간단한 답변: 동일한 174자 문자 대본에 대해, Qwen 오디오 3.1 TTS 가장 저렴한 비용은 0.1센트도 채 안 되고, StepAudio 3 TTS 파일을 가장 빠르게 반환했고, 제미니 3.8 플래시 TTS 가장 비싼 가격, 2센트 미만이었다. Qwen 오디오 3.0 TTS 가격은 0.5센트 미만입니다. 네 개 모두 같은 연설 끝을 통해 EmpirioLabs 진행됩니다. 아래 각 클립을 들어보세요; 우리는 우승자를 선언하는 것이 아닙니다.
네 목소리를 들어봐
대본: "편지를 열어 또 다른 정중한 거절을 기대했는데, 대신 첫 문장에는 이렇게 적혀 있었다: 축하합니다, 이 직장은 당신의 것입니다. 나는 그것을 믿기 전에 세 번이나 읽었습니다." 지시: "조용하고 약간 피곤한 상태로 시작하다가 마지막 문장에서 놀라고 기뻐하는 것."
결과를 한눈에 볼 수 있습니다
| Qwen 오디오 3.1 TTS | Qwen 오디오 3.0 TTS | 제미니 3.8 플래시 TTS | StepAudio 3 TTS | |
|---|---|---|---|---|
| 메이커 | 알리바바 | 알리바바 | 구글 | 스텝펀 |
| 청구 단위 | 토큰: 텍스트 입력, 초당 12.5 토큰 출력 오디오 | 등장인물 | 토큰 | 등장인물 |
| 이 요청의 대가입니다 | $0.0008 | $0.0035 | $0.0180 | $0.0026 |
| 오디오 길이 | 16.8초 | 13.4초 | 15.4초 | 12.3초 |
| 완성된 파일 완성까지 시간 | 13.4초 | 16.6초 | 7.5초 | 4.4초 |
| 목소리 | 19 | 1,000명 이상입니다 | 음성 목록에는 30명, 도서관에는 2,000명 이상이 있습니다 | 12명의 공식 목소리 |
| 방향장 | 교육 | 교육 | style_prompt | 교육 |
| 스트리밍 | 네 | 네 | 네 | 네 |
우리가 진행한 방법
각 모델은 동일한 방향으로 동일한 스크립트를 읽었고, 모델의 방향 필드에서 전달되었습니다. 각 모델은 자체 라이브러리에서 영어 여성 음성을 사용했고, MP3를 반환했으며, 다른 설정은 기본값으로 유지했습니다; Qwen Audio 3.0 TTS는 기본 Plus 계층에서 실행되었습니다. 각 샷 하나씩. 가격은 이 정확한 요청에 대해 부과되는 금액입니다. 시간은 2026년 10월 18일 한 요청에 대해 벽시계 초로 측정되며, 요청 전송부터 완성된 파일을 받는 과정; 네 모델 모두 생성 중인 오디오 스트리밍도 지원합니다.
무엇을 찾아야 하는지
배달. 각 목소리가 피곤함에서 기쁨으로 전환하는 모습을 어떻게 표현하는지, 그리고 마지막 문장에서 얼마나 속도를 바꾸는지 들어보세요.
길이와 가격. 동일한 텍스트가 12.3초에서 16.8초 사이의 오디오를 생성했습니다. Qwen Audio 3.1 TTS와 Gemini 3.8 Flash TTS는 생성하는 오디오에 대해 요금을 청구하므로, 느린 읽기는 더 많은 비용이 듭니다; Qwen Audio 3.0 TTS와 StepAudio 3 TTS는 전송한 문자에 대해 요금을 청구합니다.
같은 테스트를 EmpirioLabs
curl https://api.empiriolabs.ai/v1/audio/speech \ -h "권한: 보유자 $EMPIRIOLABS_API_KEY" \ -h "내용-유형: application/json" \ -d '{ "모델": "qwen-audio-3-1-tts", "voice": "Ava_v3.1", "input": "편지를 열어 또 다른 정중한 거절을 기대했어요. 하지만 첫 문장에는 이렇게 적혀 있었어요: 축하합니다, 그 일자리는 당신 것입니다. 믿기로 한 뒤에야 세 번이나 읽었어요.", "지시": "조용하고 약간 피곤하게 시작하다가 마지막 문장에 놀라고 기뻐하는 것.", "response_format": "mp3" }'스왑 모델 번호: 그리고 목소리 같은 요청을 실행하기 위해 qwen-audio-3-0-tts·, gemini-3-8-flash-tts ( style_prompt 대신 교육) 또는 stepaudio-3-tts또는 그들을 시도해 보세요 playground·.
자주 묻는 질문
클립이 편집되었거나 재시도되었나요?
아니요. 각 클립은 모델이 이 요청에 대해 처음 반환한 오디오이며, 편집되지 않은 상태입니다.
왜 클립 길이가 다른가요?
각 모델은 같은 대본을 각기 다른 방식으로 진행하며, 중간에 분위기 변화를 요구합니다. Qwen Audio 3.1 TTS와 Gemini 3.8 Flash TTS에서는 생성된 오디오를 청구하는 분량이 가격에 영향을 미칩니다.
어떤 걸 써야 할까요?
클립을 직접 들어보세요. 모델, 목소리, 연출 필드만 바뀌면 같은 요청이 네 개 모두에 적용됩니다.
한번 해보세요
Playground · 모든 모델 · 제품정보
공개: 이 문서는 AI 지원으로 작성되었으며 EmpirioLabs AI에 의해 검토되었습니다.
