Alibaba

Qwen Audio 3.1 TTS+Открытая

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

#18выпущена 2 окт. 2026 г.·Open Weights·8B
textaudio32K ctx
Интеллект
89.4 #18
AAQI 89.0
Скорость вывода
140 t/s
ITL 7.1 ms/tok
Смешанная цена (3:1)
$0.013 /1M
Вход $0.01/M · Выход $0.02/M
Контекст
32K
≈ 80 стр. A4 · макс. выход 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)

Оси радара приближены по категорийным оценкам там, где нет прямых бенчмарк-измерений — см. Методология.

Сильные стороны и компромиссы

Где модель выигрывает

  • 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

На что обратить внимание

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

Киллер-сценарии

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.

Быстрый старт для разработчика и API

Сначала задайте DASHSCOPE_API_KEY — получить ключ 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."}]
  }'

Официальные ресурсы и ссылки

Развёртывание API

Хосты и задержка

Пропускная способность, TTFT и цены на кэш у Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock и Azure.

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Матрица провайдеров →

Оценки по источникам

Очные live-сравнения

Живые характеристики и архитектура

Под капотом
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
Дата выпуска
2 окт. 2026 г.
Архитектура
Qwen Audio 3.1 TTS+ — 8B open speech synthesis
Параметры
8B
Лицензия
Open Weights
Контекстное окно
32,000 tokens
Макс. вывод
8,192 tokens
Модальности
text + audio
Цены кэша
чтение $0.004 · запись $0.0125 /1M
Рассуждение
—
Цена ввода
$0.01/M
Цена вывода
$0.02/M
Скорость вывода
140 t/s
Время до первого токена
—
Данные обновлены
22 окт. 2026 г.
Железо и локальный инференс
Данные: Convly AI (CC BY 4.0) ↗
VRAM (4-bit Q4)
5 GB
Мин. GPU
RTX 3060 8GB / any 8GB GPU

Оценка ежемесячного счёта

Оценка расходов в месяц
$0.00
Считаем экономию против GPT-4o…

Цитирование и вставка

Бейдж GitHub Markdown
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}
}

Бейдж оценки для README

Живой бейдж Podium Score для README на GitHub или Hugging Face — ведёт на актуальный рейтинг.

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

Ещё от Alibaba

Альтернативные модели

Ближайшие альтернативы для Qwen Audio 3.1 TTS+ по возможностям, цене и бенчмаркам.

0 / 4
Сравнить →