Alibaba

Qwen Audio 3.1 TTS+โอเพ่นซอร์ส

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

#18เปิดตัวเมื่อ 2 ต.ค. 2569·Open Weights·8B
textaudio32K ctx
ผู้ให้บริการ APIรับคีย์ API →เปรียบเทียบ Eleven Multilingual v3ตารางอันดับ
ดัชนีปัญญา
89.4 #18
AAQI 89.0
ความเร็วขาออก
140 t/s
ITL 7.1 ms/tok
ราคาเฉลี่ย (3:1)
$0.013 /1M
ขาเข้า $0.01/M · ขาออก $0.02/M
บริบท
32K
≈ 80 หน้า A4 · ขาออกสูงสุด 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)

แกนเรดาร์ประมาณจากคะแนนหมวดหมู่เมื่อไม่มีการวัดเบนช์มาร์กโดยตรง — ดู ระเบียบวิธี

จุดแข็งและข้อแลกเปลี่ยน

จุดที่ชนะ

  • 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

สิ่งที่ต้องระวัง

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

กรณีใช้งานเด็ด

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.

ควิกสตาร์ตสำหรับนักพัฒนาและ API

ตั้งค่า DASHSCOPE_API_KEY ก่อน — รับคีย์ 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."}]
  }'

ทรัพยากรและลิงก์อย่างเป็นทางการ

การใช้งาน API

เปรียบเทียบโฮสต์และเวลาแฝง

อัตราความเร็ว TTFT และราคาแคชบน Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock และ Azure

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
ดูเมทริกซ์ผู้ให้บริการ →

คะแนนแยกตามแหล่งข้อมูล

การแข่งขันสดแบบตัวต่อตัว

สเปกสดและสถาปัตยกรรม

ภายใต้ฝากระโปรง
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
วันที่เปิดตัว
2 ต.ค. 2569
สถาปัตยกรรม
Qwen Audio 3.1 TTS+ — 8B open speech synthesis
พารามิเตอร์
8B
สัญญาอนุญาต
Open Weights
ขนาดคอนเทกซ์
32,000 tokens
เอาต์พุตสูงสุด
8,192 tokens
โมดัลิตี
text + audio
ราคาแคช
อ่าน $0.004 · เขียน $0.0125 /1M
การให้เหตุผล
—
ราคาขาเข้า
$0.01/M
ราคาขาออก
$0.02/M
ความเร็วขาออก
140 t/s
เวลาถึงโทเค็นแรก
—
อัปเดตข้อมูล
22 ต.ค. 2569
ฮาร์ดแวร์และการอนุมานในเครื่อง
ข้อมูล: Convly AI (CC BY 4.0) ↗
VRAM (4-bit Q4)
5 GB
GPU ขั้นต่ำ
RTX 3060 8GB / any 8GB GPU

ค่าใช้จ่ายรายเดือนโดยประมาณ

ค่าใช้จ่ายรายเดือนโดยประมาณ
$0.00
กำลังคำนวณการประหยัดเทียบ GPT-4o…

อ้างอิงและฝัง

ป้าย 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}
}

ฝังป้ายคะแนน

เพิ่มป้าย Podium Score แบบสดลงใน README ของ GitHub หรือ Hugging Face — ลิงก์กลับไปยังอันดับสด

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

โมเดลอื่นจาก Alibaba

โมเดลทางเลือก

ทางเลือกที่ใกล้เคียงที่สุดสำหรับ Qwen Audio 3.1 TTS+ โดยอิงตามความสามารถ ราคา และคะแนนเบนช์มาร์ก

0 / 4