Qwen Audio 3.1 TTS Plus vs StepAudio 3 TTS

Qwen Audio 3.1 TTS Plus وStepAudio 3 TTS جنبًا إلى جنب: المواصفات والقدرات والمعلمات والأسعار المباشرة من كتالوج EmpirioLabs.

Alibaba Cloud StepFun توليد الصوت

Qwen Audio 3.1 TTS Plus vs StepAudio 3 TTS في لمحة

Qwen Audio 3.1 TTS Plus من Alibaba Cloud وStepAudio 3 TTS من StepFun كلاهما ضمن فئة توليد الصوت، ومتاحان عبر واجهة EmpirioLabs API.

أهم الفروق

  • Qwen Audio 3.1 TTS Plus هو الإصدار الأحدث (21 أكتوبر 2026)؛ أما StepAudio 3 TTS فصدر في 9 سبتمبر 2026.
  • قدرات مذكورة لـ Qwen Audio 3.1 TTS Plus فقط: expressive prosody, emotion control, voice tags, streaming, realtime, voice cloning.
  • قدرات مذكورة لـ StepAudio 3 TTS فقط: contextual tts, voice control.
  • StepAudio 3 TTS لديه السعر الأقل لـ التركيب (لكل 10,000 حرف).

Qwen Audio 3.1 TTS Plus vs StepAudio 3 TTS: المواصفات

المواصفةQwen Audio 3.1 TTS PlusStepAudio 3 TTS
معرّف النموذجqwen-audio-3-1-tts-plusstepaudio-3-tts
المطورAlibaba CloudStepFun
تاريخ الإصدار21 أكتوبر 20269 سبتمبر 2026
الإدخال
نص
نص
الإخراج
صوت
صوت
المنطقةSingaporeInternational
نقاط النهاية
POST /v1/audio/speech POST /v1/audio/speech:stream WEBSOCKET /v1/realtime GET /v1/voices
POST /v1/audio/speech POST /v1/audio/speech:stream
القدرات
text to speech multilingual expressive prosody emotion control voice tags streaming realtime voice cloning
text to speech contextual tts voice control multilingual

Qwen Audio 3.1 TTS Plus vs StepAudio 3 TTS: أسعار الواجهة

أسعار مباشرة من كتالوج EmpirioLabs لكلا النموذجين. كل جدول أسعار يطابق دائمًا ما تحتسبه الواجهة.

Qwen Audio 3.1 TTS Plus vs StepAudio 3 TTS: معلمات الواجهة

معلمات الطلب المدرجة لكل نموذج على EmpirioLabs، مع القيم المسموح بها أو النطاق حيثما ينطبق. تشير الشرطة إلى معلمة غير مدرجة للنموذج.

المعاملQwen Audio 3.1 TTS PlusStepAudio 3 TTS
inputالحد الأقصى 10000الحد الأقصى 1000
voicelonganlingxin_v3.1, longanhuan_v3.1, longanfengyue_v3.1, xuna... الافتراضي: longanlingxin_v3.1lively-girl, vibrant-youth, soft-spoken-gentleman, magnetic-v... الافتراضي: lively-girl
voice_audio_urlstring-
response_formatmp3, wav, pcm, opus الافتراضي: mp3mp3, wav, flac, opus, pcm الافتراضي: mp3
sample_rate8000, 12000, 16000, 22050, 24000, 44100, 48000 الافتراضي: 240008000, 16000, 22050, 24000 الافتراضي: 24000
speed0.5 إلى 2 الافتراضي: 10.5 إلى 2 الافتراضي: 1
pitch0.5 إلى 2 الافتراضي: 1-
volume0 إلى 100 الافتراضي: 500.1 إلى 2 الافتراضي: 1
instructionالحد الأقصى 1000الحد الأقصى 500
language_hintszh, en, fr, de, ja, ko, ru, pt, th, id, vi, es, it, ms, fil, ar-
seed0 إلى 65535 الافتراضي: 0-
bit_rate6000 إلى 510000 الافتراضي: 32000-
pronunciationobject-
replaceobject-
enable_markdown_filterboolean الافتراضي: false-
language-en, zh, ja, ko, fr, es الافتراضي: en

