Typ
Spezifikation
Preis
Eingabe
pro 1M Prompt-Token
$0.46
Ausgabe
pro 1 Million generierter Token
$3.74
Qwen Audio 3.1 TTS und Gemini 3.8 Flash TTS im direkten Vergleich: Spezifikationen, Fähigkeiten, Parameter und Live-Preise aus dem EmpirioLabs-Katalog.
Alibaba Cloud 
Google AudiogenerationQwen Audio 3.1 TTS von Alibaba Cloud und Gemini 3.8 Flash TTS von Google gehören beide zur Kategorie Audiogeneration und sind über die EmpirioLabs API verfügbar.
| Spezifikation | Qwen Audio 3.1 TTS | Gemini 3.8 Flash TTS |
|---|---|---|
| Modell-ID | qwen-audio-3-1-tts | gemini-3-8-flash-tts |
| Autor | Alibaba Cloud | |
| Veröffentlicht | 23. Sept. 2026 | 22. Sept. 2026 |
| Max. Ausgabe | 60.000 Token | - |
| Eingabe | Text | Text |
| Ausgabe | Audio | Audio |
| Region | Singapore | - |
| 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 GET /v1/voices |
| 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 | Gemini 3.8 Flash TTS |
|---|---|---|
| input | max. 10000 | max. 5000 |
| voice | Emily_v3.1, Luna_v3.1, Eric_v3.1, Luca_v3.1, Abby_v3.1, Annie... Standard: Emily_v3.1 | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... Standard: Charon |
| voice_audio_url | string | string |
| response_format | mp3, wav, pcm, opus Standard: mp3 | - |
| sample_rate | 8000, 12000, 16000, 22050, 24000, 44100, 48000 Standard: 24000 | 8000, 16000, 22050, 24000, 44100, 48000 Standard: 24000 |
| speed | 0.5 bis 2 Standard: 1 | 0.25 bis 2 Standard: 1 |
| pitch | 0.5 bis 2 Standard: 1 | - |
| volume | 0 bis 100 Standard: 50 | - |
| instruction | max. 1000 | - |
| 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 | - |
| mode | - | single, multi Standard: single |
<argh> <breath> <heavy breath> <exhales> <cackle> <cheer> <chuckle> <chuckles> <cough> <cry> <gasp> <giggle> <groan> <growl> <grunt> <grr> <hiss> <laugh> <laughter> <moan> <pant> <pff> <phew> <scream> <shout> <shriek> <sigh> <sighs> <sneeze> <snicker> <snort> <sob> <throat-clearing> <tsk> <whimper> <whispers> <whispering> <yawn> <short pause> <long pause>Qwen Audio 3.1 TTS 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. Beide Modelle werden über denselben Endpunkt aufgerufen. Setze model auf qwen-audio-3-1-tts oder gemini-3-8-flash-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",
"input": "Welcome to EmpirioLabs. Your build just finished."
}' \
--output speech.mp3Prompt-Tests und Vergleichsläufe, die beide Modelle abdecken.
Qwen Audio 3.1 TTS ist die neuere Veröffentlichung (23. Sept. 2026); Gemini 3.8 Flash TTS erschien am 22. Sept. 2026. Nur für Qwen Audio 3.1 TTS angegebene Fähigkeiten: expressive prosody, emotion control, low latency, realtime. Nur für Gemini 3.8 Flash TTS angegebene Fähigkeiten: multi speaker, voice control. Die Spezifikationen, Preistabellen und Parameter auf dieser Seite stammen aus dem Live-Katalog von EmpirioLabs.
Qwen Audio 3.1 TTS ist die neuere Veröffentlichung (23. Sept. 2026); Gemini 3.8 Flash TTS erschien am 22. Sept. 2026.
Qwen Audio 3.1 TTS hat den niedrigeren Preis für Eingabe (pro 1M Prompt-Token) und Ausgabe (pro 1 Million generierter Token). 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.
