Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.0 TTS

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.0 TTS de un vistazo

Qwen Audio 3.1 TTS Plus y Qwen Audio 3.0 TTS son modelos de Alibaba Cloud en la categoría Generación de audio, disponibles a través de la API de EmpirioLabs.

Diferencias clave

• Qwen Audio 3.1 TTS Plus es el lanzamiento más reciente (21 oct 2026); Qwen Audio 3.0 TTS se lanzó el 20 jul 2026.
• Capacidades indicadas solo para Qwen Audio 3.1 TTS Plus: streaming, realtime.
• Capacidades indicadas solo para Qwen Audio 3.0 TTS: dialect, low latency.

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.0 TTS: especificaciones

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.0 TTS: precios de la API

Tarifas en vivo del catálogo de EmpirioLabs para ambos modelos. Cada tabla de tarifas siempre coincide con lo que cobra la API.

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.0 TTS: parámetros de la API

Parámetros de solicitud que cada modelo indica en EmpirioLabs, con los valores permitidos o el rango cuando corresponde. Un guion marca un parámetro que el modelo no indica.

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.0 TTS: límites y notas

Qwen Audio 3.1 TTS Plus

Voces

• 4 voces que leen chino, inglés y otros idiomas: longanlingxin_v3.1, longanhuan_v3.1 y longanfengyue_v3.1 son femeninas y xunanchuan_v3.1 es masculina.
• Cada identificación de voz termina en _v3.1, por ejemplo longanlingxin_v3.1.

Voces personalizadas

• Configura voice para custom y pasa voice_audio_url, una URL https a 10 a 20 segundos de voz clara de un altavoz.
• Se aceptan WAV, MP3, M4A, OGG, WEBM y FLAC, hasta 15 MB. Graba en una habitación tranquila, sin música ni otras voces.
• La respuesta incluye voice_id y voice_id_expires_at. Pasa el voice_id como voice reutilizar la voz durante 7 días, en POST /v1/audio/speech, POST /v1/audio/speech:stream o en el socket en tiempo real, donde session.update toma los mismos campos y session.updated devuelve el voice_id. Solo la cuenta que la creó puede usarla, solo en este modelo.
• Cada cuenta puede almacenar 10 voces personalizadas en este modelo a la vez.
• GET /v1/voices?model=qwen-audio-3-1-tts-plus lista las voces del modelo, incluyendo tus voces personalizadas con sus ids. Añade type=custom solo para listar voces personalizadas.
• DELETE /v1/voices/{voice_id}?model=qwen-audio-3-1-tts-plus elimina una voz personalizada, que libera su lugar de inmediato.
• En el Playground, pon Voz en Personalizado para usar una voz guardada de nuevo, copia su id o elimínala.
• Crear, listar y eliminar voces personalizadas no cobra nada.

Dirección de entrega

• instruction establece emoción, tono, carácter, ritmo y estilo de habla en lenguaje natural, hasta 1.000 caracteres.
• Las etiquetas en línea dentro del texto cambian la entrega desde ese punto, por ejemplo [excited] o [whispers], o añaden un sonido puntual como [laughing] o [sighing]. La lista completa de etiquetas está en el parámetro input.
• No se soporta entrada SSML.

Límites de entrada

• Hasta 10.000 caracteres por petición.
• language_hints sesga la pronunciación en textos de lengua mixta.

Producto

• MP3, WAV, PCM o Opus a 8.000 a 48.000 Hz.
• POST /v1/audio/speech:stream envía fragmentos de audio mientras se genera el habla.

Tiempo real

• WEBSOCKET /v1/realtime?model=qwen-audio-3-1-tts-plus toma texto mientras aún se está escribiendo y devuelve el audio a medida que se genera. Envía input_text_buffer.append eventos, luego input_text_buffer.commit o session.finish para terminar la sesión.
• El audio llega en response.audio.delta eventos: PCM de 16 bits a 24.000 Hz por defecto, o MP3 u Opus. Configura la voz, la instrucción, el formato y otras opciones con session.update; se aplica un cambio a partir del siguiente segmento.
• El texto se pronuncia en segmentos que terminan en los límites de las frases, y cada segmento termina con un evento response.done que acompaña su uso.

Facturación

• Facturado por carácter del texto de entrada. Un carácter chino cuenta como dos caracteres, y las etiquetas en línea cuentan como caracteres. La instrucción no se factura.
• En el socket en tiempo real, cada segmento se factura por sus propios caracteres.