Qwen Audio 3.1 TTS Plus vs StepAudio 3 TTS: الحدود والملاحظات

Qwen Audio 3.1 TTS Plus

الأصوات

  • 4 أصوات تقرأ الصينية والإنجليزية ولغات أخرى: longanlingxin_v3.1، longanhuan_v3.1، وlonganfengyue_v3.1 إناث، وxunanchuan_v3.1 ذكر.
  • كل معرف صوتي ينتهي ب _v3.1، على سبيل المثال longanlingxin_v3.1.

أصوات مخصصة

  • اضبط voice على custom ومرر voice_audio_url، ورابط https على 10 إلى 20 ثانية من الكلام الواضح من مكبر صوت واحد.
  • يتم قبول WAV، MP3، M4A، OGG، WEBM وFLAC، حتى 15 ميجابايت. التسجيل في غرفة هادئة، بدون موسيقى أو أصوات أخرى.
  • يشمل الرد voice_id وvoice_id_expires_at. مرر voice_id voice لإعادة استخدام الصوت لمدة 7 أيام، على POST /v1/audio/speech أو POST /v1/audio/speech:stream أو على المقبس في الوقت الحقيقي، حيث يأخذ session.update نفس الحقول ويعيد session.updated voice_id. فقط الحساب الذي أنشأه يمكنه استخدامه، على هذا النموذج فقط.
  • يمكن لكل حساب احتواء 10 أصوات مخصصة على هذا النموذج في نفس الوقت.
  • GET /v1/voices?model=qwen-audio-3-1-tts-plus يسرد أصوات النموذج، بما في ذلك أصواتك المخصصة مع معرفاتهم. أضف type=custom لسرد الأصوات المخصصة فقط.
  • DELETE /v1/voices/{voice_id}?model=qwen-audio-3-1-tts-plus يحذف صوتا مخصصا، مما يترك مكانه فورا.
  • في Playground، قم بتعيين الصوت على مخصص لاستخدام صوت محفوظ مرة أخرى، أو نسخ معرفه، أو احذفه.
  • إنشاء وإدراج وحذف الأصوات المخصصة تضيف مجانا.

اتجاه التسليم

  • يحدد instruction المشاعر والنغمة والشخصية والإيقاع وأسلوب التحدث بلغة طبيعية، حتى 1000 حرف.
  • العلامات الداخلية داخل النص تغير طريقة التسليم من تلك النقطة، مثل [excited] أو [whispers]، أو تضيف صوتا لمرة واحدة مثل [laughing] أو [sighing]. القائمة الكاملة للوسوم موجودة على معامل input.
  • إدخال SSML غير مدعوم.

حدود الإدخال

  • حتى 10,000 حرف لكل طلب.
  • language_hints يسبب تحيزات في النطق للنصوص المختلطة.

الإنتاج

  • MP3، WAV، PCM، أو Opus عند 8,000 إلى 48,000 هرتز.
  • يرسل POST /v1/audio/speech:stream مقاطع صوتية أثناء توليد الكلام.

الوقت الحقيقي

  • WEBSOCKET /v1/realtime?model=qwen-audio-3-1-tts-plus يأخذ النص أثناء كتابته ويعيد الصوت أثناء تولده. أرسل input_text_buffer.append الأحداث، ثم input_text_buffer.commit، أو session.finish لإنهاء الجلسة.
  • يصل الصوت بأحداث response.audio.delta: PCM 16-بت عند 24,000 هرتز افتراضيا، أو MP3 أو Opus. اضبط الصوت، التعليمات، التنسيق والخيارات الأخرى باستخدام session.update؛ يتم تطبيق تغيير من الجزء التالي.
  • ينطق النص في مقاطع تنتهي عند حدود الجمل، وينتهي كل جزء بحدث response.done يحمل استخدامه.

التصنيف

  • يتم احتساب الحرف لكل حرف من نص الإدخال. الحرف الصيني يحتسب كحرفين، والعلامات الداخلية تحتسب كأحرف. التعليمات لا تحسب حسب الصورة.
  • في المقبس الزمني الحقيقي، يتم ترويج كل جزء لشخصياته الخاصة.

