Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS

Qwen Audio 3.1 TTS Plus と Qwen Audio 3.1 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。

Alibaba Cloud オーディオ生成

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS の概要

Qwen Audio 3.1 TTS Plus と Qwen Audio 3.1 TTS はどちらも Alibaba Cloud のモデルで、オーディオ生成カテゴリに属し、EmpirioLabs API から利用できます。

主な違い

  • Qwen Audio 3.1 TTS Plus のほうが新しいリリースです (2026年10月21日)。Qwen Audio 3.1 TTS のリリースは 2026年9月23日 です。
  • Qwen Audio 3.1 TTS だけに記載されている機能: low latency。

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS: 仕様

仕様Qwen Audio 3.1 TTS PlusQwen Audio 3.1 TTS
モデルIDqwen-audio-3-1-tts-plusqwen-audio-3-1-tts
開発元Alibaba CloudAlibaba Cloud
リリース2026年10月21日2026年9月23日
最大出力-60,000 トークン
入力
テキスト
テキスト
出力
音声
音声
リージョンSingaporeSingapore
エンドポイント
POST /v1/audio/speech POST /v1/audio/speech:stream WEBSOCKET /v1/realtime GET /v1/voices
POST /v1/audio/speech POST /v1/audio/speech:stream WEBSOCKET /v1/realtime GET /v1/voices
機能
text to speech multilingual expressive prosody emotion control voice tags streaming realtime voice cloning
text to speech multilingual expressive prosody emotion control voice tags low latency streaming realtime voice cloning

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS: API の料金

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。

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS: API のパラメーター

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Qwen Audio 3.1 TTS PlusQwen Audio 3.1 TTS
input最大 10000最大 10000
voicelonganlingxin_v3.1, longanhuan_v3.1, longanfengyue_v3.1, xuna... デフォルト: longanlingxin_v3.1Emily_v3.1, Luna_v3.1, Eric_v3.1, Luca_v3.1, Abby_v3.1, Annie... デフォルト: Emily_v3.1
voice_audio_urlstringstring
response_formatmp3, wav, pcm, opus デフォルト: mp3mp3, wav, pcm, opus デフォルト: mp3
sample_rate8000, 12000, 16000, 22050, 24000, 44100, 48000 デフォルト: 240008000, 12000, 16000, 22050, 24000, 44100, 48000 デフォルト: 24000
speed0.5 から 2 デフォルト: 10.5 から 2 デフォルト: 1
pitch0.5 から 2 デフォルト: 10.5 から 2 デフォルト: 1
volume0 から 100 デフォルト: 500 から 100 デフォルト: 50
instruction最大 1000最大 1000
language_hintszh, en, fr, de, ja, ko, ru, pt, th, id, vi, es, it, ms, fil, arzh, en, fr, de, ja, ko, ru, pt, th, id, vi, es, it, ms, fil, ar
seed0 から 65535 デフォルト: 00 から 65535 デフォルト: 0
bit_rate6000 から 510000 デフォルト: 320006000 から 510000 デフォルト: 32000
pronunciationobjectobject
replaceobjectobject
enable_markdown_filterboolean デフォルト: falseboolean デフォルト: false

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS: 上限と注意点

Qwen Audio 3.1 TTS Plus

声

  • 中国語、英語、その他の言語を読む4つの声:longanlingxin_v3.1、longanhuan_v3.1、longanfengyue_v3.1は女性、xunanchuan_v3.1は男性です。
  • 例えば、すべての声IDは_v3.1で終わります。例えばlonganlingxin_v3.1。