Qwen Audio 3.0 TTS

Niveles

• Además: la máxima calidad de audio y expresividad para creación de contenido, audiolibros, doblaje y trabajo de voz de marca
• Flash: ajustado para interacción en tiempo real con menor latencia en el primer paquete, para asistentes de voz y agentes en directo
• Cambia con el parámetro model_tier, o envía qwen-audio-3.0-tts-plus o qwen-audio-3.0-tts-flash como id de modelo

Voces

• Más de 1.000 voces base, todas disponibles en ambos niveles, así que cambiar de nivel mantiene la voz seleccionada
• Seis voces de sistema insignia son específicas de nivel: longanlingxin y longanlufeng en Plus, y longanhuan_v3.6, longjielidou_v3.6, loongeva_v3.6 loongjohn en Flash
• Explora el catálogo completo con GET /v1/voices y pasa cualquier voz por voice_id

Voces personalizadas

• Configura voice para custom y pasa voice_audio_url, una URL https a 10 a 20 segundos de voz clara de un altavoz.
• Se aceptan WAV, MP3, M4A, OGG, WEBM y FLAC, hasta 15 MB. Graba en una habitación tranquila, sin música ni otras voces.
• La voz se crea para el model_tier seleccionado. La respuesta incluye voice_id y voice_id_expires_at: pasar el voice_id como voice o voice_id, con el mismo model_tier, para reutilizar la voz durante 7 días. Solo la cuenta que la creó puede usarla.
• Cada cuenta puede almacenar 10 voces personalizadas en este modelo a la vez.
• GET /v1/voices?model=qwen-audio-3-0-tts lista las voces del modelo, incluyendo tus voces personalizadas con sus ids. Añade type=custom solo para listar voces personalizadas.
• DELETE /v1/voices/{voice_id}?model=qwen-audio-3-0-tts elimina una voz personalizada, que libera su lugar de inmediato.
• En el Playground, pon Voz en Personalizado para usar una voz guardada de nuevo, copia su id o elimínala.
• Crear, listar y eliminar voces personalizadas no cobra nada.

Límites de entrada

• Hasta 20.000 caracteres por solicitud
• instruction acepta hasta 128 caracteres
• No se soporta entrada SSML. Usa instruction para la dirección de entrega y etiquetas en línea como [excited] o [whispers] dentro del texto

Facturación

• Facturado por carácter de texto de entrada a la tasa del nivel seleccionado

Cómo llamar a Qwen Audio 3.1 TTS Plus y Qwen Audio 3.0 TTS

Qwen Audio 3.1 TTS Plus genera voz a través de POST /v1/audio/speech y devuelve audio reproducible. Envía el texto a pronunciar como input con el id de modelo qwen-audio-3-1-tts-plus. Ambos modelos se llaman a través del mismo endpoint. Establece model en qwen-audio-3-1-tts-plus o qwen-audio-3-0-tts. Consigue una clave de API en el panel de 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-plus",
    "input": "Welcome to EmpirioLabs. Your build just finished."
  }' \
  --output speech.mp3

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.0 TTS: preguntas frecuentes

¿Cuál es la diferencia entre Qwen Audio 3.1 TTS Plus y Qwen Audio 3.0 TTS?

Qwen Audio 3.1 TTS Plus es el lanzamiento más reciente (21 oct 2026); Qwen Audio 3.0 TTS se lanzó el 20 jul 2026. Capacidades indicadas solo para Qwen Audio 3.1 TTS Plus: streaming, realtime. Capacidades indicadas solo para Qwen Audio 3.0 TTS: dialect, low latency. Las especificaciones, las tablas de tarifas y los parámetros de esta página provienen del catálogo en vivo de EmpirioLabs.

¿Cuál es más reciente, Qwen Audio 3.1 TTS Plus o Qwen Audio 3.0 TTS?

Qwen Audio 3.1 TTS Plus es el lanzamiento más reciente (21 oct 2026); Qwen Audio 3.0 TTS se lanzó el 20 jul 2026.

¿Cuál tiene la tarifa más baja, Qwen Audio 3.1 TTS Plus o Qwen Audio 3.0 TTS?

Los dos modelos se tarifican con unidades o niveles distintos, así que compara las tablas de tarifas en vivo de esta página. Siempre coinciden con lo que cobra la API.

¿Puedo cambiar entre Qwen Audio 3.1 TTS Plus y Qwen Audio 3.0 TTS sin reconstruir mi integración?

Sí. Ambos modelos usan POST /v1/audio/speech con la misma clave de API de EmpirioLabs, así que la mayoría de las integraciones cambian con solo modificar el valor model. Revisa antes la tabla de parámetros de esta página si dependes de un parámetro específico de un modelo.