Zum Inhalt springen
ReviewRamble

Der wöchentliche Brief

KI im Test, in deinem Postfach.

  • Neue Tests von Tools, Modellen, MCP-Servern und Repos, mit dem Urteil vorneweg
  • Neu geprüfte Preise und Bewertungen, wenn sich etwas ändert
  • Neue Analysen, sobald sie erscheinen

Modelle, Agenten, MCP-Server und die Tools, die deine Zeit wirklich wert sind.

Eine E-Mail pro Woche. Abmelden kannst du dich über den Link in jedem Brief. Wie wir deine E-Mail-Adresse nutzen

Qwen-Audio-3.1-TTS-Plus

Alibabas geschlossenes Sprachmodell vom Oktober 2026: Platz vier bei Artificial Analysis, 20 $ bis 30 $ pro Million Zeichen, vier Standardstimmen.

Getestet von ReviewRamble editors · Aktualisiert

Diese Seite teilen:XLinkedInFacebookRedditWhatsAppE-Mail

Unsere Bewertung

4.1/5

Arena-Werte, die in die Top fünf gehören, verpackt mit vier Standardstimmen und einem Regionenkatalog, der sich wie ein Rätsel liest.

Was ist Qwen-Audio-3.1-TTS-Plus?

Qwen-Audio-3.1-TTS-Plus ist die Qualitätsstufe von Alibabas Sprachfamilie Qwen-Audio-3.1. Die Familie wurde am 23. September 2026 mit verbesserten Modellen für Erkennung, Sprachausgabe und Echtzeitgespräche angekündigt, dazu Preissenkungen von etwa 70 % bei der Sprachausgabe; das TTS-Plus-Modell selbst tauchte am 21. Oktober in Alibabas Release Notes auf. Alibaba positioniert es für Hörbücher, Synchronisation und Markenstimmen, ein günstigeres Flash-Geschwistermodell für Assistenten mit niedriger Latenz.

Es bringt vier Systemstimmen mit, drei weibliche und eine männliche, und unterstützt Voice Cloning, Stimmdesign aus einer Beschreibung, Anweisungen zur Sprechweise in einfacher Sprache und Inline-Tags für Lachen oder Atmen. Geklonte Stimmen sprechen Mandarin, Kantonesisch und rund 20 chinesische Dialekte sowie 15 weitere Sprachen, darunter Englisch, Japanisch, Koreanisch, Französisch, Deutsch, Spanisch und Arabisch; entworfene Stimmen sind auf Mandarin und Englisch beschränkt.

Das Modell wird nur auf Alibaba Cloud Model Studio in den Regionen Singapur und Peking gehostet. Gewichte wurden nicht veröffentlicht.

Was kostet Qwen-Audio-3.1-TTS-Plus?

TarifPreisWas enthalten ist
Singapore region$0.30 per 10,000 characters1.000.000 Gratiszeichen, 90 Tage gültig
Beijing region$0.20 per 10,000 characters

0,30 $ pro 10.000 Zeichen in Singapur (30 $ pro 1M) und 0,20 $ in Peking (20 $ pro 1M); chinesische, japanische und koreanische Zeichen zählen doppelt. In Singapur 1.000.000 Gratiszeichen für 90 Tage.

Lohnt sich Qwen-Audio-3.1-TTS-Plus?

Nach dem Urteil der Hörer gehört Qwen-Audio-3.1-TTS-Plus zur Spitze. Die Haupt-Arena von Artificial Analysis setzt es mit 1.298 Elo auf Platz vier, hinter den beiden Eleven-v4-Modellen von ElevenLabs und StepFuns StepAudio 3 TTS. Auf dem strengeren Controlled-Voice-Ranking, in dem alle Modelle mit denselben geklonten Stimmen sprechen, stand es am 9. November auf Platz zwei von 49 und bei US-englischen Akzenten auf Platz eins.

Das ist ein großer Sprung gegenüber Alibabas offenem Qwen3 TTS vom Januar, das mit 928 Elo nahe am Ende derselben Tabelle steht. Die Lücke ist der Preis der Geschlossenheit: Dieses Modell hat keine Gewichte zum Herunterladen, und Qwens öffentliche Audio-Repositories enden bei Qwen2-Audio.

Der Haken: Was man tatsächlich nutzen kann, ist schmal. Es gibt vier Systemstimmen und keine mit britischem Englisch; alles andere heißt selbst klonen oder entwerfen. Der Preis hängt von der Region ab, 30 $ pro Million Zeichen in Singapur und 20 $ in Peking, und chinesische, japanische und koreanische Zeichen zählen doppelt. Artificial Analysis führt es mit 19,31 $, ein Wert, der zu keinem der veröffentlichten Tarife passt. Alibabas eigene Regionslisten haben sich widersprochen, also prüfe die Verfügbarkeit, bevor du einen Launch darauf planst.

Unser Fazit: Für ein Synchronstudio, das seine Stimmen ohnehin selbst klont, ist das eine Top-fünf-Stimme zum Mittelfeldpreis. Ein Team, das eine fertige Stimme auswählen und loslegen will, findet den Schrank leer.

