Qwen Audio 3.1 TTS vs Gemini 3.8 Flash TTS

Qwen Audio 3.1 TTS vs Gemini 3.8 Flash TTS في لمحة

Qwen Audio 3.1 TTS من Alibaba Cloud وGemini 3.8 Flash TTS من Google كلاهما ضمن فئة توليد الصوت، ومتاحان عبر واجهة EmpirioLabs API.

أهم الفروق

• Qwen Audio 3.1 TTS هو الإصدار الأحدث (23 سبتمبر 2026)؛ أما Gemini 3.8 Flash TTS فصدر في 22 سبتمبر 2026.
• قدرات مذكورة لـ Qwen Audio 3.1 TTS فقط: expressive prosody, emotion control, low latency, realtime.
• قدرات مذكورة لـ Gemini 3.8 Flash TTS فقط: multi speaker, voice control.
• Qwen Audio 3.1 TTS لديه السعر الأقل لـ المدخلات (لكل 1M رموز مطالبة) والمخرجات (لكل مليون رمز مولد).

Qwen Audio 3.1 TTS vs Gemini 3.8 Flash TTS: المواصفات

Qwen Audio 3.1 TTS vs Gemini 3.8 Flash TTS: أسعار الواجهة

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

Qwen Audio 3.1 TTS vs Gemini 3.8 Flash 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.

Qwen Audio 3.1 TTS vs Gemini 3.8 Flash TTS: الحدود والملاحظات

Qwen Audio 3.1 TTS

الأصوات

• 19 صوتا: 15 صوتا إنجليزيا و4 أصوات متعددة اللغات. إميلي، لونا، إريك، ولوكا لديهم لهجات بريطانية. آبي، آني، آفا، بيث، بيتي، كالي، سيندي، دونا، آندي، براين، وديفيد لديهم لهجات أمريكية. الأصوات متعددة اللغات longanhuan_v3.1، longanlingxin_v3.1، longanfengyue_v3.1، xunanchuan_v3.1 يقرأون الصينية والإنجليزية ولغات أخرى.
• كل معرف صوتي ينتهي ب _v3.1، على سبيل المثال Emily_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.
• يمكن لكل حساب احتواء 10 أصوات مخصصة على هذا النموذج في نفس الوقت.
• GET /v1/voices?model=qwen-audio-3-1-tts 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 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 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

• رموز الإدخال هي النص، ورموز الإخراج هي الصوت المولد بسرعة 12.5 رمز في الثانية.
• السرعة والنغمة تغيران طول الصوت المعروض لكن ليس الرموز المحولة. التعليمات التي تبطئ التسليم تضيف رموز إخراج.

Gemini 3.8 Flash TTS

الحدود

• النص: حتى 5,000 حرف لكل طلب
• الفوترة الصوتية: 32 رمز إخراج في الثانية من الصوت المولد
• 130 لغة. يتم اكتشاف لغة النص تلقائيا.

الأصوات

• الثلاثون صوتا في قائمة voice يتحدثون كل اللغات المدعومة.
• GET /v1/voices?model=gemini-3-8-flash-tts يسرد المكتبة الكاملة التي تضم أكثر من 2000 صوت عبر 30 موقعا، مع اللغة، اللهجة، الجنس، النغمة، ووصف لكل منها. قم بتصفيتها باستخدام language أو gender أو pitch أو q. أي معرف يعيده يعمل ك voice أو voice2؛ وعندما تضبط language أيضا، استخدم لغة الصوت نفسها.

أصوات مخصصة

• اضبط voice على custom ومرر تسجيلين لنفس المتحدث البالغ كروابط https: voice_audio_url، 10 إلى 30 ثانية من الكلام الطبيعي، وvoice_consent_audio_url المتحدث الذي يقول: "أنا مالك هذا الصوت وأوافق على استخدام جوجل لهذا الصوت لإنشاء نموذج صوت اصطناعي." يتم قبول البيان ب 30 لغة؛ consent_statements في هذا المعامل يسرد كل تعبير.
• يجب أن يكون كلاهما تسجيلات لشخص حقيقي، في غرفة هادئة على نفس الميكروفون. الصوت المولد بالذكاء الاصطناعي غير مقبول. يتم قبول WAV، MP3، M4A، OGG، WEBM وFLAC، حتى 15 ميجابايت لكل منها.
• يشمل الرد voice_id وvoice_id_expires_at. مرر voice_id كvoice أو voice2 لإعادة استخدام الصوت لمدة 7 أيام دون تسجيلات جديدة. voice_id يعمل فقط للحساب الذي أنشأه.
• هذا النموذج لا يحتفظ بقائمة الأصوات المخصصة، لذا يحافظ على voice_id من الرد. ينتهي الصوت المخصص عندما ينتهي صلاحية معرفه، لذلك لا يوجد شيء للحذف.
• في Playground، قم بضبط الصوت على Custom لاستخدام صوت تم إنشاؤه في نفس التبويب مرة أخرى، أو انسخ معرفه.

