Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS

Qwen Audio 3.1 TTS Plus und Qwen Audio 3.1 TTS im direkten Vergleich: Spezifikationen, Fähigkeiten, Parameter und Live-Preise aus dem EmpirioLabs-Katalog.

Alibaba Cloud Audiogeneration

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS auf einen Blick

Qwen Audio 3.1 TTS Plus und Qwen Audio 3.1 TTS sind beide Modelle von Alibaba Cloud in der Kategorie Audiogeneration und über die EmpirioLabs API verfügbar.

Wichtigste Unterschiede

  • Qwen Audio 3.1 TTS Plus ist die neuere Veröffentlichung (21. Okt. 2026); Qwen Audio 3.1 TTS erschien am 23. Sept. 2026.
  • Nur für Qwen Audio 3.1 TTS angegebene Fähigkeiten: low latency.

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS: Spezifikationen

SpezifikationQwen Audio 3.1 TTS PlusQwen Audio 3.1 TTS
Modell-IDqwen-audio-3-1-tts-plusqwen-audio-3-1-tts
AutorAlibaba CloudAlibaba Cloud
Veröffentlicht21. Okt. 202623. Sept. 2026
Max. Ausgabe-60.000 Token
Eingabe
Text
Text
Ausgabe
Audio
Audio
RegionSingaporeSingapore
Endpoints
POST /v1/audio/speech POST /v1/audio/speech:stream WEBSOCKET /v1/realtime GET /v1/voices
POST /v1/audio/speech POST /v1/audio/speech:stream WEBSOCKET /v1/realtime GET /v1/voices
Fähigkeiten
text to speech multilingual expressive prosody emotion control voice tags streaming realtime voice cloning
text to speech multilingual expressive prosody emotion control voice tags low latency streaming realtime voice cloning

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS: API-Preise

Live-Preise aus dem EmpirioLabs-Katalog für beide Modelle. Jede Preistabelle entspricht immer dem, was die API berechnet.

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS: API-Parameter

Anfrageparameter, die jedes Modell auf EmpirioLabs angibt, mit den zulässigen Werten oder dem Bereich, wo einer gilt. Ein Strich markiert einen Parameter, den das Modell nicht angibt.

ParameterQwen Audio 3.1 TTS PlusQwen Audio 3.1 TTS
inputmax. 10000max. 10000
voicelonganlingxin_v3.1, longanhuan_v3.1, longanfengyue_v3.1, xuna... Standard: longanlingxin_v3.1Emily_v3.1, Luna_v3.1, Eric_v3.1, Luca_v3.1, Abby_v3.1, Annie... Standard: Emily_v3.1
voice_audio_urlstringstring
response_formatmp3, wav, pcm, opus Standard: mp3mp3, wav, pcm, opus Standard: mp3
sample_rate8000, 12000, 16000, 22050, 24000, 44100, 48000 Standard: 240008000, 12000, 16000, 22050, 24000, 44100, 48000 Standard: 24000
speed0.5 bis 2 Standard: 10.5 bis 2 Standard: 1
pitch0.5 bis 2 Standard: 10.5 bis 2 Standard: 1
volume0 bis 100 Standard: 500 bis 100 Standard: 50
instructionmax. 1000max. 1000
language_hintszh, en, fr, de, ja, ko, ru, pt, th, id, vi, es, it, ms, fil, arzh, en, fr, de, ja, ko, ru, pt, th, id, vi, es, it, ms, fil, ar
seed0 bis 65535 Standard: 00 bis 65535 Standard: 0
bit_rate6000 bis 510000 Standard: 320006000 bis 510000 Standard: 32000
pronunciationobjectobject
replaceobjectobject
enable_markdown_filterboolean Standard: falseboolean Standard: false

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS: Limits und Hinweise

Qwen Audio 3.1 TTS Plus

Stimmen

  • Vier Stimmen, die Chinesisch, Englisch und andere Sprachen lesen: longanlingxin_v3.1, longanhuan_v3.1 und longanfengyue_v3.1 sind weiblich, und xunanchuan_v3.1 ist männlich.
  • Jeder Stimmen-id endet zum Beispiel auf _v3.1, longanlingxin_v3.1.

Benutzerdefinierte Stimmen

  • Stellen Sie voice auf custom und geben Sie voice_audio_url weiter, eine HTTPS-URL für 10 bis 20 Sekunden klare Sprache von einem Sprecher.
  • WAV, MP3, M4A, OGG, WEBM und FLAC werden akzeptiert, bis zu 15 MB. Aufnehmen Sie in einem ruhigen Raum, ohne Musik oder andere Stimmen.
  • Die Antwort enthält voice_id und voice_id_expires_at. Geben Sie die voice_id als voice weiter, um die Stimme 7 Tage lang auf POST /v1/audio/speech, POST /v1/audio/speech:stream oder dem Echtzeit-Socket wiederzuverwenden, wobei session.update dieselben Felder nimmt und session.updated die voice_id zurückgibt. Nur das Konto, das es erstellt hat, kann es nur bei diesem Modell verwenden.
  • Jedes Konto kann auf diesem Modell jeweils 10 benutzerdefinierte Stimmen speichern.
  • GET /v1/voices?model=qwen-audio-3-1-tts-plus listet die Stimmen des Modells auf, einschließlich Ihrer benutzerdefinierten Stimmen mit deren IDs. Fügen Sie type=custom hinzu, um nur benutzerdefinierte Stimmen aufzulisten.
  • DELETE /v1/voices/{voice_id}?model=qwen-audio-3-1-tts-plus löscht eine benutzerdefinierte Stimme, die sofort ihren Platz freigibt.
  • Im Playground setze Stimme auf Benutzerdefiniert, um eine gespeicherte Stimme erneut zu verwenden, ihre ID zu kopieren oder sie zu löschen.
  • Das Erstellen, Auflisten und Löschen eigener Stimmen kostet kostenlos.

