Qwen Audio 3.0 TTS
À partir de $0.056 pour 1 000 caractères
La synthèse vocale multilingue d’Alibaba, avec des balises d’émotion intégrées au texte. Craze propose une voie TTS pour la narration en 16 langues.
Craze utilise Qwen Audio 3.0 TTS lorsque vous le demandez par son nom.
Les points forts de Qwen Audio 3.0 TTS
Des balises d’émotion pour une interprétation précise
Intégrez des balises comme (whisper), (angry), (laughs) et (breaths) directement dans votre script.
Une voie pour la narration sur Craze
Craze propose une voie de synthèse vocale Qwen.
Traite les longs scripts en une passe
Générez jusqu’à 2 000 caractères de script en un seul appel.
Une narration centrée sur le texte
La voie Craze accepte un script et un identifiant de voix facultatif.
Réaliser. Créer. Éditer.
Arrêtez de prompter. Commencez à diriger.
Craze brainstorme, fait des recherches et planifie avec vous.
Créez du contenu de bon goût.
Craze génère tout ce qu’on peut imaginer. Vidéo, audio, musique, motion design et plus encore.
Montez des vidéos en quelques minutes. Pas en quelques jours.
Craze regarde vos rushs et construit un montage final. Avec un vrai éditeur si vous en avez besoin.
Créez des vidéos que les gens regardent
- Vidéos UGC
- Motion graphics
- Longs métrages
- Visualisation de produits
- Micro-dramas
- Films 3D
- Clips musicaux
- Films de marque
- Temps forts de mariage
- Tests YouTube
Comparaison de Qwen Audio 3.0 TTS
Chaque modèle présenté ici fonctionne sur tous les forfaits Craze, y compris Free, et Craze peut en utiliser un différent pour chaque plan.
| Qwen Audio 3.0 TTSAlibaba | ElevenLabs v4ElevenLabs | Gemini 3.8 Flash TTSGoogle DeepMind | Gemini 3.8 Flash Lite TTSGoogle DeepMind | |
|---|---|---|---|---|
| Crée | Texte vers audio | Texte vers audio | Texte vers audio | Texte vers audio |
| À partir de | $0.056 pour 1 000 caractères | $0.089 pour 1 000 caractères | $0.050 pour 1 000 caractères | $0.034 pour 1 000 caractères |
Caractéristiques de Qwen Audio 3.0 TTS sur Craze
| Tâche | Entrées | Résolution | Formats d’image | Son |
|---|---|---|---|---|
| Texte vers parole | Prompt texte | Suit la source | Suit l’entrée | Aucun |
Choisissez le forfait de votre prochaine création.
Free
$0 / mois
- Utilisation limitée
- Accès à tous les modèles de médias
- Niveau de chat Efficace
- 1 GB de stockage
- Craze MCP
- Exports jusqu’en 720p
- Recharger des crédits supplémentaires
Pro
$19 / mois
- $19 de crédits chaque mois
- Accès à tous les modèles de médias
- Tous les niveaux de chat
- 50 GB de stockage
- Craze MCP
- Aucune limite de résolution pour les exports
- Recharger des crédits supplémentaires
Ultra
$59 / mois
- $59 de crédits chaque mois
- Accès à tous les modèles de médias
- Tous les niveaux de chat
- 200 GB de stockage
- Craze MCP
- Aucune limite de résolution pour les exports
- Recharger des crédits supplémentaires
Max
$199 / mois
- $199 de crédits chaque mois
- Accès à tous les modèles de médias
- Tous les niveaux de chat
- 1 TB de stockage
- Craze MCP
- Aucune limite de résolution pour les exports
- Recharger des crédits supplémentaires
Questions fréquentes
Qwen Audio 3.0 TTS est le modèle de synthèse vocale multilingue d’Alibaba, conçu pour les créateurs qui ont besoin à la fois de contrôle des émotions et d’une faible latence. Il traite efficacement les longs scripts dans 16 langues, avec des balises d’émotion précises et une seule voie TTS.
Pourquoi les créateurs choisissent Qwen Audio 3.0 TTS
Qwen Audio 3.0 TTS l’emporte par sa flexibilité. Il vous offre une voie TTS, un contrôle fin des émotions et la prise en charge de 16 langues : un seul modèle couvre ainsi la plupart des cas de narration.
Des balises d’émotion pour une interprétation précise
Intégrez des balises comme (whisper), (angry), (laughs) et (breaths) directement dans votre script. Le modèle génère ces indices émotionnels et non verbaux dans la narration elle-même, pas sous forme de pistes séparées. Votre script pilote la performance.
Une voie pour la narration sur Craze
Craze propose une voie de synthèse vocale Qwen. Écrivez le script et régénérez une prise quand vous voulez essayer une interprétation différente.
Traite les longs scripts en une passe
Générez jusqu’à 2 000 caractères de script en un seul appel. Pas de raccords, pas de ruptures de continuité. C’est pratique pour les documentaires, les livres audio et les tutoriels, quand vous voulez toute la narration d’un coup.
Une narration centrée sur le texte
La voie Craze accepte un script et un identifiant de voix facultatif. Elle n’accepte pas d’import d’audio de référence.
