Alibaba
Qwen Audio 3.1 TTS+اوپن
Alibaba’s open-weight TTS — natural prosody, zero-shot voice cloning and 30+ languages.
ذہانت
89.4 #18
AAQI 89.0
آؤٹ پٹ رفتار
140 t/s
ITL 7.1 ms/tok
مخلوط قیمت (3:1)
$0.013 /1M
ان پٹ $0.01/M · آؤٹ پٹ $0.02/M
سیاق
32K
≈ 80 A4 صفحات · زیادہ سے زیادہ آؤٹ پٹ 8,192
Quality Domain Radar
6-Axis Frontier Evaluation vs Category Average & Flagship
Qwen Audio 3.1 TTS+
Claude Mythos Preview (#1)
Average (68)
جہاں براہ راست بینچ مارک پیمائش موجود نہیں، ریڈار محور زمرہ سکورز سے تخمینی ہیں — طریقہ کار دیکھیں۔
طاقتیں اور سمجھوتے
جہاں یہ آگے ہے
- 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
جن باتوں پر دھیان دیں
- Slightly robotic on long emotional passages
- Cloning quality depends on reference audio
- English/Chinese strongest — tail languages vary
کلر استعمال کے کیسز
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.
ڈویلپر کوک اسٹارٹ اور API
پہلے
DASHSCOPE_API_KEY سیٹ کریں — API کی حاصل کریںcurl 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);سرکاری وسائل اور لنکس
API تعیناتی
ہوسٹس اور لیٹنسی کا موازنہ
Groq، Cerebras، Together، DeepInfra، Fireworks، Bedrock اور Azure پر تھروپٹ، TTFT اور کیش قیمتیں۔
GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
ذریعے کے لحاظ سے اسکور
زمرے کے لحاظ سے اسکور
بینچ مارک نتائج
براہ راست لائیو مقابلے
لائیو وضاحتیں اور آرکیٹیکچر
اندرونی ڈھانچہ
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
اجرا کی تاریخ
2 اکتوبر، 2026
آرکیٹیکچر
Qwen Audio 3.1 TTS+ — 8B open speech synthesis
پیرامیٹرز
8B
لائسنس
Open Weights
سیاق ونڈو
32,000 tokens
زیادہ سے زیادہ آؤٹ پٹ
8,192 tokens
موڈیلٹیز
text + audio
کیش قیمتیں
ریڈ $0.004 · رائٹ $0.0125 /1M
استدلال
—
ان پٹ قیمت
$0.01/M
آؤٹ پٹ قیمت
$0.02/M
آؤٹ پٹ رفتار
140 t/s
پہلے ٹوکن تک کا وقت
—
ڈیٹا اپڈیٹ
22 اکتوبر، 2026
ہارڈویئر اور مقامی انفرینس
ڈیٹا: Convly AI (CC BY 4.0) ↗VRAM (4-bit Q4)
5 GB
کم از کم GPU
RTX 3060 8GB / any 8GB GPU
اندازاً ماہانہ بل
اندازاً ماہانہ اخراجات
$0.00
GPT-4o کے مقابلے میں بچت کا حساب…
حوالہ اور ایمبیڈ
GitHub Markdown بیج
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}
}اسکور بیج شامل کریں
اپنے GitHub یا Hugging Face README میں لائیو Podium اسکور بیج لگائیں — یہ لائیو درجہ بندی پر لے جاتا ہے۔
پیش منظر
Markdown
Loading badge snippet...HTML
Loading badge snippet...Alibaba کے مزید ماڈلز
متبادل ماڈلز
صلاحیت، قیمت اور بینچ مارک اسکورز کی بنیاد پر Qwen Audio 3.1 TTS+ کے قریب ترین متبادل۔