اتجاه التسليم

• ضع توجيه المقطع بأكمله في style_prompt بدلا من النص، مثل "دافئ، غير مستعجل، ومطمئن".
• ضع علامات الصوت في الصف حيث يجب أن يحدث الصوت. استخدم هذه العلامات الإنجليزية حتى لو كان النص بلغة أخرى:

<argh> <breath> <heavy breath> <exhales> <cackle> <cheer> <chuckle> <chuckles> <cough> <cry> <gasp> <giggle> <groan> <growl> <grunt> <grr> <hiss> <laugh> <laughter> <moan> <pant> <pff> <phew> <scream> <shout> <shriek> <sigh> <sighs> <sneeze> <snicker> <snort> <sob> <throat-clearing> <tsk> <whimper> <whispers> <whispering> <yawn> <short pause> <long pause>

• اكتب كلمة بحرف كبير لتأكيدها. لف رد فعل المستمع في أنابيب مثل |مم-هم|، لإضافتها دون بدء دور جديد.

متعدد السماعات

• حتى متحدثين لكل طلب. ابدأ كل سطر باسم المتحدث ونقطتين، مثل المتحدث1: والمتحدث2:. يجب أن تتطابق الأسماء مع speaker1_name وspeaker2_name.

الإنتاج

• WAV، MP3، OGG (أوبوس)، ALAW، أو MULAW، على تردد 8,000 إلى 48,000 هرتز.
• POST /v1/audio/speech:stream يرسل أجزاء PCM بطول 16 بت عند 24,000 هرتز أثناء توليد الصوت، ثم يرسل الملف الكامل بالتنسيق المطلوب. speed متاح على POST /v1/audio/speech فقط.

كيفية استدعاء Qwen Audio 3.1 TTS وGemini 3.8 Flash TTS

يولّد Qwen Audio 3.1 TTS الكلام عبر POST /v1/audio/speech ويعيد صوتًا قابلًا للتشغيل. أرسل النص المطلوب نطقه في input مع معرّف النموذج qwen-audio-3-1-tts. يُستدعى النموذجان عبر نقطة النهاية نفسها. اضبط model على qwen-audio-3-1-tts أو gemini-3-8-flash-tts. احصل على مفتاح API من لوحة تحكم EmpirioLabs.

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",
    "input": "Welcome to EmpirioLabs. Your build just finished."
  }' \
  --output speech.mp3

Qwen Audio 3.1 TTS vs Gemini 3.8 Flash TTS: اختبارات وأدلة

اختبارات مطالبات ومقارنات تغطي كلا النموذجين.

المرشدون Qwen Audio 3.1 TTS مقابل Qwen Audio 3.0 TTS مقابل Gemini 3.8 فلاش TTS مقابل StepAudio 3 TTS: نص واحد أعطينا Qwen Audio 3.1 TTS، Qwen Audio 3.0 TTS، Gemini 3.8 Flash TTS و StepAudio 3 TTS نفس النص واتجاه التوصيل، لقطة واحدة...

Qwen Audio 3.1 TTS vs Gemini 3.8 Flash TTS: أسئلة شائعة

ما الفرق بين Qwen Audio 3.1 TTS وGemini 3.8 Flash TTS؟

Qwen Audio 3.1 TTS هو الإصدار الأحدث (23 سبتمبر 2026)؛ أما Gemini 3.8 Flash TTS فصدر في 22 سبتمبر 2026. قدرات مذكورة لـ Qwen Audio 3.1 TTS فقط: expressive prosody, emotion control, low latency, realtime. قدرات مذكورة لـ Gemini 3.8 Flash TTS فقط: multi speaker, voice control. المواصفات وجداول الأسعار والمعلمات في هذه الصفحة مصدرها كتالوج EmpirioLabs المباشر.

أيهما أحدث، Qwen Audio 3.1 TTS أم Gemini 3.8 Flash TTS؟

Qwen Audio 3.1 TTS هو الإصدار الأحدث (23 سبتمبر 2026)؛ أما Gemini 3.8 Flash TTS فصدر في 22 سبتمبر 2026.

أيهما سعره أقل، Qwen Audio 3.1 TTS أم Gemini 3.8 Flash TTS؟

Qwen Audio 3.1 TTS لديه السعر الأقل لـ المدخلات (لكل 1M رموز مطالبة) والمخرجات (لكل مليون رمز مولد). جدولا الأسعار المباشران موجودان في هذه الصفحة ويطابقان دائمًا ما تحتسبه الواجهة.

هل يمكنني التبديل بين Qwen Audio 3.1 TTS وGemini 3.8 Flash 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.