カスタムボイス

  • voiceをcustomに設定し、1人のスピーカーから10〜20秒間のクリアな発話をするためのhttps URLvoice_audio_urlパスしてください。
  • WAV、MP3、M4A、OGG、WEBM、FLACが対応しており、最大15MBまで対応可能です。音楽や他の声が流れない静かな部屋で録音できます。
  • 回答にはvoice_idとvoice_id_expires_atが含まれます。voice_idをvoiceとして渡し、音声を7日間、POST /v1/audio/speech、POST /v1/audio/speech:stream、またはリアルタイムソケットで再利用します。session.updateは同じフィールドを取り、session.updatedvoice_idを返します。このモデルでのみ作成したアカウントのみが使用可能です。
  • このモデルでは、各アカウントで同時に10のカスタムボイスを保持できます。
  • GET /v1/voices?model=qwen-audio-3-1-tts-plusモデルの声と、あなたのカスタム声とそのIDを一覧表示します。カスタム声のみをリストするtype=customを追加してください。
  • DELETE /v1/voices/{voice_id}?model=qwen-audio-3-1-tts-plusカスタムボイスを削除し、その位置がすぐに解放されます。
  • Playgroundで「Voice」をカスタムに設定して、保存したボイスを再度使うか、IDをコピーするか、削除してください。
  • カスタムボイスの作成、リスト作成、削除には料金がかかりません。

配達方向

  • instruction感情、トーン、キャラクター、ペース、話し方を自然言語で設定し、最大1,000文字まで表現します。
  • テキスト内のインラインタグは、その時点からの配信(例えば[excited]や[whispers]、[laughing]や[sighing]のような一度きりの音を追加します。タグの全リストはinputパラメータにあります。
  • SSML入力はサポートされていません。

入力制限

  • リクエストごとに最大10,000文字まで対応可能です。
  • language_hints言語混合テキストの発音に偏りがあります。

ソリューション

  • MP3、WAV、PCM、またはOpus(8,000〜48,000Hz)などです。
  • POST /v1/audio/speech:stream音声が生成される間に音声のチャンクを送信します。

リアルタイム

  • WEBSOCKET /v1/realtime?model=qwen-audio-3-1-tts-plusテキストが書かれている間に受け取り、生成された音声を返します。イベントinput_text_buffer.append送信し、その後input_text_buffer.commit、またはセッション終了session.finishします。
  • 音声はresponse.audio.delta、デフォルトで24,000Hzの16ビットPCM、またはMP3やOpusの16ビットイベントで届きます。音声、命令、フォーマットなどのオプションをsession.updateで設定できます。次のセグメントから変更が適用されます。
  • テキストは文の境界で終わるセグメントに分けられ、各セグメントはその用法を示すresponse.doneイベントで終わります。

請求

  • 入力テキストの文字単位で請求されます。中国語の文字は2文字としてカウントされ、インラインタグは文字数としてカウントされます。命令は請求されません。
  • リアルタイムソケットでは、各セグメントはそれぞれの文字ごとに請求されます。

Qwen Audio 3.1 TTS

声

  • 19人の声:英語の声が15人、多言語の声が4人。エミリー、ルナ、エリック、ルカはイギリス英語のアクセントを持っています。アビー、アニー、エイヴァ、ベス、ベティ、キャリー、シンディ、ドナ、アンディ、ブライアン、デイビッドはアメリカ英語のアクセントです。多言語の声longanhuan_v3.1、longanlingxin_v3.1、longanfengyue_v3.1、xunanchuan_v3.1は中国語、英語、その他の言語を読みます。
  • 例えば、すべての声IDは終わる音_v3.1、例えばEmily_v3.1です。

カスタムボイス

  • voiceをcustomに設定し、1人のスピーカーから10〜20秒間のクリアな発話をするためのhttps URLvoice_audio_urlパスしてください。
  • WAV、MP3、M4A、OGG、WEBM、FLACが対応しており、最大15MBまで対応可能です。音楽や他の声が流れない静かな部屋で録音できます。
  • 応答にはvoice_idとvoice_id_expires_atが含まれます。voice_idをvoiceとして渡し、POST /v1/audio/speech、POST /v1/audio/speech:stream、またはリアルタイムsession.updateソケットで7日間、同じフィールドを使いsession.updatedvoice_id返します。作成したアカウントだけが使用可能です。
  • このモデルでは、各アカウントで同時に10のカスタムボイスを保持できます。
  • GET /v1/voices?model=qwen-audio-3-1-ttsモデルの声と、あなたのカスタム声とそのIDを一覧表示します。カスタム声のみをリストするtype=customを追加してください。
  • DELETE /v1/voices/{voice_id}?model=qwen-audio-3-1-ttsカスタムボイスを削除し、その位置がすぐに解放されます。
  • Playgroundで「Voice」をカスタムに設定して、保存したボイスを再度使うか、IDをコピーするか、削除してください。
  • カスタムボイスの作成、リスト作成、削除には料金がかかりません。