Lieferrichtung

  • instruction legt Emotion, Ton, Charakter, Tempo und Sprechstil in natürlicher Sprache fest, bis zu 1.000 Zeichen.
  • Inline-Tags im Text ändern die Auslieferung von diesem Punkt aus, zum Beispiel [excited] oder [whispers], oder fügen einen einmaligen Laut wie [laughing] oder [sighing] hinzu. Die vollständige Liste der Tags befindet sich im input-Parameter.
  • SSML-Eingabe wird nicht unterstützt.

Eingangsgrenzen

  • Bis zu 10.000 Zeichen pro Anfrage.
  • language_hints verzerrt die Aussprache bei gemischtsprachigen Texten.

Ausgabe

  • MP3, WAV, PCM oder Opus bei 8.000 bis 48.000 Hz.
  • POST /v1/audio/speech:stream sendet Audio-Abschnitte, während die Sprache generiert wird.

Echtzeit

  • WEBSOCKET /v1/realtime?model=qwen-audio-3-1-tts-plus nimmt Text auf, während er noch geschrieben wird, und gibt Audio zurück, sobald es generiert wird. Senden Sie input_text_buffer.append Ereignisse, dann input_text_buffer.commit oder session.finish, um die Sitzung zu beenden.
  • Audio erscheint in response.audio.delta Ereignissen: 16-Bit-PCM mit 24.000 Hz standardmäßig, oder MP3 oder Opus. Setze Sprache, Anweisung, Format und andere Optionen mit session.update; eine Änderung gilt ab dem nächsten Segment.
  • Der Text wird in Segmenten gesprochen, die an Satzgrenzen enden, und jedes Segment endet mit einem response.done Ereignis, das seine Verwendung übernimmt.

Abrechnung

  • Berechnet pro Zeichen des Eingabetextes. Ein chinesisches Zeichen zählt als zwei Zeichen, und Inline-Tags als Zeichen. Die Instruktion wird nicht abgerechnet.
  • Im Echtzeit-Socket wird jedes Segment für eigene Charaktere abgerechnet.

Qwen Audio 3.1 TTS

Stimmen

  • 19 Stimmen: 15 englische und 4 mehrsprachige Stimmen. Emily, Luna, Eric und Luca haben britische Akzente. Abby, Annie, Ava, Beth, Betty, Cally, Cindy, Donna, Andy, Brian und David haben amerikanische Akzente. Die mehrsprachigen Stimmen longanhuan_v3.1, longanlingxin_v3.1, longanfengyue_v3.1 und xunanchuan_v3.1 lesen Chinesisch, Englisch und andere Sprachen.
  • Jedes Stimmen-ID endet zum Beispiel auf _v3.1, Emily_v3.1.

Benutzerdefinierte Stimmen

  • Stellen Sie voice auf custom und geben Sie voice_audio_url weiter, eine HTTPS-URL für 10 bis 20 Sekunden klare Sprache von einem Sprecher.
  • WAV, MP3, M4A, OGG, WEBM und FLAC werden akzeptiert, bis zu 15 MB. Aufnehmen Sie in einem ruhigen Raum, ohne Musik oder andere Stimmen.
  • Die Antwort enthält voice_id und voice_id_expires_at. Geben Sie die voice_id als voice weiter, um die Stimme 7 Tage lang auf POST /v1/audio/speech, POST /v1/audio/speech:stream oder dem Echtzeit-Socket wiederzuverwenden, wobei session.update dieselben Felder nimmt und session.updated die voice_id zurückgibt. Nur das Konto, das sie erstellt hat, kann sie verwenden.
  • Jedes Konto kann auf diesem Modell jeweils 10 benutzerdefinierte Stimmen speichern.
  • GET /v1/voices?model=qwen-audio-3-1-tts listet die Stimmen des Modells auf, einschließlich Ihrer benutzerdefinierten Stimmen mit deren IDs. Fügen Sie type=custom hinzu, um nur benutzerdefinierte Stimmen aufzulisten.
  • DELETE /v1/voices/{voice_id}?model=qwen-audio-3-1-tts löscht eine benutzerdefinierte Stimme, die sofort ihren Platz freigibt.
  • Im Playground setze Stimme auf Benutzerdefiniert, um eine gespeicherte Stimme erneut zu verwenden, ihre ID zu kopieren oder sie zu löschen.
  • Das Erstellen, Auflisten und Löschen eigener Stimmen kostet kostenlos.

