Gemini 3.8 Flash TTS vs Qwen Audio 3.0 TTS

Gemini 3.8 Flash TTS vs Qwen Audio 3.0 TTS en un coup d'œil

Gemini 3.8 Flash TTS de Google et Qwen Audio 3.0 TTS de Alibaba Cloud appartiennent tous deux à la catégorie Production audio et sont disponibles via l'API EmpirioLabs.

Différences clés

• Gemini 3.8 Flash TTS est la version la plus récente (22 sept. 2026) ; Qwen Audio 3.0 TTS est sorti le 20 juil. 2026.
• Capacités indiquées uniquement pour Gemini 3.8 Flash TTS : multi speaker, voice control, streaming.
• Capacités indiquées uniquement pour Qwen Audio 3.0 TTS : expressive prosody, emotion control, dialect, low latency.

Gemini 3.8 Flash TTS vs Qwen Audio 3.0 TTS : caractéristiques

Gemini 3.8 Flash TTS vs Qwen Audio 3.0 TTS : tarifs de l'API

Tarifs en direct du catalogue EmpirioLabs pour les deux modèles. Chaque grille tarifaire correspond toujours à ce que l'API facture.

Gemini 3.8 Flash TTS vs Qwen Audio 3.0 TTS : paramètres de l'API

Paramètres de requête indiqués pour chaque modèle sur EmpirioLabs, avec les valeurs autorisées ou la plage le cas échéant. Un tiret signale un paramètre que le modèle n'indique pas.

Gemini 3.8 Flash TTS vs Qwen Audio 3.0 TTS : limites et notes

Gemini 3.8 Flash TTS

Limites

• Texte: jusqu’à 5 000 caractères par demande
• Facturation audio: 32 jetons de sortie par seconde d’audio généré
• 130 langues. La langue du texte est détectée automatiquement.

Voix

• Les 30 voix de la liste voice parlent toutes les langues prises en charge.
• GET /v1/voices?model=gemini-3-8-flash-tts liste la bibliothèque complète de plus de 2 000 voix réparties dans 30 lieux, avec la langue, l’accent, le genre, la hauteur et une description de chacun. Filtrez-le par language, gender, pitch ou q. Tout id qu’il retourne fonctionne comme voice ou voice2; lorsque vous définissez également language, utilisez la langue propre à la voix.

Voix personnalisées

• Réglez voice pour custom et passez deux enregistrements du même locuteur adulte sous forme d’URL https: voice_audio_url, 10 à 30 secondes de parole naturelle, et voice_consent_audio_url, le locuteur lisant « Je suis le propriétaire de cette voix et je consens à ce que Google utilise cette voix pour créer un modèle de voix synthétique. » L’affirmation est acceptée en 30 langues; consent_statements sur ce paramètre liste chaque formulation.
• Les deux doivent être des enregistrements d’une personne réelle, dans une pièce calme sur le même microphone. L’audio généré par IA n’est pas accepté. WAV, MP3, M4A, OGG, WEBM et FLAC sont acceptés, jusqu’à 15 Mo chacun.
• La réponse inclut voice_id et voice_id_expires_at. Passez le voice_id comme voice ou voice2 pour réutiliser la voix pendant 7 jours sans nouveaux enregistrements. Un voice_id ne fonctionne que pour le compte qui l’a créé.
• Ce modèle ne garde aucune liste de voix personnalisées, donc gardez la voice_id de la réponse. Une voix personnalisée se termine lorsque son identifiant expire, donc il n’y a rien à supprimer.
• Dans le Playground, mettez Voix sur Personnalisé pour utiliser à nouveau une voix créée dans le même onglet, ou copiez son id.

Direction de la livraison

• Mettez la direction de tout le passage dans style_prompt plutôt que dans le texte, par exemple « chaleureux, sans hâte et rassurant ».
• Placez les balises vocales en ligne à l’endroit où le son devrait se produire. Utilisez ces balises anglaises même lorsque le texte est dans une autre langue:

<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>

• Mettez un mot en majuscule pour le souligner. Enveloppez une réaction de l’auditeur dans des tuyaux, par exemple |mm-hmm|, pour l’ajouter sans commencer un nouveau tour.

Multi-haut-parleurs

• Jusqu’à deux intervenants par demande. Commencez chaque ligne par un nom de locuteur et un deux-points, par exemple Speaker1: et Speaker2:. Les noms doivent correspondre à speaker1_name et speaker2_name.

Produit

• WAV, MP3, OGG (Opus), ALAW ou MULAW, entre 8 000 et 48 000 Hz.
• POST /v1/audio/speech:stream envoie des chunks PCM 16 bits à 24 000 Hz pendant la génération de l’audio, puis le fichier complet dans le format demandé. speed est disponible uniquement sur POST /v1/audio/speech.

