Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS

Qwen Audio 3.1 TTS Plus 与 Qwen Audio 3.1 TTS 并排比较:规格、能力、参数,以及 EmpirioLabs 目录中的实时价格。

Alibaba Cloud 音频生成

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS 概览

Qwen Audio 3.1 TTS Plus 和 Qwen Audio 3.1 TTS 都是 Alibaba Cloud 的模型,属于音频生成类别,可通过 EmpirioLabs API 使用。

主要区别

  • Qwen Audio 3.1 TTS Plus 发布更晚(2026年10月21日);Qwen Audio 3.1 TTS 发布于 2026年9月23日。
  • 仅 Qwen Audio 3.1 TTS 列出的能力:low latency。

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS:规格

规格Qwen Audio 3.1 TTS PlusQwen Audio 3.1 TTS
模型 IDqwen-audio-3-1-tts-plusqwen-audio-3-1-tts
开发方Alibaba CloudAlibaba Cloud
发布日期2026年10月21日2026年9月23日
最大输出-60,000 个 token
输入
文本
文本
输出
音频
音频
区域SingaporeSingapore
端点
POST /v1/audio/speech POST /v1/audio/speech:stream WEBSOCKET /v1/realtime GET /v1/voices
POST /v1/audio/speech POST /v1/audio/speech:stream WEBSOCKET /v1/realtime GET /v1/voices
能力
text to speech multilingual expressive prosody emotion control voice tags streaming realtime voice cloning
text to speech multilingual expressive prosody emotion control voice tags low latency streaming realtime voice cloning

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS:API 价格

两个模型在 EmpirioLabs 目录中的实时价格。每张价格表始终与 API 的实际计费一致。

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS:API 参数

每个模型在 EmpirioLabs 上列出的请求参数,以及适用的可选值或范围。短横线表示该模型未列出此参数。

参数Qwen Audio 3.1 TTS PlusQwen Audio 3.1 TTS
input最大 10000最大 10000
voicelonganlingxin_v3.1, longanhuan_v3.1, longanfengyue_v3.1, xuna... 默认值: longanlingxin_v3.1Emily_v3.1, Luna_v3.1, Eric_v3.1, Luca_v3.1, Abby_v3.1, Annie... 默认值: Emily_v3.1
voice_audio_urlstringstring
response_formatmp3, wav, pcm, opus 默认值: mp3mp3, wav, pcm, opus 默认值: mp3
sample_rate8000, 12000, 16000, 22050, 24000, 44100, 48000 默认值: 240008000, 12000, 16000, 22050, 24000, 44100, 48000 默认值: 24000
speed0.5 到 2 默认值: 10.5 到 2 默认值: 1
pitch0.5 到 2 默认值: 10.5 到 2 默认值: 1
volume0 到 100 默认值: 500 到 100 默认值: 50
instruction最大 1000最大 1000
language_hintszh, en, fr, de, ja, ko, ru, pt, th, id, vi, es, it, ms, fil, arzh, en, fr, de, ja, ko, ru, pt, th, id, vi, es, it, ms, fil, ar
seed0 到 65535 默认值: 00 到 65535 默认值: 0
bit_rate6000 到 510000 默认值: 320006000 到 510000 默认值: 32000
pronunciationobjectobject
replaceobjectobject
enable_markdown_filterboolean 默认值: falseboolean 默认值: false

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS:限制与说明

Qwen Audio 3.1 TTS Plus

配音

  • 4个朗读中文、英语及其他语言的声音:longanlingxin_v3.1、longanhuan_v3.1和longanfengyue_v3.1为女性,xunanchuan_v3.1为男性。
  • 每个语音id都以_v3.1结尾,比如longanlingxin_v3.1。