Lieferrichtung

  • instruction legt Emotion, Ton, Charakter, Tempo und Sprechstil in natürlicher Sprache fest, bis zu 1.000 Zeichen.
  • Inline-Tags im Text ändern die Auslieferung von diesem Punkt aus, zum Beispiel [excited] oder [whispers], oder fügen einen einmaligen Laut wie [laughing] oder [sighing] hinzu. Die vollständige Liste der Tags befindet sich im input-Parameter.
  • SSML-Eingabe wird nicht unterstützt.

Eingangsgrenzen

  • Bis zu 10.000 Zeichen pro Anfrage.
  • language_hints verzerrt die Aussprache bei gemischtsprachigen Texten.

Ausgabe

  • MP3, WAV, PCM oder Opus bei 8.000 bis 48.000 Hz.
  • POST /v1/audio/speech:stream sendet Audio-Abschnitte, während die Sprache generiert wird.

Echtzeit

  • WEBSOCKET /v1/realtime?model=qwen-audio-3-1-tts nimmt Text auf, während er noch geschrieben wird, und gibt Audio zurück, sobald es generiert wird. Senden Sie input_text_buffer.append Ereignisse, dann input_text_buffer.commit oder session.finish, um die Sitzung zu beenden.
  • Audio erscheint in response.audio.delta Ereignissen: 16-Bit-PCM mit 24.000 Hz standardmäßig, oder MP3 oder Opus. Setze Sprache, Anweisung, Format und andere Optionen mit session.update; eine Änderung gilt ab dem nächsten Segment.
  • Der Text wird in Segmenten gesprochen, die an Satzgrenzen enden, und jedes Segment endet mit einem response.done Ereignis, das seine Verwendung übernimmt.

Abrechnung

  • Eingabetoken sind der Text, und Ausgabetoken sind das erzeugte Audio mit 12,5 Token pro Sekunde.
  • Geschwindigkeit und Tonhöhe verändern die Länge des gerenderten Audios, aber nicht die abgewarteten Tokens. Eine Anweisung, die die Abgabe verlangsamt, fügt Ausgabetoken hinzu.

So rufst du Qwen Audio 3.1 TTS Plus und Qwen Audio 3.1 TTS auf

Qwen Audio 3.1 TTS Plus erzeugt Sprache über POST /v1/audio/speech und liefert abspielbares Audio. Sende den zu sprechenden Text als input mit der Modell-ID qwen-audio-3-1-tts-plus. Beide Modelle werden über denselben Endpunkt aufgerufen. Setze model auf qwen-audio-3-1-tts-plus oder qwen-audio-3-1-tts. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.

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 Qwen Audio 3.1 TTS: Tests und Guides

Prompt-Tests und Vergleichsläufe, die beide Modelle abdecken.

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS: häufige Fragen

Was ist der Unterschied zwischen Qwen Audio 3.1 TTS Plus und Qwen Audio 3.1 TTS?

Qwen Audio 3.1 TTS Plus ist die neuere Veröffentlichung (21. Okt. 2026); Qwen Audio 3.1 TTS erschien am 23. Sept. 2026. Nur für Qwen Audio 3.1 TTS angegebene Fähigkeiten: low latency. Die Spezifikationen, Preistabellen und Parameter auf dieser Seite stammen aus dem Live-Katalog von EmpirioLabs.

Welches Modell ist neuer, Qwen Audio 3.1 TTS Plus oder Qwen Audio 3.1 TTS?

Qwen Audio 3.1 TTS Plus ist die neuere Veröffentlichung (21. Okt. 2026); Qwen Audio 3.1 TTS erschien am 23. Sept. 2026.

Welches Modell hat den niedrigeren Preis, Qwen Audio 3.1 TTS Plus oder Qwen Audio 3.1 TTS?

Die beiden Modelle werden nach unterschiedlichen Einheiten oder Stufen abgerechnet. Vergleiche daher die Live-Preistabellen auf dieser Seite. Sie entsprechen immer dem, was die API berechnet.

Kann ich zwischen Qwen Audio 3.1 TTS Plus und Qwen Audio 3.1 TTS wechseln, ohne meine Integration umzubauen?

Ja. Beide Modelle nutzen POST /v1/audio/speech mit demselben EmpirioLabs API-Schlüssel, die meisten Integrationen wechseln also durch Ändern des model Werts. Prüfe zuerst die Parametertabelle auf dieser Seite, wenn du dich auf einen modellspezifischen Parameter verlässt.

Kann ich Qwen Audio 3.1 TTS Plus und Qwen Audio 3.1 TTS im Browser testen, bevor ich integriere?

Ja. Öffne jedes Modell im EmpirioLabs Playground und klicke auf Start session, um es im Browser zu testen.

Bereit, bessere Endpunkte zu nutzen?

Schauen Sie sich unsere Preise an oder kontaktieren Sie uns, wenn Sie Ihr eigenes Modell auf unserem Stack implementieren möchten.