Alibaba

Qwen Audio 3.1 TTS+ওপেন

Alibaba’s open-weight TTS — natural prosody, zero-shot voice cloning and 30+ languages.

#18প্রকাশিত ২ অক্টো, ২০২৬·Open Weights·8B
textaudio32K ctx
API প্রোভাইডারAPI কী নিন →বনাম Eleven Multilingual v3র‍্যাংকিং
বুদ্ধিমত্তা
89.4 #18
AAQI 89.0
আউটপুট গতি
140 t/s
ITL 7.1 ms/tok
ব্লেন্ডেড মূল্য (3:1)
$0.013 /1M
ইনপুট $0.01/M · আউটপুট $0.02/M
কনটেক্সট
32K
≈ 80টি A4 পৃষ্ঠা · সর্বোচ্চ আউটপুট 8,192

Quality Domain Radar

6-Axis Frontier Evaluation vs Category Average & Flagship

Qwen Audio 3.1 TTS+
Claude Mythos Preview (#1)
Average (68)
Coding (15)Mathematics (15)Hard Science (GPQA) (30)Agentic & Tool Use (50)Knowledge (MMLU) (45)Vision / Multimodal (86)

সরাসরি বেঞ্চমার্ক মাপ না থাকলে রাডার অক্ষ বিভাগ স্কোর থেকে আনুমানিক — পদ্ধতি দেখুন।

শক্তি ও ট্রেড-অফ

যেখানে এটি জেতে

  • Best open-weight TTS — rivals commercial tiers
  • Voice cloning without per-voice training
  • Runs on a single 8GB GPU at Q4
  • Cheap hosted API fallback via DashScope

যেগুলো খেয়াল রাখতে হবে

  • Slightly robotic on long emotional passages
  • Cloning quality depends on reference audio
  • English/Chinese strongest — tail languages vary

কিলার ব্যবহারের ক্ষেত্র

Self-hosted voice products
Own TTS for apps needing data control.
Voice cloning pipelines
Zero-shot cloning for personalized agents.
Multilingual IVR
Single checkpoint across 30+ locales.

ডেভেলপার কুইকস্টার্ট ও API

প্রথমে DASHSCOPE_API_KEY সেট করুন — API কী নিন
curl https://dashscope-intl.aliyuncs.com/compatible-mode/v1/chat/completions \
  -H "Authorization: Bearer $DASHSCOPE_API_KEY" \
  -H "content-type: application/json" \
  -d '{
    "model": "qwen-audio-tts-plus",
    "messages": [{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}]
  }'

অফিসিয়াল রিসোর্স ও লিংক

API ডিপ্লয়মেন্ট

হোস্ট ও লেটেন্সি তুলনা করুন

Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock ও Azure জুড়ে থ্রুপুট, TTFT ও ক্যাশে মূল্য।

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
প্রোভাইডার ম্যাট্রিক্স দেখুন →

উৎস অনুযায়ী স্কোর

সরাসরি লাইভ ম্যাচআপ

লাইভ স্পেসিফিকেশন ও আর্কিটেকচার

ভেতরের কাঠামো
Qwen Audio 3.1 TTS+ — 8B open speech synthesis
  • Open weights — self-host the full TTS stack
  • Zero-shot voice cloning from ~10s of reference audio
  • 30+ languages with code-switch support
  • Prosody and style controls via natural-language prompts
প্রকাশের তারিখ
২ অক্টো, ২০২৬
আর্কিটেকচার
Qwen Audio 3.1 TTS+ — 8B open speech synthesis
প্যারামিটার
8B
লাইসেন্স
Open Weights
কনটেক্সট উইন্ডো
32,000 tokens
সর্বোচ্চ আউটপুট
8,192 tokens
মডালিটি
text + audio
ক্যাশে মূল্য
রিড $0.004 · রাইট $0.0125 /1M
রিজনিং
—
ইনপুট দাম
$0.01/M
আউটপুট দাম
$0.02/M
আউটপুট গতি
140 t/s
প্রথম টোকেনের সময়
—
ডেটা আপডেট
২২ অক্টো, ২০২৬
হার্ডওয়্যার ও লোকাল ইনফারেন্স
ডেটা: Convly AI (CC BY 4.0) ↗
VRAM (4-bit Q4)
5 GB
ন্যূনতম GPU
RTX 3060 8GB / any 8GB GPU

আনুমানিক মাসিক বিল

আনুমানিক মাসিক খরচ
$0.00
GPT-4o-র তুলনায় সঞ্চয় হিসাব হচ্ছে…

উদ্ধৃতি ও এম্বেড

GitHub Markdown ব্যাজ
Loading badge markdown...
BibTeX
@misc{llmpodium2026qwenaudio31ttsplus,
  title = {Benchmark Analysis and Intelligence Evaluation of Qwen Audio 3.1 TTS+},
  author = {LLMPodium Research},
  year = {2026},
  url = {https://llmpodium.com/models/qwen-audio-3-1-tts-plus}
}

স্কোর ব্যাজ এম্বেড করুন

আপনার GitHub বা Hugging Face README-তে লাইভ Podium স্কোর ব্যাজ যোগ করুন — এটি লাইভ র‍্যাংকিং-এ ফেরে।

প্রিভিউ
Qwen Audio 3.1 TTS+ LLMPodium Score
Markdown
Loading badge snippet...
HTML
Loading badge snippet...

Alibaba-এর আরও মডেল

বিকল্প মডেলসমূহ

সক্ষমতা, মূল্য এবং বেঞ্চমার্ক স্কোরের ভিত্তিতে Qwen Audio 3.1 TTS+-এর নিকটতম বিকল্প।

0 / 4