Réponse courte: pour le même script de 174 caractères, Qwen Audio 3.1 TTS coûte le moindre, moins d’un dixième de centime, StepAudio 3 TTS a renvoyé son fichier le plus rapidement, et Gemini 3.8 Flash TTS Ça coûte le plus, moins de deux centimes. Qwen Audio 3.0 TTS coûte moins d’un demi-centime. Les quatre fonctionnent sur EmpirioLabs par le même point de départ vocal. Écoutez chaque extrait ci-dessous; nous ne déclarons pas de gagnant.
Écoutez les quatre voix
Le script: « J’ai ouvert la lettre en m’attendant à un autre refus poli. À la place, la première ligne disait: félicitations, le poste est à vous. Je l’ai lu trois fois avant de me laisser croire. » La consigne: « Commencez calmement et un peu fatigué, puis soyez surpris et joyeux à la dernière phrase. »
Résultats en un aperçu
| Qwen Audio 3.1 TTS | Qwen Audio 3.0 TTS | Gemini 3.8 Flash TTS | StepAudio 3 TTS | |
|---|---|---|---|---|
| Fabricant | Alibaba | Alibaba | StepFun | |
| Unité de facturation | Jetons: texte entrant, 12,5 jetons par seconde de sortie audio | Personnages | Jetons | Personnages |
| Prix pour cette demande | $0.0008 | $0.0035 | $0.0180 | $0.0026 |
| Durée audio | 16,8 secondes | 13,4 secondes | 15,4 secondes | 12,3 secondes |
| Il est temps pour le dossier fini | 13,4 secondes | 16,6 secondes | 7,5 secondes | 4,4 secondes |
| Voix | 19 | Plus de 1 000 | 30 dans la liste vocale, plus de 2 000 à la bibliothèque | 12 voix officielles |
| Champ de direction | Enseignement | Enseignement | style_prompt | Enseignement |
| Streaming | Oui | Oui | Oui | Oui |
Comment nous l’avons géré
Chaque modèle lisait le même script avec la même direction, passé dans le champ de direction du modèle. Chacun utilisait une voix féminine anglaise de sa propre bibliothèque, renvoyait le MP3, et gardait tous les autres réglages par défaut; Qwen Audio 3.0 TTS fonctionnait sur son niveau Plus 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 18 octobre 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
Livraison. Écoutez comment chaque voix gère le passage de la fatigue à la joie lors des « félicitations », et à quel point elle change de rythme au fil de la dernière phrase.
Longueur et prix. Le même texte produisait entre 12,3 et 16,8 secondes d’audio. Qwen Audio 3.1 TTS et Gemini 3.8 Flash TTS facturent l’audio qu’ils génèrent, donc une lecture plus lente coûte plus cher; Qwen Audio 3.0 TTS 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 », « voix »: « Ava_v3.1 », « entrée »: « J’ai ouvert la lettre en m’attendant à un autre refus poli. À la place, la première ligne disait: félicitations, le poste est à vous. Je l’ai lue trois fois avant de me laisser croire. », « instruction »: « Commence calmement et un peu fatigué, puis sois surprise et joie à la dernière phrase. », « response_format »: « mp3 » }'Échange modèle et Voix pour faire passer la même demande contre qwen-audio-3-0-tts, gemini-3-8-flash-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 les clips ont-ils des longueurs différentes ?
Chaque modèle suit le même rythme à sa manière, et la réalisation demande un changement d’ambiance en cours de route. La durée compte pour le prix sur Qwen Audio 3.1 TTS et Gemini 3.8 Flash TTS, qui facturent l’audio généré.
Lequel devrais-je utiliser ?
Écoutez les extraits avec votre propre script. La même demande fonctionne pour les quatre, avec seulement le modèle, la voix et le champ de direction modifiés.
Essaie
Playground - Oui Tous les modèles - Oui Prix
Divulgation: Cet article a été rédigé avec l'aide d'AI et examiné par EmpirioLabs AI.
