简短回答： 对于同样164个字符的叙述， Qwen音频3.1 TTS 成本最低，约为二十分之一美分， StepAudio 3 TTS 返回文件最快， 双子座 2.5 Pro TTS 价格最高，约四美分，阅读最慢且时间最长。 Qwen音频3.1 TTS PlusQwen Audio 3.1的质量档，价格略低于一美分。这四个视频都通过同一个语音端点运行EmpirioLabs。请收听下面的每个片段;我们不会宣布获胜者。
听听那四个声音
旁白：“灯塔守护者在日志上写了三十一年，每晚都写下一句话。最后一页，用另一种笔迹写着：灯光依然亮着。”指示：“纪录片旁白：平静从容，最后一句话前有一段安静而感人的停顿。”
结果一览
| Qwen音频3.1 TTS Plus | Qwen音频3.1 TTS | 双子座 2.5 Pro TTS | StepAudio 3 TTS | |
|---|---|---|---|---|
| 制造者 | 阿里巴巴 | 阿里巴巴 | 谷歌 | 步舞乐趣 |
| 计费单元 | 角色介绍 | 代币：输入文本，输出音频 | 代币 | 角色介绍 |
| 此请求的代价 | $0.0098 | $0.0005 | $0.0433 | $0.0024 |
| 音频长度 | 11.2秒 | 10.0秒 | 24.0秒 | 9.7秒 |
| 完成文件的时间 | 14.3秒 | 12.8秒 | 16.0秒 | 3.7秒 |
| 配音 | 4 | 19 | 30 | 12 |
| 方向场 | 教学 | 教学 | style_prompt | 教学 |
我们的运行方式
每个模型都以相同的方向读取相同的旁白，并传递在模型自己的方向字段中。每个模型都使用自有音乐库中的英语男性声音，并返回MP3（Gemini 2.5 Pro TTS返回WAV，本页转换为MP3），其他所有设置均为默认。每人一帧。价格是针对这些具体请求收取的金额。从发送请求到收到完成文件，时间为墙钟秒数;四个型号在音频生成过程中都会进行流式传输。
需要注意什么
停顿。 方向提示暂停后，“灯还亮着”。注意每个语音放置的位置和持续时间;Gemini 2.5 Pro TTS暂停约一秒半，整个读取时间是其他音频的两倍多。
对闪电侠也同样有效。 Qwen Audio 3.1 TTS Plus 和 Qwen Audio 3.1 TTS 采用相同的请求体。Plus 是阿里为解说、配音和品牌声音打造的层级;并排听两个 Qwen 片段，感受表达上的差异。
长度和价格。 Qwen Audio 3.1 TTS 和 Gemini 2.5 Pro TTS 会按它们生成的音频计费，所以慢速阅读的费用更高;TTS Plus 和 StepAudio 3 的 TTS 会计费你发送的字符。
对EmpirioLabs做同样的测试
curl https://api.empiriolabs.ai/v1/audio/speech \ -h “授权：持有者 $EMPIRIOLABS_API_KEY” \ -h “内容类型：application/json” \ -d '{ “型号”：“qwen-audio-3-1-tts-plus”，“voice”：“xunanchuan_v3.1”，“输入”：“灯塔守护者每晚在日志中写下一行，持续了三十一年。在最后一页，用另一种笔迹写着：灯光依然亮着。”，“说明”：“纪录片旁白：平静从容，随后在最后一句话前有一段安静而感人的停顿。”，“response_format”：“mp3” }'交换 模型 以及 声音 用同样的请求来处理 qwen-audio-3-1-tts, (中文), gemini-2-5-pro-tts （其中 style_prompt 代替 教学）或 stepaudio-3-tts或者试试 playground。 。 。.
常见问题解答
这些片段被剪辑或重录了吗？
没有。每个片段都是模型首次回复的音频，未经编辑。
为什么Qwen Audio 3.1 TTS Plus的价格比Qwen Audio 3.1 TTS高？
它们的价格不同：每字符加，Flash 等级按标记。对于这段叙述，Plus 价格大约是它的二十倍。
我应该用哪一个？
用你自己的脚本听这些片段。同样的请求适用于四个版本，只是更换了模型、声音和导演字段。启动指南， 如何使用Qwen Audio 3.1 TTS Plus API，涵盖其声音和自定义声音。
试试看吧
Playground | 所有型号 | 定价
披露:这篇文章是在AI的协助下撰写的,并由EmpirioLabs AI审查.
