Resposta curta: para a mesma narração de 164 caracteres, Qwen Audio 3.1 TTS custou o mínimo, cerca de vinte centavos, StepAudio 3 TTS retornou seu arquivo mais rápido, e Gemini 2.5 Pro TTS custa mais, cerca de quatro centavos, sendo a leitura mais lenta e longa. Qwen Audio 3.1 TTS Plus, o nível de qualidade do Qwen Audio 3.1, custou pouco menos de um centavo. Todos os quatro rodam em EmpirioLabs pelo mesmo ponto final de fala. Ouça cada clipe abaixo; não estamos declarando um vencedor.
Ouça as quatro vozes
A narração: "O faroleiro escreveu uma linha no diário todas as noites por trinta e um anos. Na última página, em outra caligrafia, alguém havia escrito: a luz ainda está acesa." A direção: "Um narrador documental: calmo e sem pressa, depois uma pausa silenciosa e comovente antes da frase final."
Resultados em resumo
| Qwen Audio 3.1 TTS Plus | Qwen Audio 3.1 TTS | Gemini 2.5 Pro TTS | StepAudio 3 TTS | |
|---|---|---|---|---|
| Criador | Alibaba | Alibaba | StepFun | |
| Unidade de faturamento | Personagens | Tokens: entrada de texto, saída de áudio | Tokens | Personagens |
| Preço por esse pedido | $0.0098 | $0.0005 | $0.0433 | $0.0024 |
| Duração do áudio | 11,2 segundos | 10,0 segundos | 24,0 segundos | 9,7 segundos |
| Hora do arquivo finalizado | 14,3 segundos | 12,8 segundos | 16,0 segundos | 3,7 segundos |
| Vozes | 4 | 19 | 30 | 12 |
| Campo de direção | Instrução | Instrução | style_prompt | Instrução |
Como administramos
Cada modelo lia a mesma narração com a mesma direção, passada no campo de direção do modelo. Cada um usava uma voz masculina de língua inglesa de sua própria biblioteca e retornava MP3 (Gemini 2.5 Pro TTS retorna WAV, convertido para MP3 para esta página), com todas as outras configurações em seu padrão. Um shot cada. Os preços são os valores cobrados exatamente por esses pedidos. Os tempos são segundos de parede para um pedido em 2 de novembro de 2026, desde o envio do pedido até o recebimento do arquivo finalizado; os quatro modelos também transmitem áudio enquanto ele é gerado.
O que observar
A pausa. A direção pede uma pausa antes de "a luz ainda estar acesa". Ouça onde cada voz a coloca e quanto tempo ela segura; Gemini 2.5 Pro TTS manteve uma pausa de cerca de um segundo e meio, e toda a leitura durou mais do que o dobro das outras.
Além disso, contra o Flash. Qwen Audio 3.1 TTS Plus e Qwen Audio 3.1 TTS recebem o mesmo corpo de pedido. Plus é o nível que a Alibaba constrói para narração, dublagem e vozes de marca; ouça os dois clipes do Qwen lado a lado para ver a diferença na entrega.
Comprimento e preço. Qwen Audio 3.1 TTS e Gemini 2.5 Pro TTS cobram o áudio que geram, então uma leitura mais lenta custa mais; TTS Plus e StepAudio 3 TTS cobram os caracteres que você envia.
Faça o mesmo teste no EmpirioLabs
curl https://api.empiriolabs.ai/v1/audio/speech \ -H "Autorização: Portador $EMPIRIOLABS_API_KEY" \ -H "Tipo-Conteúdo: application/json" \ -d '{ "modelo": "qwen-audio-3-1-tts-plus", "voz": "xunanchuan_v3.1", "entrada": "O faroleiro escreveu uma linha no diário todas as noites por trinta e um anos. Na última página, em outra letra, alguém escreveu: a luz ainda está acesa.", "instrução": "Um narrador documental: calmo e sem pressa, depois uma pausa calma e comovida antes da frase final.", "response_format": "mp3" }'Troca modelo e Voz para executar o mesmo pedido contra qwen-audio-3-1-tts, gemini-2-5-pro-tts (com style_prompt no lugar de Instrução) ou stepaudio-3-tts, ou tentar eles no playground.
Perguntas frequentes
Os clipes foram editados ou retentados?
Não. Cada clipe é o primeiro áudio que o modelo retornou para este pedido, sem edição.
Por que o Qwen Audio 3.1 TTS Plus custa mais do que o Qwen Audio 3.1 TTS?
Eles têm preços diferentes: Plus por caractere de texto, o nível Flash por tokens. Para essa narração, Plus custa cerca de vinte vezes mais.
Qual devo usar?
Ouça os clipes com seu próprio roteiro. O mesmo pedido funciona para os quatro, com apenas o modelo, voz e campo de direção alterados. O guia de lançamento, Como Usar a API Qwen Audio 3.1 TTS Plus, cobre suas vozes e vozes personalizadas.
Experimente
Playground □ Todos os modelos □ Preços
Divulgação: Este artigo foi escrito com assistência de IA e revisado por EmpirioLabs IA.
