Type
Spéc.
Tarif
Entrée
par 1M de jetons d’invite
$0.46
Sortie
par 1M de jetons générés
$3.74
Qwen Audio 3.1 TTS et Gemini 2.5 Pro TTS côte à côte : caractéristiques, capacités, paramètres et tarifs en direct du catalogue EmpirioLabs.
Alibaba Cloud 
Google Production audioQwen Audio 3.1 TTS de Alibaba Cloud et Gemini 2.5 Pro TTS de Google appartiennent tous deux à la catégorie Production audio et sont disponibles via l'API EmpirioLabs.
| Spéc. | Qwen Audio 3.1 TTS | Gemini 2.5 Pro TTS |
|---|---|---|
| ID du modèle | qwen-audio-3-1-tts | gemini-2-5-pro-tts |
| Auteur | Alibaba Cloud | |
| Publié | 23 sept. 2026 | 20 mai 2025 |
| Sortie max | 60 000 tokens | 19 661 tokens |
| Entrée | Texte | Texte |
| Sortie | Audio | Audio |
| Région | Singapore | - |
| Endpoints | POST /v1/audio/speech POST /v1/audio/speech:stream WEBSOCKET /v1/realtime GET /v1/voices | POST /v1/audio/speech |
| Capacités |
Tarifs en direct du catalogue EmpirioLabs pour les deux modèles. Chaque grille tarifaire correspond toujours à ce que l'API facture.
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.
| Paramètre | Qwen Audio 3.1 TTS | Gemini 2.5 Pro TTS |
|---|---|---|
| input | max 10000 | string |
| voice | Emily_v3.1, Luna_v3.1, Eric_v3.1, Luca_v3.1, Abby_v3.1, Annie... Par défaut: Emily_v3.1 | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... Par défaut: Charon |
| voice_audio_url | string | - |
| response_format | mp3, wav, pcm, opus Par défaut: mp3 | - |
| sample_rate | 8000, 12000, 16000, 22050, 24000, 44100, 48000 Par défaut: 24000 | 8000, 16000, 22050, 24000, 44100, 48000 Par défaut: 24000 |
| speed | 0.5 à 2 Par défaut: 1 | 0.25 à 2 Par défaut: 1 |
| pitch | 0.5 à 2 Par défaut: 1 | - |
| volume | 0 à 100 Par défaut: 50 | - |
| instruction | max 1000 | - |
| language_hints | zh, en, fr, de, ja, ko, ru, pt, th, id, vi, es, it, ms, fil, ar | - |
| seed | 0 à 65535 Par défaut: 0 | - |
| bit_rate | 6000 à 510000 Par défaut: 32000 | - |
| pronunciation | object | - |
| replace | object | - |
| enable_markdown_filter | boolean Par défaut: false | - |
| mode | - | single, multi Par défaut: single |
Qwen Audio 3.1 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 qwen-audio-3-1-tts. Les deux modèles s'appellent via le même endpoint. Définissez model sur qwen-audio-3-1-tts ou gemini-2-5-pro-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": "qwen-audio-3-1-tts",
"input": "Welcome to EmpirioLabs. Your build just finished."
}' \
--output speech.mp3Tests de prompts et comparaisons qui couvrent les deux modèles.
Qwen Audio 3.1 TTS est la version la plus récente (23 sept. 2026) ; Gemini 2.5 Pro TTS est sorti le 20 mai 2025. Qwen Audio 3.1 TTS renvoie jusqu'à 60 000 tokens de sortie par réponse, Gemini 2.5 Pro TTS jusqu'à 19 661. Capacités indiquées uniquement pour Qwen Audio 3.1 TTS : expressive prosody, emotion control, voice tags, low latency, streaming, realtime. Les caractéristiques, les grilles tarifaires et les paramètres de cette page proviennent du catalogue EmpirioLabs en direct.
Qwen Audio 3.1 TTS est la version la plus récente (23 sept. 2026) ; Gemini 2.5 Pro TTS est sorti le 20 mai 2025.
Qwen Audio 3.1 TTS affiche le tarif le plus bas pour Entrée (par 1M de jetons d’invite) et Sortie (par 1M de jetons générés). Les deux grilles tarifaires en direct sont sur cette page et correspondent toujours à ce que l'API facture.
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.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.
