necesita clave API y te muestra el código de cada generación.
Otras API de audio
- API de Gemini 3.8 Flash TTSVoz expresiva que interpreta indicaciones como [laughing]Desde 0,05 créditos por segundo
- API de MiniMax Speech 2.8 HDVoz de alta fidelidad con más de 400 voces y control emocionalDesde 18 créditos por 1.000 caracteres
- API de Gemini 3.8 Flash-Lite TTSVoz rápida y ligera con 30 vocesDesde 0,03 créditos por segundo
- API de Grok TTS71 voces en 20 idiomas, con etiquetas de expresiónDesde 3 créditos por 1.000 caracteres
- API de Seed Speech 2.041 voces cuyo tono defines con palabras sencillasDesde 11 créditos por 1.000 caracteres
- API de MiniMax Speech 2.8 TurboVoz rápida con más de 400 voces y control emocionalDesde 11 créditos por 1.000 caracteres
