Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS

Qwen Audio 3.1 TTS Plus y Qwen Audio 3.1 TTS lado a lado: especificaciones, capacidades, parámetros y precios en vivo del catálogo de EmpirioLabs.

Alibaba Cloud Generación de audio

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

Qwen Audio 3.1 TTS Plus y Qwen Audio 3.1 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 3.1 TTS se lanzó el 23 sept 2026.
  • Capacidades indicadas solo para Qwen Audio 3.1 TTS: low latency.

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

EspecificaciónQwen Audio 3.1 TTS PlusQwen Audio 3.1 TTS
ID del modeloqwen-audio-3-1-tts-plusqwen-audio-3-1-tts
AutorAlibaba CloudAlibaba Cloud
Lanzado21 oct 202623 sept 2026
Salida máxima-60.000 tokens
Entrada
Texto
Texto
Salida
Audio
Audio
RegiónSingaporeSingapore
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
Capacidades
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: 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 3.1 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.

ParámetroQwen Audio 3.1 TTS PlusQwen Audio 3.1 TTS
inputmáx. 10000máx. 10000
voicelonganlingxin_v3.1, longanhuan_v3.1, longanfengyue_v3.1, xuna... Predeterminado: longanlingxin_v3.1Emily_v3.1, Luna_v3.1, Eric_v3.1, Luca_v3.1, Abby_v3.1, Annie... Predeterminado: Emily_v3.1
voice_audio_urlstringstring
response_formatmp3, wav, pcm, opus Predeterminado: mp3mp3, wav, pcm, opus Predeterminado: mp3
sample_rate8000, 12000, 16000, 22050, 24000, 44100, 48000 Predeterminado: 240008000, 12000, 16000, 22050, 24000, 44100, 48000 Predeterminado: 24000
speed0.5 a 2 Predeterminado: 10.5 a 2 Predeterminado: 1
pitch0.5 a 2 Predeterminado: 10.5 a 2 Predeterminado: 1
volume0 a 100 Predeterminado: 500 a 100 Predeterminado: 50
instructionmáx. 1000máx. 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 a 65535 Predeterminado: 00 a 65535 Predeterminado: 0
bit_rate6000 a 510000 Predeterminado: 320006000 a 510000 Predeterminado: 32000
pronunciationobjectobject
replaceobjectobject
enable_markdown_filterboolean Predeterminado: falseboolean Predeterminado: false

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 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 3.1 TTS

Voces

  • 19 voces: 15 voces en inglés y 4 voces multilingües. Emily, Luna, Eric y Luca tienen acento británico. Abby, Annie, Ava, Beth, Betty, Cally, Cindy, Donna, Andy, Brian y David tienen acento americano. Las voces multilingües longanhuan_v3.1, longanlingxin_v3.1, longanfengyue_v3.1 y xunanchuan_v3.1 leen chino, inglés y otros idiomas.
  • Cada identificación de voz termina en _v3.1, por ejemplo Emily_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 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 usarlo.
  • Cada cuenta puede almacenar 10 voces personalizadas en este modelo a la vez.
  • GET /v1/voices?model=qwen-audio-3-1-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-3-1-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.

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 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

  • Los tokens de entrada son el texto, y los tokens de salida son el audio generado a 12,5 tokens por segundo.
  • La velocidad y el tono cambian la duración del audio renderizado, pero no los tokens facturados. Una instrucción que ralentiza la entrega añade tokens de salida.

Cómo llamar a Qwen Audio 3.1 TTS Plus y Qwen Audio 3.1 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-3-1-tts. Consigue una clave de API en el panel de EmpirioLabs.

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: pruebas y guías

Pruebas de prompts y comparativas que cubren ambos modelos.

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

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

Qwen Audio 3.1 TTS Plus es el lanzamiento más reciente (21 oct 2026); Qwen Audio 3.1 TTS se lanzó el 23 sept 2026. Capacidades indicadas solo para Qwen Audio 3.1 TTS: 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 3.1 TTS?

Qwen Audio 3.1 TTS Plus es el lanzamiento más reciente (21 oct 2026); Qwen Audio 3.1 TTS se lanzó el 23 sept 2026.

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

¿Puedo probar Qwen Audio 3.1 TTS Plus y Qwen Audio 3.1 TTS en el navegador antes de integrar?

Sí. Abre cada modelo en el playground de EmpirioLabs y pulsa Start session para probarlo en tu navegador.

¿Listo para usar mejores endpoints?

Consulta nuestros precios o contacta con nosotros si quieres que tu propio modelo se implemente en nuestra pila.