Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.0 TTS

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.0 TTS एक नज़र में

Qwen Audio 3.1 TTS Plus और Qwen Audio 3.0 TTS दोनों Alibaba Cloud के मॉडल हैं, ऑडियो जनरेशन श्रेणी में आते हैं और EmpirioLabs API के ज़रिए उपलब्ध हैं।

मुख्य अंतर

• Qwen Audio 3.1 TTS Plus नई रिलीज़ है (21 अक्टू॰ 2026); Qwen Audio 3.0 TTS 20 जुल॰ 2026 को रिलीज़ हुआ था।
• सिर्फ Qwen Audio 3.1 TTS Plus के लिए बताई गई क्षमताएं: streaming, realtime।
• सिर्फ Qwen Audio 3.0 TTS के लिए बताई गई क्षमताएं: dialect, low latency।

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.0 TTS: विशेषताएं

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.0 TTS: API की कीमतें

दोनों मॉडलों के लिए EmpirioLabs कैटलॉग की लाइव दरें। हर दर तालिका हमेशा API की वास्तविक बिलिंग से मेल खाती है।

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.0 TTS: API के पैरामीटर

EmpirioLabs पर हर मॉडल के लिए सूचीबद्ध रिक्वेस्ट पैरामीटर, और जहां लागू हो वहां मान्य मान या सीमा। डैश उस पैरामीटर को दिखाता है जो मॉडल के लिए सूचीबद्ध नहीं है।

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.0 TTS: सीमाएं और नोट्स

Qwen Audio 3.1 TTS Plus

आवाजें

• 4 आवाजें जो चीनी, अंग्रेजी और अन्य भाषाओं को पढ़ती हैं: longanlingxin_v3.1, longanhuan_v3.1 और longanfengyue_v3.1 महिला हैं, और xunanchuan_v3.1 पुरुष है।
• प्रत्येक वॉयस आईडी _v3.1 में समाप्त होती है, उदाहरण के लिए longanlingxin_v3.1।

कस्टम आवाजें

• voice को custom करने और पास करने के लिए सेट करें voice_audio_url, एक https URL एक स्पीकर से 10 से 20 सेकंड के स्पष्ट भाषण के लिए।
• WAV, MP3, M4A, OGG, WEBM और FLAC 15 MB तक स्वीकार किए जाते हैं। संगीत या अन्य आवाज़ों के बिना, एक शांत कमरे में रिकॉर्ड करें।
• प्रतिक्रिया में voice_id और voice_id_expires_at शामिल हैं। POST /v1/audio/speech, POST /v1/audio/speech:stream या रीयलटाइम सॉकेट पर 7 दिनों के लिए आवाज का पुन: उपयोग करने के लिए voice के रूप में voice_id पास करें, जहां session.update समान फ़ील्ड लेता है और session.updated voice_id लौटाता है। केवल वही खाता जिसने इसे बनाया है, केवल इस मॉडल पर इसका उपयोग कर सकता है।
• प्रत्येक खाते में इस मॉडल पर एक समय में 10 कस्टम आवाज़ें हो सकती हैं।
• GET /v1/voices?model=qwen-audio-3-1-tts-plus मॉडल की आवाज़ों को सूचीबद्ध करता है, जिसमें आपकी कस्टम आवाज़ें उनकी आईडी के साथ शामिल हैं। केवल कस्टम आवाज़ों को सूचीबद्ध करने के लिए type=custom जोड़ें।
• DELETE /v1/voices/{voice_id}?model=qwen-audio-3-1-tts-plus एक कस्टम आवाज को हटा देता है, जो एक ही बार में अपनी जगह मुक्त कर देता है।
• Playground में, सहेजी गई आवाज़ का फिर से उपयोग करने, उसकी आईडी कॉपी करने या उसे हटाने के लिए Voice को कस्टम पर सेट करें.
• कस्टम आवाज़ें बनाने, सूचीबद्ध करने और हटाने से कोई शुल्क नहीं लगता है।

वितरण की दिशा

• instruction प्राकृतिक भाषा में भावना, स्वर, चरित्र, गति और बोलने की शैली को 1,000 वर्णों तक सेट करता है।
• पाठ के अंदर इनलाइन टैग उस बिंदु से डिलीवरी को बदलते हैं, उदाहरण के लिए [excited] या [whispers], या [laughing] या [sighing] जैसी एक बार की ध्वनि जोड़ते हैं। टैग की पूरी सूची input पैरामीटर पर है।
• SSML इनपुट समर्थित नहीं है.

