Qwen Audio 3.1 TTS vs StepAudio 3 TTS

Qwen Audio 3.1 TTS vs StepAudio 3 TTS في لمحة

Qwen Audio 3.1 TTS 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 هو الإصدار الأحدث (23 سبتمبر 2026)؛ أما StepAudio 3 TTS فصدر في 9 سبتمبر 2026.
• قدرات مذكورة لـ Qwen Audio 3.1 TTS فقط: expressive prosody, emotion control, voice tags, low latency, streaming, realtime.
• قدرات مذكورة لـ StepAudio 3 TTS فقط: contextual tts, voice control.

Qwen Audio 3.1 TTS vs StepAudio 3 TTS: المواصفات

Qwen Audio 3.1 TTS 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 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.

Qwen Audio 3.1 TTS vs StepAudio 3 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.

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 وStepAudio 3 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 stepaudio-3-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 StepAudio 3 TTS: اختبارات وأدلة

اختبارات مطالبات ومقارنات تغطي كلا النموذجين.

المرشدون كوين أوديو 3.1 TTS Plus مقابل Qwen Audio 3.1 TTS مقابل Gemini 2.5 Pro TTS مقابل StepAudio 3 TTS: سرد واحد قدمنا لكوين أوديو 3.1 TTS بلس، كوين أوديو 3.1 TTS، جيميني 2.5 برو TTS وستيب أوديو 3 TTS نفس السرد والإخراج، لقطة واحدة... 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 StepAudio 3 TTS: أسئلة شائعة

ما الفرق بين Qwen Audio 3.1 TTS وStepAudio 3 TTS؟

Qwen Audio 3.1 TTS هو الإصدار الأحدث (23 سبتمبر 2026)؛ أما StepAudio 3 TTS فصدر في 9 سبتمبر 2026. قدرات مذكورة لـ Qwen Audio 3.1 TTS فقط: expressive prosody, emotion control, voice tags, low latency, streaming, realtime. 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 أم StepAudio 3 TTS؟

Qwen Audio 3.1 TTS هو الإصدار الأحدث (23 سبتمبر 2026)؛ أما StepAudio 3 TTS فصدر في 9 سبتمبر 2026.

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

يُسعَّر النموذجان بوحدات أو مستويات مختلفة، لذا قارن جداول الأسعار المباشرة في هذه الصفحة. وهي تطابق دائمًا ما تحتسبه الواجهة.

هل يمكنني التبديل بين Qwen Audio 3.1 TTS 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.