自定义语音

  • 将voice设置为custom,并通过voice_audio_url一个https URL传递10到20秒的清晰语音。
  • 支持WAV、MP3、M4A、OGG、WEBM和FLAC,最大15 MB。在安静的房间录制,无音乐或其他声音。
  • 回复包括voice_id和voice_id_expires_at。将voice_id传递为voice,以便在POST /v1/audio/speech、POST /v1/audio/speech:stream或实时套接字上重复使用语音7天,在session.update中session.updated会返回相同的字段并返回voice_id。只有创建该账户的账户才能使用,且仅限于此型号。
  • 每个账户在该型号上一次可容纳10个自定义声音。
  • GET /v1/voices?model=qwen-audio-3-1-tts-plus列出模型的声音,包括你的自定义声音及其ID。添加type=custom以单独列出自定义声音。
  • DELETE /v1/voices/{voice_id}?model=qwen-audio-3-1-tts-plus删除了自定义语音,立刻释放了它的位置。
  • 在Playground中,将语音设置为自定义以再次使用保存的语音,复制其ID,或删除它。
  • 创建、列出和删除自定义配音不会产生任何费用。

投放方向

  • instruction用自然语言设定情感、语调、角色、节奏和说话风格,最多可达1000个字符。
  • 文本内的内联标签会从该点开始改变传递方式,例如[excited]或[whispers],或者添加一次性音效,如[laughing]或[sighing]。完整的标签列表在input参数中。
  • 不支持SSML输入。

输入限制

  • 每个请求最多可容纳10,000字符。
  • language_hints对混合语言文本的发音有偏差。

产出

  • MP3、WAV、PCM或Opus,频率为8,000至48,000赫兹。
  • POST /v1/audio/speech:stream在语音生成时发送音频片段。

实时

  • WEBSOCKET /v1/realtime?model=qwen-audio-3-1-tts-plus在文本还在写入时接收,生成时返回音频。发送input_text_buffer.append事件,然后input_text_buffer.commit,或session.finish结束会话。
  • 音频在response.audio.delta事件中接收:默认为24,000 Hz的16位PCM,或MP3或Opus。使用session.update设置语音、指令、格式及其他选项;从下一段起发生变化。
  • 文本以句子边界结束的段落中说出,每个段落以一个response.done事件结束,表达其用法。

账单

  • 按输入文本字符计费。中文字符计两个字符,内联标签计为字符。指令不计费。
  • 在实时套接字中,每个段为其独立字符计费。

Qwen Audio 3.1 TTS

配音

  • 19个声音:15个英语声音和4个多语言声音。艾米丽、露娜、埃里克和卢卡带有英国口音。艾比、安妮、艾娃、贝丝、贝蒂、凯莉、辛迪、唐娜、安迪、布莱恩和大卫拥有美国口音。多语言声音longanhuan_v3.1、longanlingxin_v3.1、longanfengyue_v3.1和xunanchuan_v3.1能朗读中文、英语及其他语言。
  • 每个语音id都以_v3.1结尾,比如说Emily_v3.1。

自定义语音

  • 将voice设置为custom,并通过voice_audio_url一个https URL传递10到20秒的清晰语音。
  • 支持WAV、MP3、M4A、OGG、WEBM和FLAC,最大15 MB。在安静的房间录制,无音乐或其他声音。
  • 回复包括voice_id和voice_id_expires_at。把voice_id传递给语音的voice,在POST /v1/audio/speech、POST /v1/audio/speech:stream或实时套接字上重复使用7天,在实时套接字上session.update会使用相同的字段,session.updated返回voice_id。只有创建该账户的账户才能使用。
  • 每个账户在该型号上一次可容纳10个自定义声音。
  • GET /v1/voices?model=qwen-audio-3-1-tts列出模型的声音,包括你的自定义声音及其ID。添加type=custom以单独列出自定义声音。
  • DELETE /v1/voices/{voice_id}?model=qwen-audio-3-1-tts删除了自定义语音,立刻释放了它的位置。
  • 在Playground中,将语音设置为自定义以再次使用保存的语音,复制其ID,或删除它。
  • 创建、列出和删除自定义配音不会产生任何费用。

