Alibaba

Qwen Audio 3.1 TTS+Aberto

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

#18lançado 2 de out. de 2026·Open Weights·8B
textaudio32K ctx
Provedores de APIObter chave de API →vs Eleven Multilingual v3Ranking
Inteligência
89.4 #18
AAQI 89.0
Velocidade de saída
140 t/s
ITL 7.1 ms/tok
Preço combinado (3:1)
$0.013 /1M
Entrada $0.01/M · Saída $0.02/M
Contexto
32K
≈ 80 páginas A4 · saída máx. 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)

Os eixos do radar são aproximados a partir dos scores de categoria quando faltam medições diretas — veja Metodologia.

Pontos fortes e trade-offs

Onde vence

  • 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

Pontos de atenção

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

Casos de uso matadores

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.

Quickstart do desenvolvedor e API

Defina primeiro DASHSCOPE_API_KEY — obter uma chave de API
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."}]
  }'

Recursos e links oficiais

Implantação de API

Comparar hosts e latência

Throughput, TTFT e preços de cache na Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock e Azure.

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Ver matriz de provedores →

Pontuações por fonte

Confrontos diretos ao vivo

Especificações ao vivo e arquitetura

Por baixo do capô
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
Data de lançamento
2 de out. de 2026
Arquitetura
Qwen Audio 3.1 TTS+ — 8B open speech synthesis
Parâmetros
8B
Licença
Open Weights
Janela de contexto
32,000 tokens
Saída máx.
8,192 tokens
Modalidades
text + audio
Preços de cache
leitura $0.004 · escrita $0.0125 /1M
Raciocínio
—
Preço de entrada
$0.01/M
Preço de saída
$0.02/M
Velocidade de saída
140 t/s
Tempo até o primeiro token
—
Dados atualizados
22 de out. de 2026
Hardware e inferência local
Dados: Convly AI (CC BY 4.0) ↗
VRAM (4-bit Q4)
5 GB
GPU mín.
RTX 3060 8GB / any 8GB GPU

Fatura mensal estimada

Gasto mensal estimado
$0.00
Calculando economia vs GPT-4o…

Citar e incorporar

Badge de Markdown do GitHub
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}
}

Incorporar selo de pontuação

Adicione um selo de Podium Score ao seu README no GitHub ou Hugging Face — ele aponta para o ranking ao vivo.

Pré-visualização
Qwen Audio 3.1 TTS+ LLMPodium Score
Markdown
Loading badge snippet...
HTML
Loading badge snippet...

Mais de Alibaba

Modelos alternativos

Principais alternativas para Qwen Audio 3.1 TTS+ com base em recursos, preço e benchmarks.

0 / 4