इनपुट सीमाएँ

• प्रति अनुरोध 10,000 वर्णों तक।
• language_hints मिश्रित भाषा पाठ के लिए पूर्वाग्रह उच्चारण।

उत्पादन

• MP3, WAV, PCM, या ओपस 8,000 से 48,000 हर्ट्ज पर।
• POST /v1/audio/speech:stream भाषण उत्पन्न होने के दौरान ऑडियो चंक्स भेजता है।

रीयलटाइम

• WEBSOCKET /v1/realtime?model=qwen-audio-3-1-tts-plus पाठ लेता है, जबकि यह अभी भी लिखा जा रहा है और ऑडियो के रूप में यह उत्पन्न होता है। input_text_buffer.append ईवेंट भेजें, फिर input_text_buffer.commit, या सत्र समाप्त करने के लिए session.finish।
• ऑडियो response.audio.delta घटनाओं में आता है: डिफ़ॉल्ट रूप से 16 हर्ट्ज पर 24,000-बिट पीसीएम, या एमपी 3 या ओपस। session.update के साथ आवाज, निर्देश, प्रारूप और अन्य विकल्प सेट करें; अगले खंड से एक परिवर्तन लागू होता है।
• पाठ उन खंडों में बोला जाता है जो वाक्य सीमाओं पर समाप्त होते हैं, और प्रत्येक खंड एक response.done ईवेंट के साथ समाप्त होता है जिसमें इसका उपयोग होता है।

बिलिंग

• इनपुट टेक्स्ट के प्रति वर्ण बिल किया जाता है. एक चीनी वर्ण को दो वर्णों के रूप में गिना जाता है, और इनलाइन टैग वर्णों के रूप में गिना जाता है. निर्देश बिल नहीं किया जाता है.
• रीयलटाइम सॉकेट पर प्रत्येक खंड को उसके अपने पात्रों के लिए बिल किया जाता है।

Qwen Audio 3.0 TTS

स्तर

• प्लस: सामग्री निर्माण, ऑडियोबुक, डबिंग और ब्रांड वॉयस वर्क के लिए उच्चतम ऑडियो गुणवत्ता और अभिव्यक्ति,
• फ्लैश: आवाज सहायकों और लाइव एजेंटों के लिए कम प्रथम-पैकेट विलंबता के साथ वास्तविक समय की बातचीत के लिए ट्यून किया गया
• model_tier पैरामीटर के साथ स्विच करें, या qwen-audio-3.0-tts-plus या qwen-audio-3.0-tts-flash को मॉडल आईडी के रूप में भेजें

आवाजें

• 1,000 से अधिक आधार आवाज़ें, सभी दोनों स्तरों पर उपलब्ध हैं, इसलिए टियर बदलने से आपकी चयनित आवाज़ बनी रहती है
• छह फ्लैगशिप सिस्टम आवाज़ें स्तरीय विशिष्ट हैं: प्लस पर longanlingxin और longanlufeng, और फ्लैश पर longanhuan_v3.6, longjielidou_v3.6, loongeva_v3.6, loongjohn
• GET /v1/voices के साथ पूरा कैटलॉग ब्राउज़ करें, और किसी भी आवाज को voice_id के माध्यम से पास करें