Wo es sich lohnt

  • Ein chinesisches Serienstudio, das für kantonesisches und sichuanesisches Publikum synchronisiert

    Die Stimme jedes Schauspielers beim Dialektwechsel behalten

    Klone jede Hauptrolle einmal und wähle den Dialekt per Anweisung statt über eine eigene Stimme. Ein Skript mit 300.000 Zeichen wird als 600.000 Zeichen abgerechnet, in Peking etwa 12 $.

  • Ein US-Hörbuch-Start-up

    Ausdrucksstarke amerikanisch-englische Erzählung unter ElevenLabs-Preisen produzieren

    Nutze eine der vier Systemstimmen oder entwirf einen Erzähler aus einer Beschreibung; bei 30 $ pro Million Zeichen in Singapur kostet ein Buch mit 90.000 Wörtern, rund 500.000 Zeichen, etwa 15 $.

Bevor du dich festlegst

Einrichtung
Lege in der Region Singapur oder Peking einen Model-Studio-Schlüssel an und rufe qwen-audio-3.1-tts-plus mit einer System-, Klon- oder Designstimme auf; beim Streaming kommt das Audio in Stücken, ohne Streaming eine Audio-URL, die 24 Stunden gültig ist.
Integrationen
API von Alibaba Cloud Model Studio (DashScope) mit Modi ohne Streaming, Einweg- und Zweiweg-Streaming; PCM, WAV, MP3 oder Opus bis 48 kHz.
Daten und Datenschutz
Nur auf Alibaba Cloud gehostet; keine Gewichte, kein Self-Hosting. Speicherung und Trainingsnutzung regeln die Nutzungsbedingungen von Model Studio, nicht die Modellseite.
Kosten im großen Maßstab
100 Millionen Zeichen im Monat kosten in Singapur etwa 3.000 $, in Peking 2.000 $; für chinesischen Text gleicher Länge das Doppelte.
Grenzen
180 Anfragen pro Minute und Region. Verbindungen schließen nach 60 Sekunden ohne neue Aufgabe. Vier Systemstimmen; britisches Englisch nur bei Flash.

Was gut ist

  • Platz vier in der Arena von Artificial Analysis mit 1.298 Elo
  • Platz eins für US-Englisch im Controlled-Voice-Ranking, 9. November
  • Klonen in rund 20 chinesischen Dialekten und 15 weiteren Sprachen
  • Steuerung per Anweisung und paralinguistische Tags

Was nicht

  • Nur vier Systemstimmen; kein britisches Englisch
  • Geschlossene Gewichte, nur auf Alibaba Cloud
  • Preis je nach Region; CJK-Zeichen zählen doppelt
  • Entworfene Stimmen nur auf Mandarin und Englisch

Am besten für

Synchron-, Hörbuch- und Markenstimmen-Teams, besonders mit chinesischen Inhalten, die ihre Stimmen selbst klonen oder entwerfen und nahezu Spitzenqualität wollen.

Alternativen zu Qwen-Audio-3.1-TTS-Plus

Qwen-Audio-3.1-TTS-Plus: häufige Fragen

Lohnt sich Qwen-Audio-3.1-TTS-Plus?
Arena-Werte, die in die Top fünf gehören, verpackt mit vier Standardstimmen und einem Regionenkatalog, der sich wie ein Rätsel liest. Wir bewerten es mit 4.1 von 5.
Was kostet Qwen-Audio-3.1-TTS-Plus?
0,30 $ pro 10.000 Zeichen in Singapur (30 $ pro 1M) und 0,20 $ in Peking (20 $ pro 1M); chinesische, japanische und koreanische Zeichen zählen doppelt. In Singapur 1.000.000 Gratiszeichen für 90 Tage.
Welche Nachteile hat Qwen-Audio-3.1-TTS-Plus?
Nur vier Systemstimmen; kein britisches Englisch; Geschlossene Gewichte, nur auf Alibaba Cloud; Preis je nach Region; CJK-Zeichen zählen doppelt; Entworfene Stimmen nur auf Mandarin und Englisch.
Für wen eignet sich Qwen-Audio-3.1-TTS-Plus?
Synchron-, Hörbuch- und Markenstimmen-Teams, besonders mit chinesischen Inhalten, die ihre Stimmen selbst klonen oder entwerfen und nahezu Spitzenqualität wollen.
Was kostet Qwen-Audio-3.1-TTS-Plus für ein Team oder im Produktivbetrieb?
100 Millionen Zeichen im Monat kosten in Singapur etwa 3.000 $, in Peking 2.000 $; für chinesischen Text gleicher Länge das Doppelte.
Ist Qwen-Audio-3.1-TTS-Plus sicher für Firmendaten?
Nur auf Alibaba Cloud gehostet; keine Gewichte, kein Self-Hosting. Speicherung und Trainingsnutzung regeln die Nutzungsbedingungen von Model Studio, nicht die Modellseite.
Was sind die besten Alternativen zu Qwen-Audio-3.1-TTS-Plus?
Die nächsten Alternativen, die wir getestet haben, sind StepAudio 3 TTS, Eleven v4 and v4 Turbo, Qwen3-TTS und Fun-CosyVoice3.

Antworten geprüft am 21. Nov. 2026.

Du entwickelst Qwen-Audio-3.1-TTS-Plus? Zeig diese Bewertung auf deiner WebsiteQwen-Audio-3.1-TTS-Plus mit 4.1 von 5 bewertet auf ReviewRamble