Qwen Audio 3.1 TTS vs Qwen Audio 3.1 TTS Next

Qwen Audio 3.1 TTS vs Qwen Audio 3.1 TTS Next في لمحة

Qwen Audio 3.1 TTS وQwen Audio 3.1 TTS Next كلاهما من نماذج Alibaba Cloud ضمن فئة توليد الصوت، ومتاحان عبر واجهة EmpirioLabs API.

أهم الفروق

• صدر النموذجان في 23 سبتمبر 2026.
• يعيد Qwen Audio 3.1 TTS حتى 60,000 رمز إخراج لكل استجابة، ويعيد Qwen Audio 3.1 TTS Next حتى 50,000.
• أنواع الإدخال التي يقبلها Qwen Audio 3.1 TTS Next وحده: صوت.
• قدرات مذكورة لـ Qwen Audio 3.1 TTS فقط: multilingual, expressive prosody, emotion control, voice tags, low latency, streaming.
• قدرات مذكورة لـ Qwen Audio 3.1 TTS Next فقط: audio generation, multi speaker, sound effects, podcast.
• Qwen Audio 3.1 TTS لديه السعر الأقل لـ المدخلات (لكل 1M رموز مطالبة).
• Qwen Audio 3.1 TTS Next لديه السعر الأقل لـ المخرجات (لكل مليون رمز مولد).

Qwen Audio 3.1 TTS vs Qwen Audio 3.1 TTS Next: المواصفات

Qwen Audio 3.1 TTS vs Qwen Audio 3.1 TTS Next: أسعار الواجهة

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

Qwen Audio 3.1 TTS vs Qwen Audio 3.1 TTS Next: 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 Qwen Audio 3.1 TTS Next: 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.

Qwen Audio 3.1 TTS Next

ما الذي يصنعه

• ملف صوتي مكتمل من وصف مكتوب: السرد، الحوار، المؤثرات الصوتية، الأجواء، والموسيقى معا.
• صف كل صوت، وطريقة التوصيل، والأصوات في input. لا توجد قائمة أصوات.
• الصينية والإنجليزية.

أصوات من مقاطع مرجعية

• references يستغرق حتى 3 مقاطع كعناوين URL أو URIs لبيانات الصوت base64، كل منها يصل إلى 30 ثانية و10 ميجابايت، في WAV أو MP3 أو OGG Opus.
• سمها في input ك @voice1 و@voice2 و@voice3 بالترتيب، على سبيل المثال: @voice1 cheerfully says: "What a lovely day."

حدود الإدخال

• يصل إلى 3,000 حرف لكل طلب.
• لا يتم استخدام instruction وSSML: كل الاتجاهات تسير في input.

الإنتاج

• MP3 (الافتراضي)، WAV، أو PCM عند 8,000 إلى 48,000 هرتز، أحادي أو ستيريو؛ الإعدادات الافتراضية هي 48,000 هرتز وستيريو.
• حتى 120 ثانية لكل طلب، أو 240 ثانية للبودكاست.
• ملف كامل لكل طلب. هذا النموذج لا يبث بث.

التصنيف

• رموز الإدخال هي الوصف بالإضافة إلى كل مقطع مرجعي. رموز الإخراج هي الصوت المولد، حوالي 200 في الثانية.

كيفية استدعاء Qwen Audio 3.1 TTS وQwen Audio 3.1 TTS Next

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 qwen-audio-3-1-tts-next. 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 Qwen Audio 3.1 TTS Next: أسئلة شائعة

ما الفرق بين Qwen Audio 3.1 TTS وQwen Audio 3.1 TTS Next؟

صدر النموذجان في 23 سبتمبر 2026. يعيد Qwen Audio 3.1 TTS حتى 60,000 رمز إخراج لكل استجابة، ويعيد Qwen Audio 3.1 TTS Next حتى 50,000. أنواع الإدخال التي يقبلها Qwen Audio 3.1 TTS Next وحده: صوت. المواصفات وجداول الأسعار والمعلمات في هذه الصفحة مصدرها كتالوج EmpirioLabs المباشر.

أيهما سعره أقل، Qwen Audio 3.1 TTS أم Qwen Audio 3.1 TTS Next؟

Qwen Audio 3.1 TTS لديه السعر الأقل لـ المدخلات (لكل 1M رموز مطالبة). Qwen Audio 3.1 TTS Next لديه السعر الأقل لـ المخرجات (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 وQwen Audio 3.1 TTS Next 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.