配達方向

  • instruction感情、トーン、キャラクター、ペース、話し方を自然言語で設定し、最大1,000文字まで表現します。
  • テキスト内のインラインタグは、その時点からの配信(例えば[excited]や[whispers]、[laughing]や[sighing]のような一度きりの音を追加します。タグの全リストはinputパラメータにあります。
  • SSML入力はサポートされていません。

入力制限

  • リクエストごとに最大10,000文字まで対応可能です。
  • language_hints言語混合テキストの発音に偏りがあります。

ソリューション

  • MP3、WAV、PCM、またはOpus(8,000〜48,000Hz)などです。
  • POST /v1/audio/speech:stream音声が生成される間に音声のチャンクを送信します。

リアルタイム

  • WEBSOCKET /v1/realtime?model=qwen-audio-3-1-ttsテキストが書かれている間に受け取り、生成された音声を返します。イベントinput_text_buffer.append送信し、input_text_buffer.commit、またはセッションを終了するためにsession.finishします。
  • 音声はresponse.audio.delta、デフォルトで24,000Hzの16ビットPCM、またはMP3やOpusの16ビットイベントで届きます。音声、命令、フォーマットなどのオプションをsession.updateで設定できます。次のセグメントから変更が適用されます。
  • テキストは文の境界で終わるセグメントに分けられ、各セグメントはその用法を示すresponse.doneイベントで終わります。

請求

  • 入力トークンはテキスト、出力トークンは12.5トークン/秒で生成される音声です。
  • 速度とピッチはレンダリングされた音声の長さを変えますが、請求されたトークンは変わりません。配信を遅くする命令は出力トークンを追加します。

Qwen Audio 3.1 TTS Plus と Qwen Audio 3.1 TTS の呼び出し方

Qwen Audio 3.1 TTS Plus 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 qwen-audio-3-1-tts-plus 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 qwen-audio-3-1-tts-plus または qwen-audio-3-1-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
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 3.1 TTS: テストとガイド

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。

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS: よくある質問

Qwen Audio 3.1 TTS Plus と Qwen Audio 3.1 TTS の違いは何ですか?

Qwen Audio 3.1 TTS Plus のほうが新しいリリースです (2026年10月21日)。Qwen Audio 3.1 TTS のリリースは 2026年9月23日 です。 Qwen Audio 3.1 TTS だけに記載されている機能: 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。

Qwen Audio 3.1 TTS Plus と Qwen Audio 3.1 TTS ではどちらが新しいですか?

Qwen Audio 3.1 TTS Plus のほうが新しいリリースです (2026年10月21日)。Qwen Audio 3.1 TTS のリリースは 2026年9月23日 です。

Qwen Audio 3.1 TTS Plus と Qwen Audio 3.1 TTS ではどちらの料金が低いですか?

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。

統合を作り直さずに Qwen Audio 3.1 TTS Plus と Qwen Audio 3.1 TTS を切り替えられますか?

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。

統合する前にブラウザで Qwen Audio 3.1 TTS Plus と Qwen Audio 3.1 TTS を試せますか?

はい。EmpirioLabs プレイグラウンド で各モデルを開き、Start session を押すとブラウザーで試せます。

より良いエンドポイントを使う準備はできていますか?

ご自身のモデルを当社のスタックに展開したい方は、ぜひご価格をご覧ください。