タイプ
仕様
料金
入力
1Mプロンプトトークンあたり
$2.60
出力
生成された1Mトークンあたり
$46.80
Gemini 3.8 Flash TTS と Qwen Audio 3.0 TTS を並べて比較: 仕様、機能、パラメーター、EmpirioLabs カタログのライブ料金。
Google 
Alibaba Cloud オーディオ生成Google の Gemini 3.8 Flash TTS と Alibaba Cloud の Qwen Audio 3.0 TTS はどちらもオーディオ生成カテゴリのモデルで、EmpirioLabs API から利用できます。
| 仕様 | Gemini 3.8 Flash TTS | Qwen Audio 3.0 TTS |
|---|---|---|
| モデルID | gemini-3-8-flash-tts | qwen-audio-3-0-tts |
| 開発元 | Alibaba Cloud | |
| リリース | 2026年9月22日 | 2026年7月20日 |
| 入力 | テキスト | テキスト |
| 出力 | 音声 | 音声 |
| リージョン | - | Singapore |
| エンドポイント | POST /v1/audio/speech POST /v1/audio/speech:stream GET /v1/voices | POST /v1/audio/speech POST /v1/audio/speech:stream GET /v1/voices |
| 機能 |
両モデルの EmpirioLabs カタログのライブ料金です。各料金表は常に API の請求額と一致します。
EmpirioLabs で各モデルに記載されているリクエストパラメーターと、指定できる値または範囲です。ハイフンは、そのモデルに記載のないパラメーターを示します。
| パラメータ | Gemini 3.8 Flash TTS | Qwen Audio 3.0 TTS |
|---|---|---|
| input | 最大 5000 | 最大 20000 |
| mode | single, multi デフォルト: single | - |
| language | string | - |
| voice | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... デフォルト: Charon | loongjameszhao, loongolivialin, loonglunawang, loongnorahu, l... デフォルト: loongjameszhao |
| voice_audio_url | string | string |
| voice_consent_audio_url | string | - |
| voice2 | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... デフォルト: Kore | - |
| speaker1_name | string デフォルト: Speaker1 | - |
| speaker2_name | string デフォルト: Speaker2 | - |
| output_format | WAV, MP3, OGG, ALAW, MULAW デフォルト: WAV | - |
| speed | 0.25 から 2 デフォルト: 1 | 0.5 から 2 デフォルト: 1 |
| volume_gain | -96 から 16 デフォルト: 0 | - |
| sample_rate | 8000, 16000, 22050, 24000, 44100, 48000 デフォルト: 24000 | 8000, 16000, 22050, 24000, 44100, 48000 デフォルト: 24000 |
| style_prompt | string | - |
| model_tier | - | plus, flash デフォルト: plus |
| voice_id | - | string |
<argh> <breath> <heavy breath> <exhales> <cackle> <cheer> <chuckle> <chuckles> <cough> <cry> <gasp> <giggle> <groan> <growl> <grunt> <grr> <hiss> <laugh> <laughter> <moan> <pant> <pff> <phew> <scream> <shout> <shriek> <sigh> <sighs> <sneeze> <snicker> <snort> <sob> <throat-clearing> <tsk> <whimper> <whispers> <whispering> <yawn> <short pause> <long pause>Gemini 3.8 Flash TTS は POST /v1/audio/speech で音声を生成し、再生可能なオーディオを返します。読み上げるテキストを input として、モデル ID gemini-3-8-flash-tts と一緒に送信してください。 どちらのモデルも同じエンドポイントで呼び出します。model を gemini-3-8-flash-tts または qwen-audio-3-0-tts に設定してください。 EmpirioLabs ダッシュボードで API キーを取得してください。
curl https://api.empiriolabs.ai/v1/audio/speech \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gemini-3-8-flash-tts",
"input": "Welcome to EmpirioLabs. Your build just finished."
}' \
--output speech.mp3両方のモデルを扱ったプロンプトテストと比較実験です。
Gemini 3.8 Flash TTS のほうが新しいリリースです (2026年9月22日)。Qwen Audio 3.0 TTS のリリースは 2026年7月20日 です。 Gemini 3.8 Flash TTS だけに記載されている機能: multi speaker, voice control, streaming。 Qwen Audio 3.0 TTS だけに記載されている機能: expressive prosody, emotion control, dialect, low latency。 このページの仕様、料金表、パラメーターは EmpirioLabs のライブカタログに基づいています。
Gemini 3.8 Flash TTS のほうが新しいリリースです (2026年9月22日)。Qwen Audio 3.0 TTS のリリースは 2026年7月20日 です。
2 つのモデルは課金単位または階層が異なるため、このページのライブ料金表で比較してください。料金表は常に API の請求額と一致します。
はい。どちらのモデルも同じ EmpirioLabs API キーで POST /v1/audio/speech を使うため、ほとんどの連携は model の値を変えるだけで切り替えられます。モデル固有のパラメーターに依存している場合は、先にこのページのパラメーター表を確認してください。
はい。EmpirioLabs プレイグラウンド で各モデルを開き、API と同じパラメーターで同じプロンプトを両方に実行できます。
