簡単に言うと: 同じ174文字の脚本の場合、 Qwen Audio 3.1 TTS 最も安価で、十分の一セント未満、 StepAudio 3 TTS ファイルを最も速く返す、 ジェミニ3.8フラッシュTTS 最も高価で、2セント未満でした。 Qwen Audio 3.0 TTS 価格は0.5セント未満です。4つすべてが同じスピーチの終点をEmpirioLabs通して運行されます。以下の各クリップをお聞きください;当選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
台本:「また丁寧な断りを期待して手紙を開けた。しかし最初の一文にはこう書かれていた:おめでとう、仕事は君のものだ。信じる前に三度読んだ。」指示:「静かに少し疲れた状態で始め、最後の一文で驚きと喜びを感じる。」
結果を一目で見た
| Qwen Audio 3.1 TTS | Qwen Audio 3.0 TTS | ジェミニ3.8フラッシュ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 | トークン:テキスト入力、1秒間に12.5トークンの音声出力 | 登場人物 | トークン | 登場人物 |
| この依頼の代償 | $0.0008 | $0.0035 | $0.0180 | $0.0026 |
| 音声の長さ | 16.8秒 | 13.4秒 | 15.4秒 | 12.3秒 |
| 完成ファイルまでの時間 | 13.4秒 | 16.6秒 | 7.5秒 | 4.4秒 |
| 声 | 19 | 1,000人以上 | ボイスリストには30人、図書館には2,000人以上 | 12の公式声 |
| 方向場 | 指導 | 指導 | style_prompt | 指導 |
| ストリーミング | はい | はい | はい | はい |
運営方法
各モデルは同じ方向のスクリプトを読み取り、モデル自身の方向欄でパスしていました。それぞれが独自のライブラリから英語の女性音声を使用し、MP3を返し、その他の設定はすべてデフォルトのまま維持していました。Qwen Audio 3.0 TTSはデフォルトのPlus階層で動作しました。それぞれ1ショットずつ。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10月18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、1つのリクエストは壁時計秒単位です。4モデルすべてが音声生成中にストリーミングも行っています。
注意すべき点
配達です。 「おめでとう」と言われたとき、疲れた声から喜びに変わる声の切り替えや、最後の文でどれだけテンポが変わるか、よく耳を傾けてください。
長さと価格。 同じテキストは12.3秒から16.8秒の音声を生成します。Qwen Audio 3.1 TTSとGemini 3.8 Flash TTSは生成する音声に料金を請求するため、遅い読み方はより高くかかります。Qwen Audio 3.0 TTSとStepAudio 3 TTSは送信した文字分を請求します。
同じテストをEmpirioLabsで行ってください
curl https://api.empiriolabs.ai/v1/audio/speech \ -H 「認可:ベアラー $EMPIRIOLABS_API_KEY」\ -H 「Content-Type: application/json」 \ -d '{ "model": "qwen-audio-3-1-tts", "voice": "Ava_v3.1", "input": 「また丁寧な拒絶を期待して手紙を開けた。しかし最初の一行にはこう書かれていた:おめでとうございます、仕事はあなたのものです。信じる前に三回読みました。」「指示」:「最初は静かで少し疲れていて、最後の一文で驚きと喜びを感じる。」「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-3-0-tts, gemini-3-8-flash-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。
なぜクリップの長さが違うのですか?
各モデルは同じ脚本をそれぞれ独自のペースで演じ、途中で雰囲気の変化を求めます。Qwen Audio 3.1 TTSやGemini 3.8 Flash TTSでは、生成音声を請求するので、長さは価格に影響します。
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。同じリクエストはモデル、声、演出フィールドだけを変えるだけで4つすべてで機能します。
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.
