Kurze Antwort: für dasselbe 174-Zeichen-Skript, Qwen Audio 3.1 TTS am wenigsten gekostet, unter einem Zehntel eines Cents, StepAudio 3 TTS Die Datei wurde am schnellsten zurückgegeben, und Gemini 3.8 Flash TTS Am meisten, unter zwei Cent. Qwen Audio 3.0 TTS Kosten unter einem halben Cent. Alle vier laufen auf EmpirioLabs durch denselben Sprachendpunkt. Hören Sie sich jeden Clip unten an; wir erklären keinen Gewinner.
Hör auf die vier Stimmen
Das Skript: "Ich öffnete den Brief in der Erwartung einer weiteren höflichen Ablehnung. Stattdessen lautete die erste Zeile: Herzlichen Glückwunsch, der Job gehört Ihnen. Ich habe ihn dreimal gelesen, bevor ich es mir glauben ließ." Die Anweisung: "Fang ruhig und ein wenig müde an, dann werde überrascht und freudig durch den letzten Satz."
Ergebnisse auf einen Blick
| Qwen Audio 3.1 TTS | Qwen Audio 3.0 TTS | Gemini 3.8 Flash TTS | StepAudio 3 TTS | |
|---|---|---|---|---|
| Schöpfer | Alibaba | Alibaba | StepFun | |
| Abrechnungseinheit | Tokens: Text ein, 12,5 Token pro Sekunde Audio Out | Charaktere | Tokens | Charaktere |
| Preis für diese Anfrage | $0.0008 | $0.0035 | $0.0180 | $0.0026 |
| Audiolänge | 16,8 Sekunden | 13,4 Sekunden | 15,4 Sekunden | 12,3 Sekunden |
| Zeit für die fertige Akte | 13,4 Sekunden | 16,6 Sekunden | 7,5 Sekunden | 4,4 Sekunden |
| Stimmen | 19 | Über 1.000 | 30 in der Stimmenliste, über 2.000 in der Bibliothek | 12 offizielle Stimmen |
| Richtungsfeld | Unterricht | Unterricht | style_prompt | Unterricht |
| Streaming | Ja | Ja | Ja | Ja |
Wie wir es geführt haben
Jedes Modell las das identische Skript mit derselben Richtung, das im eigenen Richtungsfeld des Modells weitergegeben wurde. Jedes verwendete eine englische Frauenstimme aus seiner eigenen Bibliothek, gab MP3 zurück und behielt alle anderen Einstellungen auf dem Standard; Qwen Audio 3.0 TTS lief auf seiner Standard-Plus-Stufe. Jeder One-Shot. Die Preise sind die Beträge, die für genau diese Anfragen berechnet werden. Die Zeiten sind Wanduhrsekunden für eine Anfrage am 18. Oktober 2026, vom Versand der Anfrage bis zum Erhalt der fertigen Datei; alle vier Modelle streamen außerdem Audio während der Generierung.
Worauf man achten sollte
Lieferung. Hören Sie, wie jede Stimme mit dem Wechsel von müde zu freudig bei "Glückwunsch" umgeht und wie sehr sich das Tempo im letzten Satz ändert.
Länge und Preis. Derselbe Text erzeugt zwischen 12,3 und 16,8 Sekunden Audio. Qwen Audio 3.1 TTS und Gemini 3.8 Flash TTS rechnen das erzeugte Audio ab, sodass ein langsameres Lesen teurer ist; Qwen Audio 3.0 TTS und StepAudio 3 TTS rechnen die gesendeten Zeichen ab.
Führe denselben Test bei EmpirioLabs
curl https://api.empiriolabs.ai/v1/audio/speech \ -H "Autorisierung: Träger $EMPIRIOLABS_API_KEY" \ -H "Inhaltstyp: application/json" \ -d '{ "model": "qwen-audio-3-1-tts", "stimme": "Ava_v3.1", "eingabe": "Ich öffnete den Brief und erwartete eine weitere höfliche Ablehnung. Stattdessen lautete die erste Zeile: Herzlichen Glückwunsch, der Job gehört dir. Ich habe ihn dreimal gelesen, bevor ich es mir glauben ließ.", "Anweisung": "Fang ruhig und ein wenig müde an, dann werde ich überrascht und freudig vom letzten Satz.", "response_format": "mp3" }'Swap modell und Stimme um dieselbe Anfrage gegen sie durchzuführen qwen-audio-3-0-tts, gemini-3-8-flash-tts (mit style_prompt anstelle von Unterricht) oder stepaudio-3-tts, oder probiere sie in der playground.
Häufig gestellte Fragen
Wurden die Clips bearbeitet oder erneut versucht?
Nein. Jeder Clip ist das erste Audio, das das Modell für diese Anfrage zurückgegeben hat, ungeschnitten.
Warum sind die Clips unterschiedlich lang?
Jedes Modell bewegt sich auf seine eigene Weise im selben Skript, und die Richtung verlangt mitten im Spiel eine Stimmungsänderung. Die Preislänge ist bei Qwen Audio 3.1 TTS und Gemini 3.8 Flash TTS entscheidend, die das erzeugte Audio abrechnen.
Welche sollte ich verwenden?
Hören Sie sich die Clips mit Ihrem eigenen Drehbuch an. Die gleiche Anfrage gilt für alle vier, nur das Feld von Modell, Stimme und Regie.
Probier es mal
Playground | Alle Modelle | Preisgestaltung
Offenlegung: Dieser Artikel wurde mit KI-Unterstützung geschrieben und von EmpirioLabs AI überprüft.
