الإجابة المختصرة: لنفس النص المكون من 174 حرفا، كوين أوديو 3.1 TTS بأقل تكلفة بأقل من عشر السنت، ستيب أوديو 3 TTS أعاد ملفه بأسرع وقت ممكن، و جيميني 3.8 فلاش TTS التكلفة الأكبر، أقل من سنتين. كوين أوديو 3.0 TTS التكلفة أقل من نصف سنت. جميع الأربعة يعملون على EmpirioLabs عبر نفس نقطة نهاية الخطاب. استمع إلى كل مقطع أدناه؛ نحن لا نعلن الفائز.
استمع إلى الأصوات الأربعة
النص: "فتحت الرسالة متوقعا رفضا مهذبا آخر. بدلا من ذلك، قالت السطر الأول: مبروك، الوظيفة لك. قرأتها ثلاث مرات قبل أن أسمح لنفسي بتصديقها." الإدراج: "ابدأ بهدوء وقليل من التعب، ثم تفاجأ وشعر بالفرح عند الجملة الأخيرة."
النتائج نظرة سريعة
| كوين أوديو 3.1 TTS | كوين أوديو 3.0 TTS | جيميني 3.8 فلاش TTS | ستيب أوديو 3 TTS | |
|---|---|---|---|---|
| الصانع | علي بابا | علي بابا | جوجل | ستيب فان |
| وحدة الفوترة | الرموز: رسالة نصية مدخلة، 12.5 رمز في الثانية من الصوت المخرج | الشخصيات | الرموز | الشخصيات |
| سعر هذا الطلب | $0.0008 | $0.0035 | $0.0180 | $0.0026 |
| طول الصوت | 16.8 ثانية | 13.4 ثانية | 15.4 ثانية | 12.3 ثانية |
| حان الوقت للملف النهائي | 13.4 ثانية | 16.6 ثانية | 7.5 ثانية | 4.4 ثانية |
| الأصوات | 19 | أكثر من 1000 | 30 في قائمة الأصوات، وأكثر من 2000 في المكتبة | 12 صوتا رسميا |
| مجال الاتجاهات | التعليم | التعليم | style_prompt | التعليم |
| البث المباشر | نعم | نعم | نعم | نعم |
كيف أدرناها
كل نموذج يقرأ نفس النص بنفس الاتجاه، يمرر في حقل الاتجاه الخاص بالنموذج. كل نموذج استخدم صوت أنثى إنجليزي من مكتبته الخاصة، وأعاد MP3، واحتفظ بكل الإعدادات الأخرى على الوضع الافتراضي؛ كان Qwen Audio 3.0 TTS يعمل على مستوى Plus الافتراضي. طلقة واحدة لكل منهما. الأسعار هي المبالغ المفروضة على هذه الطلبات بالضبط. الأوقات هي ثوان على الحائط لطلب واحد في 18 أكتوبر 2026، من إرسال الطلب إلى استلام الملف النهائي؛ جميع النماذج الأربعة تبث الصوت أثناء توليدها.
ما الذي يجب البحث عنه
توصيل. استمع كيف يتعامل كل صوت مع التحول من التعب إلى الفرح عند "تهانينا"، ومدى تغير وتيرة الجملة الأخيرة.
الطول والسعر. نفس النص ينتج بين 12.3 و16.8 ثانية من الصوت. Qwen Audio 3.1 TTS و Gemini 3.8 Flash TTS يحتسبان الصوت الذي تولده، لذا فإن القراءة الأبطأ تكلف أكثر؛ Qwen Audio 3.0 TTS و StepAudio 3 TTS تحسب الأحرف التي ترسلها.
أجر نفس الاختبار على EmpirioLabs
curl https://api.empiriolabs.ai/v1/audio/speech \ -H "التفويض: حامل $EMPIRIOLABS_API_KEY" \ -H "CONTENT-TYPE: application/json" \ -d '{ "model": "qwen-audio-3-1-tts", "voice": "Ava_v3.1", "input": "فتحت الرسالة متوقعا رفضا مهذبا آخر. بدلا من ذلك، قالت السطر الأول: مبروك، الوظيفة لك. قرأتها ثلاث مرات قبل أن أسمح لنفسي بتصديقها.", "تعليمات": "ابدأ بهدوء وقليل من التعب، ثم تفاجأ وسعيد بالجملة الأخيرة.", "response_format": "mp3" }'تبديل النموذج و الصوت لتشغيل نفس الطلب ضده qwen-audio-3-0-tts, gemini-3-8-flash-tts (مع style_prompt بدلا من التعليم) أو stepaudio-3-tts، أو جربها في playground.
الأسئلة الشائعة
هل تم تحرير المقاطع أو إعادة تجربتها؟
لا. كل مقطع هو أول صوت يعيده النموذج لهذا الطلب، دون تعديل.
لماذا تختلف أطوال المشابك؟
كل نموذج يسير على نفس النص بطريقته الخاصة، والتوجيه يطلب تغييرا في المزاج في منتصف الطريق. الطول مهم بالنسبة للسعر في Qwen Audio 3.1 TTS وGemini 3.8 Flash TTS، اللذين يفرضان على الصوت المولد.
أي واحد يجب أن أستخدم؟
استمع إلى المقاطع مع نصك الخاص. نفس الطلب ينطبق على الأربعة مع تغيير النموذج والصوت ومجال الاتجاه فقط.
جربها
Playground | جميع الطرازات | التسعير
إفصاح: كتب هذا المقال بمساعدة الذكاء الاصطناعي وتمت مراجعته من قبل EmpirioLabs AI.