कस्टम आवाजें

• voice को custom करने और पास करने के लिए सेट करें voice_audio_url, एक https URL एक स्पीकर से 10 से 20 सेकंड के स्पष्ट भाषण के लिए।
• WAV, MP3, M4A, OGG, WEBM और FLAC 15 MB तक स्वीकार किए जाते हैं। संगीत या अन्य आवाज़ों के बिना, एक शांत कमरे में रिकॉर्ड करें।
• आवाज चयनित model_tier के लिए बनाई गई है। प्रतिक्रिया में voice_id और voice_id_expires_at शामिल हैं: 7 दिनों के लिए आवाज का पुन: उपयोग करने के लिए, उसी model_tier के साथ, voice या voice_id के रूप में voice_id पास करें। केवल वही खाता जिसने इसे बनाया है, इसका उपयोग कर सकता है।
• प्रत्येक खाते में इस मॉडल पर एक समय में 10 कस्टम आवाज़ें हो सकती हैं।
• GET /v1/voices?model=qwen-audio-3-0-tts मॉडल की आवाज़ों को सूचीबद्ध करता है, जिसमें आपकी कस्टम आवाज़ें उनकी आईडी के साथ शामिल हैं। केवल कस्टम आवाज़ों को सूचीबद्ध करने के लिए type=custom जोड़ें।
• DELETE /v1/voices/{voice_id}?model=qwen-audio-3-0-tts एक कस्टम आवाज को हटा देता है, जो एक ही बार में अपनी जगह मुक्त कर देता है।
• Playground में, सहेजी गई आवाज़ का फिर से उपयोग करने, उसकी आईडी कॉपी करने या उसे हटाने के लिए Voice को कस्टम पर सेट करें.
• कस्टम आवाज़ें बनाने, सूचीबद्ध करने और हटाने से कोई शुल्क नहीं लगता है।

इनपुट सीमाएँ

• प्रति अनुरोध 20,000 वर्णों तक
• instruction अधिकतम 128 वर्ण स्वीकार करता है
• SSML इनपुट समर्थित नहीं है. वितरण दिशा के लिए instruction का उपयोग करें, और पाठ के अंदर [excited] या [whispers] जैसे इनलाइन टैग का उपयोग करें

बिलिंग

• चयनित टियर की दर पर इनपुट टेक्स्ट के प्रति वर्ण बिल किया गया

Qwen Audio 3.1 TTS Plus और Qwen Audio 3.0 TTS को कैसे कॉल करें

Qwen Audio 3.1 TTS Plus POST /v1/audio/speech से आवाज़ बनाता है और चलाने योग्य ऑडियो देता है। बोला जाने वाला टेक्स्ट input के रूप में model id qwen-audio-3-1-tts-plus के साथ भेजें। दोनों मॉडल एक ही एंडपॉइंट से कॉल किए जाते हैं। model को qwen-audio-3-1-tts-plus या qwen-audio-3-0-tts पर सेट करें। EmpirioLabs डैशबोर्ड से API key प्राप्त करें।

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 3.0 TTS: आम सवाल

Qwen Audio 3.1 TTS Plus और Qwen Audio 3.0 TTS में क्या अंतर है?

Qwen Audio 3.1 TTS Plus नई रिलीज़ है (21 अक्टू॰ 2026); Qwen Audio 3.0 TTS 20 जुल॰ 2026 को रिलीज़ हुआ था। सिर्फ Qwen Audio 3.1 TTS Plus के लिए बताई गई क्षमताएं: streaming, realtime। सिर्फ Qwen Audio 3.0 TTS के लिए बताई गई क्षमताएं: dialect, low latency। इस पेज की विशेषताएं, दर तालिकाएं और पैरामीटर EmpirioLabs के लाइव कैटलॉग से आते हैं।

Qwen Audio 3.1 TTS Plus और Qwen Audio 3.0 TTS में से नया कौन सा है?

Qwen Audio 3.1 TTS Plus नई रिलीज़ है (21 अक्टू॰ 2026); Qwen Audio 3.0 TTS 20 जुल॰ 2026 को रिलीज़ हुआ था।

Qwen Audio 3.1 TTS Plus और Qwen Audio 3.0 TTS में से किसकी दर कम है?

दोनों मॉडलों की कीमत अलग इकाइयों या स्तरों पर तय होती है, इसलिए इस पेज की लाइव दर तालिकाओं की तुलना करें। वे हमेशा API की वास्तविक बिलिंग से मेल खाती हैं।

क्या मैं अपना इंटीग्रेशन दोबारा बनाए बिना Qwen Audio 3.1 TTS Plus और Qwen Audio 3.0 TTS के बीच बदल सकता हूं?

हां। दोनों मॉडल एक ही EmpirioLabs API key के साथ POST /v1/audio/speech इस्तेमाल करते हैं, इसलिए ज़्यादातर इंटीग्रेशन सिर्फ model मान बदलकर स्विच हो जाते हैं। अगर आप किसी मॉडल-विशेष पैरामीटर पर निर्भर हैं तो पहले इस पेज की पैरामीटर तालिका देखें।