Qwen Audio 3.0 TTS

Paliers

• En plus: la meilleure qualité audio et expressivité, pour la création de contenu, les livres audio, le doublage et le doublage de la marque
• Flash: réglé pour une interaction en temps réel avec une latence de premier paquet plus faible, pour les assistants vocaux et les agents en direct
• Échangez avec le paramètre model_tier, ou envoyez qwen-audio-3.0-tts-plus ou qwen-audio-3.0-tts-flash comme identifiant du modèle

Voix

• Plus de 1 000 voix de base, toutes disponibles sur les deux paliers, donc changer de niveau conserve la voix sélectionnée
• Six voix du système phare sont spécifiques à un niveau: longanlingxin et longanlufeng sur Plus, et longanhuan_v3.6, longjielidou_v3.6, loongeva_v3.6 loongjohn sur Flash
• Parcourez le catalogue complet avec GET /v1/voices, et faites passer vos voix par voice_id

Voix personnalisées

• Réglez voice sur custom et passez voice_audio_url, une URL https à 10 à 20 secondes de parole claire d’un haut-parleur.
• WAV, MP3, M4A, OGG, WEBM et FLAC sont acceptés, jusqu’à 15 Mo. Enregistrez dans une pièce calme, sans musique ni autres voix.
• La voix est créée pour le model_tier sélectionné. La réponse inclut voice_id et voice_id_expires_at: passer le voice_id comme voice ou voice_id, avec le même model_tier, pour réutiliser la voix pendant 7 jours. Seul le compte qui l’a créé peut l’utiliser.
• Chaque compte peut contenir 10 voix personnalisées sur ce modèle à la fois.
• GET /v1/voices?model=qwen-audio-3-0-tts liste les voix du modèle, y compris vos voix personnalisées avec leurs identifiants. Ajoutez type=custom pour lister uniquement les voix personnalisées.
• DELETE /v1/voices/{voice_id}?model=qwen-audio-3-0-tts supprime une voix personnalisée, ce qui libère sa place immédiatement.
• Dans le Playground, mettez Voix sur Personnalisé pour réutiliser une voix enregistrée, copiez son identifiant ou supprimez-la.
• Créer, lister et supprimer des voix personnalisées n’a aucun frais.

Limites d’entrée

• Jusqu’à 20 000 caractères par demande
• instruction accepte jusqu’à 128 caractères
• L’entrée SSML n’est pas prise en charge. Utilisez instruction pour la direction de livraison, et des balises en ligne telles que [excited] ou [whispers] à l’intérieur du texte

Facturation

• Facturé par caractère de texte d’entrée au taux du palier sélectionné

Comment appeler Gemini 3.8 Flash TTS et Qwen Audio 3.0 TTS

Gemini 3.8 Flash TTS génère la voix via POST /v1/audio/speech et renvoie de l'audio lisible. Envoyez le texte à prononcer dans input avec l'id de modèle gemini-3-8-flash-tts. Les deux modèles s'appellent via le même endpoint. Définissez model sur gemini-3-8-flash-tts ou qwen-audio-3-0-tts. Obtenez une clé API depuis le tableau de bord EmpirioLabs.

curl https://api.empiriolabs.ai/v1/audio/speech \
  -H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3-8-flash-tts",
    "input": "Welcome to EmpirioLabs. Your build just finished."
  }' \
  --output speech.mp3

Gemini 3.8 Flash TTS vs Qwen Audio 3.0 TTS : tests et guides

Tests de prompts et comparaisons qui couvrent les deux modèles.

Guides Qwen Audio 3.1 TTS vs Qwen Audio 3.0 TTS vs Gemini 3.8 Flash TTS vs StepAudio 3 TTS: un seul script Nous avons donné à Qwen Audio 3.1 TTS, Qwen Audio 3.0 TTS, Gemini 3.8 Flash TTS et StepAudio 3 TTS le même script et la...

Gemini 3.8 Flash TTS vs Qwen Audio 3.0 TTS : questions fréquentes

Quelle est la différence entre Gemini 3.8 Flash TTS et Qwen Audio 3.0 TTS ?

Gemini 3.8 Flash TTS est la version la plus récente (22 sept. 2026) ; Qwen Audio 3.0 TTS est sorti le 20 juil. 2026. Capacités indiquées uniquement pour Gemini 3.8 Flash TTS : multi speaker, voice control, streaming. Capacités indiquées uniquement pour Qwen Audio 3.0 TTS : expressive prosody, emotion control, dialect, low latency. Les caractéristiques, les grilles tarifaires et les paramètres de cette page proviennent du catalogue EmpirioLabs en direct.

Lequel est le plus récent, Gemini 3.8 Flash TTS ou Qwen Audio 3.0 TTS ?

Gemini 3.8 Flash TTS est la version la plus récente (22 sept. 2026) ; Qwen Audio 3.0 TTS est sorti le 20 juil. 2026.

Lequel a le tarif le plus bas, Gemini 3.8 Flash TTS ou Qwen Audio 3.0 TTS ?

Les deux modèles sont tarifés sur des unités ou des paliers différents : comparez les grilles tarifaires en direct de cette page. Elles correspondent toujours à ce que l'API facture.

Puis-je passer de Gemini 3.8 Flash TTS à Qwen Audio 3.0 TTS sans reconstruire mon intégration ?

Oui. Les deux modèles utilisent POST /v1/audio/speech avec la même clé API EmpirioLabs : la plupart des intégrations basculent en changeant la valeur model. Vérifiez d'abord le tableau des paramètres de cette page si vous dépendez d'un paramètre propre à un modèle.

Puis-je essayer Gemini 3.8 Flash TTS et Qwen Audio 3.0 TTS dans le navigateur avant d'intégrer ?

Oui. Ouvrez chaque modèle dans le playground EmpirioLabs et lancez le même prompt sur les deux, avec les paramètres exposés par l'API.