StepAudio 3 TTS

الحد الأقصى للمدخلات هو 1,000 حرف. المحتوى بين قوسين يعامل كاتجاه تسليم ولا يتحدث بقوة. استخدم التعليمات لتوجيه المشاعر أو الأسلوب العام، حتى 500 حرف. يتوفر اثنا عشر صوتا نظاميا. اللغات المعترف بها هي الصينية، الإنجليزية، اليابانية، الكورية، الفرنسية، والإسبانية، مع لغات غير الصينية والإنجليزية في المعاينة. صيغ الإخراج هي mp3، wav، flac، opus، وpcm عند 8000، 16000، 22050، أو 24000 هرتز. يتم إرجاع Wav كملف كامل بدلا من البث. هذا النموذج لا يدعم voice_label.

كيفية استدعاء Qwen Audio 3.1 TTS Plus وStepAudio 3 TTS

يولّد Qwen Audio 3.1 TTS Plus الكلام عبر POST /v1/audio/speech ويعيد صوتًا قابلًا للتشغيل. أرسل النص المطلوب نطقه في input مع معرّف النموذج qwen-audio-3-1-tts-plus. يُستدعى النموذجان عبر نقطة النهاية نفسها. اضبط model على qwen-audio-3-1-tts-plus أو stepaudio-3-tts. احصل على مفتاح API من لوحة تحكم EmpirioLabs.

cURL
curl https://api.empiriolabs.ai/v1/audio/speech \
  -H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen-audio-3-1-tts-plus",
    "input": "Welcome to EmpirioLabs. Your build just finished."
  }' \
  --output speech.mp3

Qwen Audio 3.1 TTS Plus vs StepAudio 3 TTS: اختبارات وأدلة

اختبارات مطالبات ومقارنات تغطي كلا النموذجين.

Qwen Audio 3.1 TTS Plus vs StepAudio 3 TTS: أسئلة شائعة

ما الفرق بين Qwen Audio 3.1 TTS Plus وStepAudio 3 TTS؟

Qwen Audio 3.1 TTS Plus هو الإصدار الأحدث (21 أكتوبر 2026)؛ أما StepAudio 3 TTS فصدر في 9 سبتمبر 2026. قدرات مذكورة لـ Qwen Audio 3.1 TTS Plus فقط: expressive prosody, emotion control, voice tags, streaming, realtime, voice cloning. قدرات مذكورة لـ StepAudio 3 TTS فقط: contextual tts, voice control. المواصفات وجداول الأسعار والمعلمات في هذه الصفحة مصدرها كتالوج EmpirioLabs المباشر.

أيهما أحدث، Qwen Audio 3.1 TTS Plus أم StepAudio 3 TTS؟

Qwen Audio 3.1 TTS Plus هو الإصدار الأحدث (21 أكتوبر 2026)؛ أما StepAudio 3 TTS فصدر في 9 سبتمبر 2026.

أيهما سعره أقل، Qwen Audio 3.1 TTS Plus أم StepAudio 3 TTS؟

StepAudio 3 TTS لديه السعر الأقل لـ التركيب (لكل 10,000 حرف). جدولا الأسعار المباشران موجودان في هذه الصفحة ويطابقان دائمًا ما تحتسبه الواجهة.

هل يمكنني التبديل بين Qwen Audio 3.1 TTS Plus وStepAudio 3 TTS دون إعادة بناء التكامل؟

نعم. يستخدم النموذجان POST /v1/audio/speech بمفتاح EmpirioLabs API نفسه، لذا يكفي في معظم التكاملات تغيير قيمة model للتبديل. راجع أولًا جدول المعلمات في هذه الصفحة إذا كنت تعتمد على معلمة خاصة بنموذج معين.

هل أنت مستعد لاستخدام نقاط نهاية أفضل؟

تحقق من تسعيرنا أو تواصل إذا كنت ترغب في نشر نموذجك الخاص على مجموعتنا.