Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS Next

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS Next em resumo

Qwen Audio 3.1 TTS Plus e Qwen Audio 3.1 TTS Next são modelos de Alibaba Cloud na categoria Geração de Áudio, disponíveis pela API da EmpirioLabs.

Principais diferenças

• Qwen Audio 3.1 TTS Plus é o lançamento mais recente (21 de out. de 2026); Qwen Audio 3.1 TTS Next foi lançado em 23 de set. de 2026.
• Tipos de entrada que só Qwen Audio 3.1 TTS Next aceita: Áudio.
• Recursos indicados apenas para Qwen Audio 3.1 TTS Plus: multilingual, expressive prosody, emotion control, voice tags, streaming, realtime.
• Recursos indicados apenas para Qwen Audio 3.1 TTS Next: audio generation, multi speaker, sound effects, podcast.

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS Next: especificações

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS Next: preços da API

Tarifas ao vivo do catálogo da EmpirioLabs para os dois modelos. Cada tabela de tarifas sempre corresponde ao que a API cobra.

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS Next: parâmetros da API

Parâmetros de requisição que cada modelo indica na EmpirioLabs, com os valores permitidos ou o intervalo quando houver. Um traço marca um parâmetro que o modelo não indica.

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS Next: limites e notas

Qwen Audio 3.1 TTS Plus

Vozes

• 4 vozes que leem chinês, inglês e outros idiomas: longanlingxin_v3.1, longanhuan_v3.1 e longanfengyue_v3.1 são femininas, e xunanchuan_v3.1 é masculino.
• Todo ID de voz termina em _v3.1, por exemplo longanlingxin_v3.1.

Vozes personalizadas

• Defina voice para custom e passe voice_audio_url, uma URL https para 10 a 20 segundos de fala clara de um alto-falante.
• WAV, MP3, M4A, OGG, WEBM e FLAC são aceitos, até 15 MB. Grave em um ambiente silencioso, sem música ou outras vozes.
• A resposta inclui voice_id e voice_id_expires_at. Passe a voice_id como voice para reutilizar a voz por 7 dias, no POST /v1/audio/speech, POST /v1/audio/speech:stream ou no socket em tempo real, onde session.update pega os mesmos campos e session.updated retorna o voice_id. Apenas a conta que a criou pode usá-la, apenas neste modelo.
• Cada conta pode conter 10 vozes personalizadas nesse modelo por vez.
• GET /v1/voices?model=qwen-audio-3-1-tts-plus lista as vozes do modelo, incluindo suas vozes personalizadas com seus IDs. Adicione type=custom para listar apenas as vozes personalizadas.
• DELETE /v1/voices/{voice_id}?model=qwen-audio-3-1-tts-plus deleta uma voz personalizada, que libera seu lugar imediatamente.
• No Playground, defina Voz como Personalizado para usar uma voz salva novamente, copie o id dela ou delete-a.
• Criar, listar e excluir vozes personalizadas não cobra nada.

Direção de entrega

• instruction define emoção, tom, caráter, ritmo e estilo de fala em linguagem natural, até 1.000 caracteres.
• Tags inline dentro do texto alteram a entrega a partir desse ponto, por exemplo, [excited] ou [whispers], ou adicionam um som único como [laughing] ou [sighing]. A lista completa de tags está no parâmetro input.
• Entrada SSML não é suportada.

Limites de entrada

• Até 10.000 caracteres por pedido.
• language_hints viés a pronúncia para textos de línguas mistas.

Saída

• MP3, WAV, PCM ou Opus entre 8.000 e 48.000 Hz.
• POST /v1/audio/speech:stream envia trechos de áudio enquanto a fala é gerada.

Tempo real

• WEBSOCKET /v1/realtime?model=qwen-audio-3-1-tts-plus pega texto enquanto ainda está sendo escrito e retorna o áudio conforme é gerado. Envie input_text_buffer.append eventos, depois input_text_buffer.commit ou session.finish para encerrar a sessão.
• O áudio chega em response.audio.delta eventos: PCM de 16 bits a 24.000 Hz por padrão, ou MP3 ou Opus. Defina as opções de voz, instrução, formato e outras com session.update; uma alteração se aplica a partir do próximo segmento.
• O texto é falado em segmentos que terminam nos limites das frases, e cada segmento termina com um evento response.done carregando seu uso.