投放方向

  • instruction用自然语言设定情感、语调、角色、节奏和说话风格,最多可达1000个字符。
  • 文本内的内联标签会从该点开始改变传递方式,例如[excited]或[whispers],或者添加一次性音效,如[laughing]或[sighing]。完整的标签列表在input参数中。
  • 不支持SSML输入。

输入限制

  • 每个请求最多可容纳10,000字符。
  • language_hints对混合语言文本的发音有偏差。

产出

  • MP3、WAV、PCM或Opus,频率为8,000至48,000赫兹。
  • POST /v1/audio/speech:stream在语音生成时发送音频片段。

实时

  • WEBSOCKET /v1/realtime?model=qwen-audio-3-1-tts在文本还在写入时接收,并在生成时返回音频。发送input_text_buffer.append事件,然后input_text_buffer.commit,或者session.finish结束会话。
  • 音频在response.audio.delta事件中接收:默认为24,000 Hz的16位PCM,或MP3或Opus。使用session.update设置语音、指令、格式及其他选项;从下一段起发生变化。
  • 文本以句子边界结束的段落中说出,每个段落以一个response.done事件结束,表达其用法。

账单

  • 输入标记是文本,输出标记是生成的音频,速度为每秒12.5个标记。
  • 速度和音高会改变渲染音频的长度,但不会改变计费的标记。放慢传输速度的指令会增加输出标记。

如何调用 Qwen Audio 3.1 TTS Plus 和 Qwen Audio 3.1 TTS

Qwen Audio 3.1 TTS Plus 通过 POST /v1/audio/speech 生成语音并返回可播放的音频。把要朗读的文本作为 input,连同模型 ID qwen-audio-3-1-tts-plus 一起发送。 两个模型通过同一个端点调用。将 model 设为 qwen-audio-3-1-tts-plus 或 qwen-audio-3-1-tts。 在EmpirioLabs 控制台获取 API 密钥。

cURL
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:测试与指南

同时涵盖两个模型的提示词测试和对比实验。

Qwen Audio 3.1 TTS Plus vs Qwen Audio 3.1 TTS:常见问题

Qwen Audio 3.1 TTS Plus 和 Qwen Audio 3.1 TTS 有什么区别?

Qwen Audio 3.1 TTS Plus 发布更晚(2026年10月21日);Qwen Audio 3.1 TTS 发布于 2026年9月23日。 仅 Qwen Audio 3.1 TTS 列出的能力:low latency。 本页的规格、价格表和参数来自 EmpirioLabs 实时目录。

Qwen Audio 3.1 TTS Plus 和 Qwen Audio 3.1 TTS 哪个更新?

Qwen Audio 3.1 TTS Plus 发布更晚(2026年10月21日);Qwen Audio 3.1 TTS 发布于 2026年9月23日。

Qwen Audio 3.1 TTS Plus 和 Qwen Audio 3.1 TTS 哪个价格更低?

两个模型按不同的单位或档位计价,请比较本页的实时价格表。价格表始终与 API 的实际计费一致。

可以在不重构集成的情况下在 Qwen Audio 3.1 TTS Plus 和 Qwen Audio 3.1 TTS 之间切换吗?

可以。两个模型都使用 POST /v1/audio/speech 和同一个 EmpirioLabs API 密钥,大多数集成只需更改 model 值即可切换。如果依赖某个模型特有的参数,请先查看本页的参数表。

集成之前可以在浏览器里试用 Qwen Audio 3.1 TTS Plus 和 Qwen Audio 3.1 TTS 吗?

可以。在EmpirioLabs Playground中分别打开两个模型并点击 Start session,即可在浏览器中试用。

准备好使用更好的终端了吗?

查看我们的定价,或者如果你想将自己的模型部署到我们的堆栈中,请联系我们。