类型
规格
价格
输入
每100万个提示词标记
$0.46
输出
每100万个生成代币
$3.74
Qwen Audio 3.1 TTS 与 Gemini 2.5 Pro TTS 并排比较：规格、能力、参数，以及 EmpirioLabs 目录中的实时价格。
Alibaba Cloud 
Google 音频生成Alibaba Cloud 的 Qwen Audio 3.1 TTS 和 Google 的 Gemini 2.5 Pro TTS 都属于音频生成类别，可通过 EmpirioLabs API 使用。
| 规格 | Qwen Audio 3.1 TTS | Gemini 2.5 Pro TTS |
|---|---|---|
| 模型 ID | qwen-audio-3-1-tts | gemini-2-5-pro-tts |
| 开发方 | Alibaba Cloud | |
| 发布日期 | 2026年9月23日 | 2025年5月20日 |
| 最大输出 | 60,000 个 token | 19,661 个 token |
| 输入 | 文本 | 文本 |
| 输出 | 音频 | 音频 |
| 区域 | Singapore | - |
| 端点 | POST /v1/audio/speech POST /v1/audio/speech:stream WEBSOCKET /v1/realtime GET /v1/voices | POST /v1/audio/speech |
| 能力 |
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。
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 | Gemini 2.5 Pro TTS |
|---|---|---|
| input | 最大 10000 | string |
| voice | Emily_v3.1, Luna_v3.1, Eric_v3.1, Luca_v3.1, Abby_v3.1, Annie... 默认值: Emily_v3.1 | Zephyr, Puck, Charon, Kore, Fenrir, Leda, Orus, Aoede, Callir... 默认值: Charon |
| voice_audio_url | string | - |
| response_format | mp3, wav, pcm, opus 默认值: mp3 | - |
| sample_rate | 8000, 12000, 16000, 22050, 24000, 44100, 48000 默认值: 24000 | 8000, 16000, 22050, 24000, 44100, 48000 默认值: 24000 |
| speed | 0.5 到 2 默认值: 1 | 0.25 到 2 默认值: 1 |
| pitch | 0.5 到 2 默认值: 1 | - |
| volume | 0 到 100 默认值: 50 | - |
| instruction | 最大 1000 | - |
| language_hints | zh, en, fr, de, ja, ko, ru, pt, th, id, vi, es, it, ms, fil, ar | - |
| seed | 0 到 65535 默认值: 0 | - |
| bit_rate | 6000 到 510000 默认值: 32000 | - |
| pronunciation | object | - |
| replace | object | - |
| enable_markdown_filter | boolean 默认值: false | - |
| mode | - | single, multi 默认值: single |
Qwen Audio 3.1 TTS 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 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 或 gemini-2-5-pro-tts。 在EmpirioLabs 控制台获取 API 密钥。
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",
"input": "Welcome to EmpirioLabs. Your build just finished."
}' \
--output speech.mp3同时涵盖两个模型的提示词测试和对比实验。
Qwen Audio 3.1 TTS 发布更晚（2026年9月23日）；Gemini 2.5 Pro TTS 发布于 2025年5月20日。 每次响应 Qwen Audio 3.1 TTS 最多返回 60,000 个输出 token，Gemini 2.5 Pro TTS 最多 19,661。 仅 Qwen Audio 3.1 TTS 列出的能力：expressive prosody, emotion control, voice tags, low latency, streaming, realtime。 本页的规格、价格表和参数来自 EmpirioLabs 实时目录。
Qwen Audio 3.1 TTS 发布更晚（2026年9月23日）；Gemini 2.5 Pro TTS 发布于 2025年5月20日。
输入（每100万个提示词标记）和输出（每100万个生成代币）的价格 Qwen Audio 3.1 TTS 更低。 两张实时价格表都在本页，并始终与 API 的实际计费一致。
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。