Comment utiliser Qwen Audio 3.0 TTS dans Craze
- Écrivez ou collez votre script. Ajoutez des balises d’émotion comme
(warmly)ou(urgent)pour orienter l’interprétation. - Choisissez éventuellement un identifiant de voix, puis mentionnez Qwen Audio 3.0 TTS dans le chat ou sélectionnez-le dans le panneau Modèles.
- Craze génère la narration et la place dans votre projet.
- Coupez, ajustez le timing ou régénérez une section si vous voulez une autre interprétation émotionnelle.
Tarifs de Qwen Audio 3.0 TTS
Les tarifs commencent à $0.056 pour 1 000 caractères et varient selon la longueur du script. Le calculateur de cette page affiche le total avant la génération.
À qui s’adresse Qwen Audio 3.0 TTS
La narration émotionnelle et les voix de personnages
Quand le ton et l’émotion sont au cœur de votre histoire, les balises intégrées de Qwen vous permettent de diriger la performance. Un personnage peut dire la même réplique avec chaleur, colère ou peur (le tout dans votre script).
Les contenus longs et la documentation
Les livres audio, les cours et la documentation technique peuvent être découpés en scripts de 2 000 caractères maximum par génération, puis assemblés dans la timeline.
L’itération rapide et les tests A/B
Régénérez des prises pour essayer différentes lectures émotionnelles du même script.
Les projets multilingues avec une voix cohérente
Assurez la narration d’une campagne mondiale en 16 langues avec la même voix et une cohérence émotionnelle dans toutes les versions. Une voix, de nombreux marchés.
Qwen Audio 3.0 TTS face aux autres modèles
Gemini 3.1 Flash TTS est le modèle expressif de Google, avec des prompts pilotables optimisés pour la narration en anglais. Qwen Audio 3.0 TTS est conçu pour le travail multilingue, avec des balises d’émotion intégrées et une seule voie TTS. Choisissez Gemini pour une narration en anglais dirigée avec un contrôle fin du rythme. Choisissez Qwen pour des scripts multilingues et une interprétation guidée par l’émotion dans plusieurs langues.
Seed Speech de ByteDance propose une narration à partir de texte avec choix de voix facultatif, tandis que Qwen se concentre sur le contrôle des émotions et la prise en charge multilingue. MiniMax Speech 2.8 HD inclut des sons non verbaux comme les rires et les soupirs, tandis que Qwen est optimisé pour le dialogue et la narration purs avec des balises d’émotion. Seed Audio 1.0 accepte aussi des références audio ou image pour la parole.
Balises d’émotion et contrôle de l’interprétation
Qwen Audio 3.0 TTS reconnaît des balises d’émotion standard comme (whisper), (angry), (happy), (sad), (laughs), (coughs) et (breaths). Vous pouvez aussi utiliser des descriptions en langage naturel dans le prompt : « dis cette réplique comme un présentateur de journal télévisé » ou « parais nerveux et hésitant ici ». Le modèle combine les deux approches : mélangez donc balises intégrées et indications dans le prompt pour un contrôle fin.
Les émotions combinées fonctionnent sur Qwen. Marquez une réplique « (angry but controlled) » ou « (excited but whispering) » pour une interprétation nuancée. Le modèle équilibre intelligemment des indications émotionnelles concurrentes : vous obtenez une lecture complexe plutôt qu’une émotion qui en écrase une autre. C’est précieux pour le travail sur les personnages, quand un locuteur ressent des émotions contradictoires ou changeantes au sein d’une même réplique.
Diriger une seule voie TTS
Pour des lectures émotionnelles différentes, ajustez les balises intégrées et régénérez. Écoutez chaque prise avant de la placer dans une séquence plus longue.
Sur Craze, vous pouvez affiner l’interprétation d’une réplique en modifiant le script et les balises, puis régénérer avec la même voie pour une prise finale.
Prise en charge multilingue et cohérence de la voix
Qwen gère 16 langues, dont l’anglais, l’espagnol, le français, l’allemand, l’italien, le portugais, le néerlandais, le polonais, le russe, le turc, l’arabe, le chinois (simplifié et traditionnel), le japonais, le coréen et le vietnamien. Un identifiant de voix facultatif vous permet de sélectionner une voix pour différents scripts. L’alternance de langues (mélanger des langues au milieu d’un script) fonctionne dans une certaine mesure.
Si une langue demande un autre accent, essayez un autre identifiant de voix disponible et écoutez la prise générée.
Limites de script et performances
Qwen Audio 3.0 TTS traite jusqu’à 2 000 caractères de script par requête sur Craze. Les scripts plus longs doivent être découpés et combinés dans votre timeline. Le modèle fonctionne mieux avec des scripts riches en ponctuation, car il s’appuie sur les pauses pour déduire le rythme. Les phrases interminables sonnent précipitées. Ajoutez des points, des virgules et des tirets pour contrôler le timing. Les points de suspension (...) créent des pauses pour un effet dramatique.
Pour une narration plus longue, découpez votre script en requêtes de 2 000 caractères maximum et assemblez les résultats dans votre timeline.



















