Typ
Spezifikation
Preis
Synthese
pro 10.000 Zeichen
$0.60
Qwen Audio 3.1 TTS Plus und StepAudio 3 TTS im direkten Vergleich: Spezifikationen, Fähigkeiten, Parameter und Live-Preise aus dem EmpirioLabs-Katalog.
Alibaba Cloud 
StepFun AudiogenerationQwen Audio 3.1 TTS Plus von Alibaba Cloud und StepAudio 3 TTS von StepFun gehören beide zur Kategorie Audiogeneration und sind über die EmpirioLabs API verfügbar.
| Spezifikation | Qwen Audio 3.1 TTS Plus | StepAudio 3 TTS |
|---|---|---|
| Modell-ID | qwen-audio-3-1-tts-plus | stepaudio-3-tts |
| Autor | Alibaba Cloud | StepFun |
| Veröffentlicht | 21. Okt. 2026 | 9. Sept. 2026 |
| Eingabe | Text | Text |
| Ausgabe | Audio | Audio |
| Region | Singapore | International |
| 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 |
| Fähigkeiten |
Live-Preise aus dem EmpirioLabs-Katalog für beide Modelle. Jede Preistabelle entspricht immer dem, was die API berechnet.
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.
| Parameter | Qwen Audio 3.1 TTS Plus | StepAudio 3 TTS |
|---|---|---|
| input | max. 10000 | max. 1000 |
| voice | longanlingxin_v3.1, longanhuan_v3.1, longanfengyue_v3.1, xuna... Standard: longanlingxin_v3.1 | lively-girl, vibrant-youth, soft-spoken-gentleman, magnetic-v... Standard: lively-girl |
| voice_audio_url | string | - |
| response_format | mp3, wav, pcm, opus Standard: mp3 | mp3, wav, flac, opus, pcm Standard: mp3 |
| sample_rate | 8000, 12000, 16000, 22050, 24000, 44100, 48000 Standard: 24000 | 8000, 16000, 22050, 24000 Standard: 24000 |
| speed | 0.5 bis 2 Standard: 1 | 0.5 bis 2 Standard: 1 |
| pitch | 0.5 bis 2 Standard: 1 | - |
| volume | 0 bis 100 Standard: 50 | 0.1 bis 2 Standard: 1 |
| instruction | max. 1000 | max. 500 |
| language_hints | zh, en, fr, de, ja, ko, ru, pt, th, id, vi, es, it, ms, fil, ar | - |
| seed | 0 bis 65535 Standard: 0 | - |
| bit_rate | 6000 bis 510000 Standard: 32000 | - |
| pronunciation | object | - |
| replace | object | - |
| enable_markdown_filter | boolean Standard: false | - |
| language | - | en, zh, ja, ko, fr, es Standard: en |
Die maximale Eingabe beträgt 1.000 Zeichen. Inhalte in Klammern werden als Lieferrichtung behandelt und nicht gesprochen. Verwenden Sie die Anleitung für globale Emotions- oder Stilorientierung, bis zu 500 Zeichen. Zwölf Systemstimmen sind verfügbar. Anerkannte Sprachen sind Chinesisch, Englisch, Japanisch, Koreanisch, Französisch und Spanisch, mit anderen Sprachen als Chinesisch und Englisch in der Vorschau. Ausgabeformate sind mp3, wav, flac, opus und pcm bei 8000, 16000, 22050 oder 24000 Hz. Wav wird als vollständige Datei zurückgegeben und nicht gestreamt. Dieses Modell unterstützt voice_label nicht.
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 stepaudio-3-tts. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.
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.mp3Prompt-Tests und Vergleichsläufe, die beide Modelle abdecken.
Qwen Audio 3.1 TTS Plus ist die neuere Veröffentlichung (21. Okt. 2026); StepAudio 3 TTS erschien am 9. Sept. 2026. Nur für Qwen Audio 3.1 TTS Plus angegebene Fähigkeiten: expressive prosody, emotion control, voice tags, streaming, realtime, voice cloning. Nur für StepAudio 3 TTS angegebene Fähigkeiten: contextual tts, voice control. Die Spezifikationen, Preistabellen und Parameter auf dieser Seite stammen aus dem Live-Katalog von EmpirioLabs.
Qwen Audio 3.1 TTS Plus ist die neuere Veröffentlichung (21. Okt. 2026); StepAudio 3 TTS erschien am 9. Sept. 2026.
StepAudio 3 TTS hat den niedrigeren Preis für Synthese (pro 10.000 Zeichen). Beide Live-Preistabellen stehen auf dieser Seite und entsprechen immer dem, was die API berechnet.
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.
Schauen Sie sich unsere Preise an oder kontaktieren Sie uns, wenn Sie Ihr eigenes Modell auf unserem Stack implementieren möchten.
