Réponse courte: pour la même narration de 164 caractères, Qwen Audio 3.1 TTS coûte le moins, environ un vingtième de centime, StepAudio 3 TTS a renvoyé son fichier le plus rapidement, et Gemini 2.5 Pro TTS Coûte le plus, environ quatre cents, avec la lecture la plus lente et la plus longue. Qwen Audio 3.1 TTS Plus, le niveau qualité de Qwen Audio 3.1 a coûté un peu moins d’un centime. Les quatre fonctionnent sur EmpirioLabs via le même point de terminaison vocal. Écoutez chaque extrait ci-dessous; nous ne déclarons pas de gagnant.
Écoutez les quatre voix
La narration: « Le gardien du phare écrivait une ligne dans le journal chaque nuit pendant trente et un ans. Sur la dernière page, d’une autre main, quelqu’un avait écrit: la lumière est toujours allumée. » La mise en scène: « Un narrateur documentaire: calme et sans hâte, puis une pause calme et émouvante avant la dernière phrase. »
Résultats en un aperçu
| Qwen Audio 3.1 TTS Plus | Qwen Audio 3.1 TTS | Gemini 2.5 Pro TTS | StepAudio 3 TTS | |
|---|---|---|---|---|
| Fabricant | Alibaba | Alibaba | StepFun | |
| Unité de facturation | Personnages | Jetons: texte entrant, audio sorti | Jetons | Personnages |
| Prix pour cette demande | $0.0098 | $0.0005 | $0.0433 | $0.0024 |
| Durée audio | 11,2 secondes | 10,0 secondes | 24,0 secondes | 9,7 secondes |
| Il est temps pour le dossier fini | 14,3 secondes | 12,8 secondes | 16,0 secondes | 3,7 secondes |
| Voix | 4 | 19 | 30 | 12 |
| Champ de direction | Enseignement | Enseignement | style_prompt | Enseignement |
Comment nous l’avons géré
Chaque modèle lisait la même narration avec la même direction, passée dans le champ de direction du modèle. Chacun utilisait une voix masculine anglophone issue de sa propre bibliothèque et renvoyait le MP3 (Gemini 2.5 Pro TTS restitue WAV, converti en MP3 pour cette page), avec tous les autres réglages par défaut. Un seul shot chacun. Les prix sont les montants facturés pour ces demandes exactes. Les temps sont des secondes murales pour une demande le 2 novembre 2026, entre l’envoi de la demande et la réception du fichier final; les quatre modèles diffusent également l’audio pendant sa génération.
Que chercher
La pause. L’indication demande une pause avant que « la lumière ne soit toujours allumée ». Écoutez où chaque voix la place et combien de temps elle tient; Gemini 2.5 Pro TTS a maintenu une pause d’environ une seconde et demie, et toute sa lecture a duré plus de deux fois plus longtemps que les autres.
En plus contre Flash. Qwen Audio 3.1 TTS Plus et Qwen Audio 3.1 TTS prennent le même corps de demande. En plus, le niveau qu’Alibaba construit pour la narration, le doublage et les voix de marque; écoutez les deux clips Qwen côte à côte pour la différence de livraison.
Longueur et prix. Qwen Audio 3.1 TTS et Gemini 2.5 Pro TTS facturent l’audio qu’ils génèrent, donc une lecture plus lente coûte plus cher; TTS Plus et StepAudio 3 TTS facturent les caractères que vous envoyez.
Fais le même test sur EmpirioLabs
curl https://api.empiriolabs.ai/v1/audio/speech \ -H « Autorisation: Porteur $EMPIRIOLABS_API_KEY » \ -H « Type-Contenu: application/json » \ -d '{ « modèle »: « qwen-audio-3-1-tts-plus », « voix »: « xunanchuan_v3.1 », « entrée »: « Le gardien du phare écrivait une ligne dans le journal chaque nuit pendant trente et un ans. Sur la dernière page, d’une autre main, quelqu’un avait écrit: la lumière est toujours allumée. », « instruction »: « Un narrateur documentaire: calme et sans hâte, puis une pause calme et émouvante avant la phrase finale. », « response_format »: « mp3 » }'Échange modèle et Voix pour faire passer la même demande contre qwen-audio-3-1-tts, gemini-2-5-pro-tts (avec style_prompt à la place de Enseignement) ou stepaudio-3-tts, ou les essayer dans le playground.
Questions fréquemment posées
Les extraits ont-ils été recoupés ou réessayés ?
Non. Chaque clip est le premier audio que le modèle a retourné pour cette demande, sans modification.
Pourquoi Qwen Audio 3.1 TTS Plus coûte-t-il plus cher que Qwen Audio 3.1 TTS ?
Ils sont tarifés différemment: Plus par caractère de texte, le palier Flash par jetons. Pour cette narration, Plus coûte environ vingt fois plus.
Lequel devrais-je utiliser ?
Écoutez les extraits avec votre propre script. La même demande est valable pour les quatre, avec seulement le modèle, la voix et le champ de direction modifiés. Le guide de lancement, Comment utiliser l’API Qwen Audio 3.1 TTS Plus, recouvre ses voix et voix personnalisées.
Essaie
Playground - Oui Tous les modèles - Oui Prix
Divulgation: Cet article a été rédigé avec l'aide d'AI et examiné par EmpirioLabs AI.
