Alibaba
Qwen Audio 3.1 TTS+ওপেন
Alibaba’s open-weight TTS — natural prosody, zero-shot voice cloning and 30+ languages.
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)
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 নিনcurl 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."}]
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
api_key=os.environ["DASHSCOPE_API_KEY"],
)
resp = client.chat.completions.create(
model="qwen-audio-tts-plus",
messages=[{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}],
)
print(resp.choices[0].message.content)const res = await fetch("https://dashscope-intl.aliyuncs.com/compatible-mode/v1/chat/completions", {
method: "POST",
headers: {
Authorization: `Bearer ${process.env.DASHSCOPE_API_KEY}`,
"content-type": "application/json",
},
body: JSON.stringify({
model: "qwen-audio-tts-plus",
messages: [{ role: "user", content: "Refactor this function for O(n) time and explain the change." }],
}),
});
console.log((await res.json()).choices[0].message.content);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
উৎস অনুযায়ী স্কোর
বিভাগ অনুযায়ী স্কোর
বেঞ্চমার্ক ফলাফল
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
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।