Qwen Audio 3.1 TTS vs Qwen Audio 3.0 TTS

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

Qwen Audio 3.1 TTS 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 नई रिलीज़ है (23 सित॰ 2026); Qwen Audio 3.0 TTS 20 जुल॰ 2026 को रिलीज़ हुआ था।
• सिर्फ Qwen Audio 3.1 TTS के लिए बताई गई क्षमताएं: streaming, realtime।
• सिर्फ Qwen Audio 3.0 TTS के लिए बताई गई क्षमताएं: dialect।

Qwen Audio 3.1 TTS vs Qwen Audio 3.0 TTS: विशेषताएं

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

Qwen Audio 3.1 TTS

आवाजें

• 19 आवाज़ें: 15 अंग्रेजी आवाज़ें और 4 बहुभाषी आवाज़ें। एमिली, लूना, एरिक और लुका के पास ब्रिटिश लहजे हैं। एबी, एनी, एवा, बेथ, बेट्टी, कैली, सिंडी, डोना, एंडी, ब्रायन और डेविड के पास अमेरिकी लहजे हैं। बहुभाषी आवाज़ें चीनी, अंग्रेजी और अन्य भाषाओं को पढ़ने longanhuan_v3.1, longanlingxin_v3.1, longanfengyue_v3.1 और xunanchuan_v3.1 हैं।
• उदाहरण के लिए, प्रत्येक वॉयस आईडी _v3.1 में समाप्त होती है, उदाहरण के लिए Emily_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। voice_id को 7 दिनों के लिए, POST /v1/audio/speech, POST /v1/audio/speech:stream या रीयलटाइम सॉकेट पर पुन: उपयोग करने के लिए voice के रूप में पास करें, जहां session.update समान फ़ील्ड लेता है और session.updated voice_id लौटाता है। 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-3-1-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-3-1-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।

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 पाठ लेता है, जबकि यह अभी भी लिखा जा रहा है और ऑडियो देता है 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 टोकन टेक्स्ट हैं, और आउटपुट टोकन 12.5 टोकन प्रति सेकंड पर जेनरेट किया गया ऑडियो है।
• गति और पिच प्रदान किए गए ऑडियो की लंबाई को बदलते हैं लेकिन बिल किए गए टोकन को नहीं। एक निर्देश जो डिलीवरी को धीमा कर देता है, आउटपुट टोकन जोड़ता 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 और Qwen Audio 3.0 TTS को कैसे कॉल करें

Qwen Audio 3.1 TTS 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 के साथ भेजें। दोनों मॉडल एक ही एंडपॉइंट से कॉल किए जाते हैं। model को qwen-audio-3-1-tts 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",
    "input": "Welcome to EmpirioLabs. Your build just finished."
  }' \
  --output speech.mp3

Qwen Audio 3.1 TTS vs Qwen Audio 3.0 TTS: परीक्षण और गाइड

prompt परीक्षण और तुलना रन जिनमें दोनों मॉडल शामिल हैं।

गाइड Qwen Audio 3.1 TTS vs Qwen Audio 3.0 TTS vs Gemini 3.8 Flash TTS vs StepAudio 3 TTS: one स्क्रिप्ट हमने क्वेन ऑडियो 3.1 टीटीएस, क्वेन ऑडियो 3.0 टीटीएस, जेमिनी 3.8 फ्लैश टीटीएस और स्टेपऑडियो 3 टीटीएस को एक ही स्क्रिप्ट और...

Qwen Audio 3.1 TTS vs Qwen Audio 3.0 TTS: आम सवाल

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

Qwen Audio 3.1 TTS नई रिलीज़ है (23 सित॰ 2026); Qwen Audio 3.0 TTS 20 जुल॰ 2026 को रिलीज़ हुआ था। सिर्फ Qwen Audio 3.1 TTS के लिए बताई गई क्षमताएं: streaming, realtime। सिर्फ Qwen Audio 3.0 TTS के लिए बताई गई क्षमताएं: dialect। इस पेज की विशेषताएं, दर तालिकाएं और पैरामीटर EmpirioLabs के लाइव कैटलॉग से आते हैं।

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

Qwen Audio 3.1 TTS नई रिलीज़ है (23 सित॰ 2026); Qwen Audio 3.0 TTS 20 जुल॰ 2026 को रिलीज़ हुआ था।

Qwen Audio 3.1 TTS 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 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।