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 3.8 Flash 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 3.8 Flash 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 3.8 Flash TTS |
|---|---|---|
| 模型 ID | qwen-audio-3-1-tts | gemini-3-8-flash-tts |
| 开发方 | Alibaba Cloud | |
| 发布日期 | 2026年9月23日 | 2026年9月22日 |
| 最大输出 | 60,000 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 POST /v1/audio/speech:stream GET /v1/voices |
| 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 3.8 Flash TTS |
|---|---|---|
| input | 最大 10000 | 最大 5000 |
| 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 | 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 |
<argh> <breath> <heavy breath> <exhales> <cackle> <cheer> <chuckle> <chuckles> <cough> <cry> <gasp> <giggle> <groan> <growl> <grunt> <grr> <hiss> <laugh> <laughter> <moan> <pant> <pff> <phew> <scream> <shout> <shriek> <sigh> <sighs> <sneeze> <snicker> <snort> <sob> <throat-clearing> <tsk> <whimper> <whispers> <whispering> <yawn> <short pause> <long pause>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-3-8-flash-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 3.8 Flash TTS 发布于 2026年9月22日。 仅 Qwen Audio 3.1 TTS 列出的能力：expressive prosody, emotion control, low latency, realtime。 仅 Gemini 3.8 Flash TTS 列出的能力：multi speaker, voice control。 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 3.8 Flash TTS 发布于 2026年9月22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。
