Alibaba

Qwen Audio 3.1 TTS+Offen

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

#18veröffentlicht 2. Okt. 2026·Open Weights·8B
textaudio32K ctx
Intelligenz
89.4 #18
AAQI 89.0
Ausgabegeschwindigkeit
140 t/s
ITL 7.1 ms/tok
Blended-Preis (3:1)
$0.013 /1M
Input $0.01/M · Output $0.02/M
Kontext
32K
≈ 80 A4-Seiten · max. Output 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)

Radar-Achsen sind aus Kategorie-Scores approximiert, wo direkte Benchmark-Messungen fehlen — siehe Methodik.

Stärken & Trade-offs

Wo das Modell gewinnt

  • 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

Worauf achten

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

Killer-Anwendungsfälle

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.

Developer-Quickstart & API

Setzen Sie zuerst DASHSCOPE_API_KEY — API-Schlüssel holen
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."}]
  }'

Offizielle Ressourcen & Links

API-Bereitstellung

Hosts & Latenz vergleichen

Durchsatz, TTFT und Cache-Preise bei Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock und Azure.

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Anbieter-Matrix ansehen →

Ergebnisse nach Quelle

Direkte Live-Duelle

Live-Spezifikationen & Architektur

Unter der Haube
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
Veröffentlichungsdatum
2. Okt. 2026
Architektur
Qwen Audio 3.1 TTS+ — 8B open speech synthesis
Parameter
8B
Lizenz
Open Weights
Kontextfenster
32,000 tokens
Max. Ausgabe
8,192 tokens
Modalitäten
text + audio
Cache-Preise
Lesen $0.004 · Schreiben $0.0125 /1M
Reasoning
—
Eingabepreis
$0.01/M
Ausgabepreis
$0.02/M
Ausgabegeschwindigkeit
140 t/s
Zeit bis zum ersten Token
—
Daten aktualisiert
22. Okt. 2026
Hardware & lokale Inferenz
Daten: Convly AI (CC BY 4.0) ↗
VRAM (4-bit Q4)
5 GB
Min. GPU
RTX 3060 8GB / any 8GB GPU

Geschätzte Monatsrechnung

Geschätzte Monatsausgaben
$0.00
Ersparnis ggü. GPT-4o wird berechnet…

Zitieren & Einbetten

GitHub-Markdown-Badge
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}
}

Score-Badge einbetten

Fügen Sie Ihrem GitHub- oder Hugging-Face-README ein Live-Podium-Score-Badge hinzu — es verlinkt auf das Live-Ranking.

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

Mehr von Alibaba

Alternative Modelle

Nächste Alternativen zu Qwen Audio 3.1 TTS+ basierend auf Leistung, Preis und Benchmarks.

0 / 4