Faturamento

• Faturado por caractere do texto de entrada. Um caractere chinês conta como dois caracteres, e tags inline contam como caracteres. A instrução não é faturada.
• No socket em tempo real, cada segmento é cobrado por seus próprios caracteres.

Qwen Audio 3.1 TTS Next

O que ela faz

• Um arquivo de áudio finalizado a partir de uma descrição escrita: narração, diálogos, efeitos sonoros, ambiente e música juntos.
• Descreva cada voz, a entrega e os sons em input. Não há lista de vozes.
• Chinês e inglês.

Vozes de trechos de referência

• references aceita até 3 clipes como URLs ou URIs de dados de áudio base64, cada um com até 30 segundos e 10 MB, em WAV, MP3 ou OGG Opus.
• Nomei-as em input como @voice1, @voice2 e @voice3, em ordem, por exemplo: @voice1 cheerfully says: "What a lovely day."

Limites de entrada

• Até 3.000 caracteres por pedido.
• instruction e SSML não são usados: todas as direções seguem input.

Saída

• MP3 (o padrão), WAV ou PCM de 8.000 a 48.000 Hz, mono ou estéreo; os padrões são 48.000 Hz e estéreo.
• Até 120 segundos por pedido, ou 240 segundos para um podcast.
• Um arquivo completo por requisição. Este modelo não transmite.

Faturamento

• Os tokens de entrada são a descrição mais cada clipe de referência. Os tokens de saída são o áudio gerado, cerca de 200 por segundo.

Como chamar Qwen Audio 3.1 TTS Plus e Qwen Audio 3.1 TTS Next

Qwen Audio 3.1 TTS Plus gera fala por POST /v1/audio/speech e retorna áudio reproduzível. Envie o texto a ser falado em input com o id de modelo qwen-audio-3-1-tts-plus. Os dois modelos são chamados pelo mesmo endpoint. Defina model como qwen-audio-3-1-tts-plus ou qwen-audio-3-1-tts-next. Obtenha uma chave de API no painel EmpirioLabs.

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 Next: perguntas frequentes

Qual é a diferença entre Qwen Audio 3.1 TTS Plus e Qwen Audio 3.1 TTS Next?

Qwen Audio 3.1 TTS Plus é o lançamento mais recente (21 de out. de 2026); Qwen Audio 3.1 TTS Next foi lançado em 23 de set. de 2026. Tipos de entrada que só Qwen Audio 3.1 TTS Next aceita: Áudio. Recursos indicados apenas para Qwen Audio 3.1 TTS Plus: multilingual, expressive prosody, emotion control, voice tags, streaming, realtime. As especificações, as tabelas de tarifas e os parâmetros desta página vêm do catálogo ao vivo da EmpirioLabs.

Qual é mais recente, Qwen Audio 3.1 TTS Plus ou Qwen Audio 3.1 TTS Next?

Qwen Audio 3.1 TTS Plus é o lançamento mais recente (21 de out. de 2026); Qwen Audio 3.1 TTS Next foi lançado em 23 de set. de 2026.

Qual tem a tarifa mais baixa, Qwen Audio 3.1 TTS Plus ou Qwen Audio 3.1 TTS Next?

Os dois modelos são tarifados em unidades ou níveis diferentes, então compare as tabelas de tarifas ao vivo desta página. Elas sempre correspondem ao que a API cobra.

Posso alternar entre Qwen Audio 3.1 TTS Plus e Qwen Audio 3.1 TTS Next sem reconstruir minha integração?

Sim. Os dois modelos usam POST /v1/audio/speech com a mesma chave de API da EmpirioLabs, então a maioria das integrações alterna só mudando o valor model. Confira antes a tabela de parâmetros desta página se você depende de um parâmetro específico de um modelo.