簡単に言うと: 同じ164文字のナレーションの場合、 Qwen Audio 3.1 TTS 最も安価で、約20分の1セント、 StepAudio 3 TTS ファイルを最も速く返す、 ジェミニ 2.5 Pro TTS 最も高価で約4セント、読むのが遅くて長い。 Qwen Audio 3.1 TTS PlusQwen Audio 3.1の品質層は1セント弱です。4つすべてが同じスピーチエンドポイントを通じてEmpirioLabsで動作します。以下の各クリップを聞いてください;勝者を決めるわけではありません。
四つの声を聞いてください
ナレーション:「灯台守は31年間、毎晩ログに一行だけ書きました。最後のページには別の筆跡で誰かが書いていました:灯りはまだついています。」指示:「ドキュメンタリーのナレーター:落ち着いて急がず、最後の一文の前に静かで感動的な間が訪れる。」
結果を一目で見た
| Qwen Audio 3.1 TTS Plus | Qwen Audio 3.1 TTS | ジェミニ 2.5 Pro TTS | StepAudio 3 TTS | |
|---|---|---|---|---|
| メイカー | アリババ | アリババ | グーグル | ステップファン |
| 請求ユニット | 登場人物 | トークン:テキスト入力、音声出力 | トークン | 登場人物 |
| この依頼の代償 | $0.0098 | $0.0005 | $0.0433 | $0.0024 |
| 音声の長さ | 11.2秒 | 10.0秒 | 24.0秒 | 9.7秒 |
| 完成ファイルまでの時間 | 14.3秒 | 12.8秒 | 16.0秒 | 3.7秒 |
| 声 | 4 | 19 | 30 | 12 |
| 方向場 | 指導 | 指導 | style_prompt | 指導 |
運営方法
各モデルは同じ方向で同じナレーションを読み上げ、モデル自身の方向欄でパスしました。それぞれが自社ライブラリから英語の男性音声を使用し、MP3(Gemini 2.5 Pro TTSはWAVを返し、このページではMP3に変換)を返し、それ以外の設定はすべてデフォルトで返します。それぞれ1回ずつ。価格はこれらの正確なリクエストに対して請求される金額です。2026年11月2日のリクエストは、リクエスト送信から完成ファイル受信まで、秒単位で壁の時計単位です。4モデルすべてが音声生成中にストリーミングを行います。
注意すべき点
間。 指示は「ライトはまだ点灯している」前に一時停止を求めます。各音声がどこに位置し、どれくらいの時間持続しているかを聞いてください。Gemini 2.5 Pro TTSは約1.5秒の間があり、全体の読み込み時間は他のものの2倍以上続きました。
フラッシュに対しても。 Qwen Audio 3.1 TTS PlusとQwen Audio 3.1 TTSは同じリクエスト体を使います。PlusはAlibabaがナレーション、吹き替え、ブランドボイス向けに構築する階層です。2つのQwenクリップを並べて聴いてみてください。配信の違いがわかります。
長さと価格。 Qwen Audio 3.1 TTSとGemini 2.5 Pro TTSは生成する音声に料金を請求するため、遅い読み方は高価です。TTS PlusやStepAudio 3 TTSは送信した文字の料金を請求します。
同じテストをEmpirioLabsで行ってください
curl https://api.empiriolabs.ai/v1/audio/speech \ -H 「認証:ベアラー $EMPIRIOLABS_API_KEY」\ -H 「内容タイプ:application/json」 \ -d '{ 「モデル」:「qwen-audio-3-1-tts-plus」 「voice」:「xunanchuan_v3.1」 「input」:「灯台守は31年間、毎晩ログに一行だけ書きました。最後のページには別の筆跡で誰かが書いていました:ライトはまだ点いている。」「指示」:「ドキュメンタリーのナレーター:落ち着いてゆったりと、最後の文の前に静かで動く間が流れる。」「response_format」:「mp3」 }'スワップ モデル および 声 同じリクエストを実行するために qwen-audio-3-1-tts, gemini-2-5-pro-tts ( style_prompt 代わりに 指導) または stepaudio-3-ttsまたは playgroundお問い合わせ.
よくある質問
クリップは編集されたり再試したりしましたか?
いいえ。各クリップはモデルがこのリクエストで最初に返した音声で、編集されていません。
なぜQwen Audio 3.1 TTS PlusはQwen Audio 3.1 TTSよりも高いのでしょうか?
価格は異なります:テキスト1文字あたりプラス、トークン的なFlashティアです。このナレーションでは、プラスは約20倍の値段です。
どちらを使うべきでしょうか?
自分の台本でクリップを聴いてみてください。モデル、声、方向のフィールドだけを変えただけで、4つのリクエストも同じです。ローンチガイド、 Qwen Audio 3.1 TTS Plus APIの使い方、その声とカスタムの声をカバーします。
試してみて
Playground お問い合わせ 全モデル お問い合わせ 料金について
ディスクロージャー:この記事は、EmpirioLabs AIによるAIの支援とレビューで書かれました.
