タイプ
仕様
料金
入力
1Mプロンプトトークンあたり
$0.46
出力
生成された1Mトークンあたり
$3.74
Qwen Audio 3.1 TTS と Gemini 3.8 Flash 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 
Google オーディオ生成Alibaba Cloud の Qwen Audio 3.1 TTS と Google の Gemini 3.8 Flash 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 | Qwen Audio 3.1 TTS | Gemini 3.8 Flash TTS |
|---|---|---|
| モデルID | qwen-audio-3-1-tts | gemini-3-8-flash-tts |
| 開発元 | Alibaba Cloud | |
| リリース | 2026年9月23日 | 2026年9月22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 | Singapore | - |
| 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 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 | Qwen Audio 3.1 TTS | Gemini 3.8 Flash TTS |
|---|---|---|
| input | 最大 10000 | 最大 5000 |
| voice | Emily_v3.1, Luna_v3.1, Eric_v3.1, Luca_v3.1, Abby_v3.1, Annie... デフォルト: Emily_v3.1 | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... デフォルト: Charon |
| voice_audio_url | string | string |
| response_format | mp3, wav, pcm, opus デフォルト: mp3 | - |
| sample_rate | 8000, 12000, 16000, 22050, 24000, 44100, 48000 デフォルト: 24000 | 8000, 16000, 22050, 24000, 44100, 48000 デフォルト: 24000 |
| speed | 0.5 から 2 デフォルト: 1 | 0.25 から 2 デフォルト: 1 |
| pitch | 0.5 から 2 デフォルト: 1 | - |
| volume | 0 から 100 デフォルト: 50 | - |
| instruction | 最大 1000 | - |
| language_hints | zh, en, fr, de, ja, ko, ru, pt, th, id, vi, es, it, ms, fil, ar | - |
| seed | 0 から 65535 デフォルト: 0 | - |
| bit_rate | 6000 から 510000 デフォルト: 32000 | - |
| pronunciation | object | - |
| replace | object | - |
| enable_markdown_filter | boolean デフォルト: false | - |
| mode | - | single, multi デフォルト: single |
<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>Qwen Audio 3.1 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 qwen-audio-3-1-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 qwen-audio-3-1-tts または gemini-3-8-flash-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": "qwen-audio-3-1-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。
Qwen Audio 3.1 TTS のほうが新しいリリースです (2026年9月23日)。Gemini 3.8 Flash TTS のリリースは 2026年9月22日 です。 Qwen Audio 3.1 TTS だけに記載されている機能: expressive prosody, emotion control, low latency, realtime。 Gemini 3.8 Flash TTS だけに記載されている機能: multi speaker, voice control。 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 のほうが新しいリリースです (2026年9月23日)。Gemini 3.8 Flash TTS のリリースは 2026年9月22日 です。
入力 (1Mプロンプトトークンあたり)、出力 (生成された1Mトークンあたり) の料金は Qwen Audio 3.1 TTS のほうが低くなっています。 両方のライブ料金表はこのページにあり、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。
