¿Qué es Qwen-Audio-3.1-TTS-Plus?
Qwen-Audio-3.1-TTS-Plus es el nivel de calidad de la familia de voz Qwen-Audio-3.1 de Alibaba. La familia se anunció el 23 de septiembre de 2026 con modelos mejorados de reconocimiento, voz y conversación en tiempo real, y rebajas de alrededor del 70% en la salida de voz; el modelo TTS-Plus apareció en las notas de versión de Alibaba el 21 de octubre. Alibaba lo orienta a audiolibros, doblaje y voces de marca, y a un hermano Flash más barato para asistentes de baja latencia.
Incluye cuatro voces de sistema, tres femeninas y una masculina, y admite clonación de voz, diseño de voz a partir de una descripción, instrucciones de interpretación en lenguaje llano y etiquetas en línea para risas o respiraciones. Las voces clonadas hablan mandarín, cantonés y unos 20 dialectos chinos, además de otros 15 idiomas, entre ellos inglés, japonés, coreano, francés, alemán, español y árabe; las voces diseñadas se limitan al mandarín y el inglés.
El modelo solo está alojado en Alibaba Cloud Model Studio, en las regiones de Singapur y Pekín. No se han publicado pesos.
¿Cuánto cuesta Qwen-Audio-3.1-TTS-Plus?
| Plan | Precio | Qué incluye |
|---|---|---|
| Singapore region | $0.30 per 10,000 characters | 1.000.000 de caracteres gratis válidos 90 días |
| Beijing region | $0.20 per 10,000 characters |
0,30 $ por 10.000 caracteres en Singapur (30 $ por 1M) y 0,20 $ en Pekín (20 $ por 1M); los caracteres chinos, japoneses y coreanos cuentan doble. 1.000.000 de caracteres gratis durante 90 días en Singapur.
¿Merece la pena Qwen-Audio-3.1-TTS-Plus?
A juicio de los oyentes, Qwen-Audio-3.1-TTS-Plus está entre los líderes. La arena principal de Artificial Analysis lo sitúa cuarto, con 1.298 Elo, por detrás de los dos modelos Eleven v4 de ElevenLabs y de StepAudio 3 TTS de StepFun. En la clasificación más estricta Controlled Voice, donde todos los modelos hablan con las mismas voces clonadas, figuraba segundo de 49 el 9 de noviembre, y primero en acentos de inglés de EE. UU.
Es un gran salto respecto al Qwen3 TTS abierto de Alibaba de enero, que está cerca del fondo de la misma tabla con 928 Elo. La diferencia es el precio de seguir cerrado: este modelo no tiene pesos que descargar, y los repositorios públicos de audio de Qwen se quedan en Qwen2-Audio.
La pega: lo que de verdad se puede usar es limitado. Hay cuatro voces de sistema y ninguna en inglés británico; para cualquier otra cosa hay que clonar o diseñar la tuya. El precio depende de la región, 30 $ por millón de caracteres en Singapur y 20 $ en Pekín, y los caracteres chinos, japoneses y coreanos cuentan doble. Artificial Analysis lo indica a 19,31 $, una cifra que no coincide con ninguna de las tarifas publicadas. Las propias listas de regiones de Alibaba se han contradicho entre sí, así que confirma la disponibilidad antes de planificar un lanzamiento con él.
Nuestra opinión: para una empresa de doblaje que va a clonar sus propias voces de todos modos, es una voz del top cinco a un precio de media tabla. Un equipo que quiera elegir una voz ya hecha y empezar se encontrará la despensa vacía.
Dónde se gana su sitio
Un estudio chino de series que dobla para público cantonés y sichuanés
Mantener la voz de cada actor al cambiar de dialecto
Clona una vez a cada protagonista y elige el dialecto con una instrucción en lugar de con otra voz. Un guion de 300.000 caracteres se factura como 600.000, unos 12 $ en Pekín.
Una start-up estadounidense de audiolibros
Producir narración expresiva en inglés americano por debajo de los precios de ElevenLabs
Usa una de las cuatro voces de sistema o diseña un narrador a partir de una descripción; a 30 $ por millón de caracteres en Singapur, un libro de 90.000 palabras, unos 500.000 caracteres, cuesta unos 15 $.
Antes de decidirte
- Puesta en marcha
- Crea una clave de Model Studio en la región de Singapur o de Pekín y llama a qwen-audio-3.1-tts-plus con una voz de sistema, clonada o diseñada; en streaming el audio llega por fragmentos, y sin streaming recibes una URL de audio válida 24 horas.
- Integraciones
- API de Alibaba Cloud Model Studio (DashScope) con modos sin streaming, streaming unidireccional y bidireccional; PCM, WAV, MP3 u Opus hasta 48 kHz.
- Datos y privacidad
- Alojado solo en Alibaba Cloud; sin pesos ni autoalojamiento. Las condiciones de retención y entrenamiento las fijan los términos de servicio de Model Studio, no la página del modelo.
- Coste a escala
- 100 millones de caracteres al mes cuestan unos 3.000 $ en Singapur o 2.000 $ en Pekín; el doble para la misma longitud de texto en chino.
- Límites
- 180 solicitudes por minuto y región. Las conexiones se cierran tras 60 segundos sin una tarea nueva. Cuatro voces de sistema; inglés británico solo en Flash.
Lo bueno
- Cuarto en la arena de Artificial Analysis con 1.298 Elo
- Primero en inglés de EE. UU. en la clasificación Controlled Voice, 9 de noviembre
- Clonación en unos 20 dialectos chinos y otros 15 idiomas
- Control por instrucciones y etiquetas paralingüísticas
Lo malo
- Solo cuatro voces de sistema; ninguna en inglés británico
- Pesos cerrados, solo en Alibaba Cloud
- Precio según la región; los caracteres CJK cuentan doble
- Voces diseñadas limitadas al mandarín y el inglés
Ideal para
Equipos de doblaje, audiolibros y voces de marca, sobre todo los que trabajan en chino, que van a clonar o diseñar sus propias voces y quieren una calidad casi de primera.
Alternativas a Qwen-Audio-3.1-TTS-Plus
Qwen-Audio-3.1-TTS-Plus: preguntas frecuentes
- ¿Merece la pena Qwen-Audio-3.1-TTS-Plus?
- Puntuaciones de arena dignas del top cinco, en un paquete con cuatro voces de serie y un catálogo por regiones que parece un rompecabezas. Le damos un 4.1 sobre 5.
- ¿Cuánto cuesta Qwen-Audio-3.1-TTS-Plus?
- 0,30 $ por 10.000 caracteres en Singapur (30 $ por 1M) y 0,20 $ en Pekín (20 $ por 1M); los caracteres chinos, japoneses y coreanos cuentan doble. 1.000.000 de caracteres gratis durante 90 días en Singapur.
- ¿Qué inconvenientes tiene Qwen-Audio-3.1-TTS-Plus?
- Solo cuatro voces de sistema; ninguna en inglés británico; pesos cerrados, solo en Alibaba Cloud; precio según la región; los caracteres CJK cuentan doble; voces diseñadas limitadas al mandarín y el inglés.
- ¿Para quién es Qwen-Audio-3.1-TTS-Plus?
- Equipos de doblaje, audiolibros y voces de marca, sobre todo los que trabajan en chino, que van a clonar o diseñar sus propias voces y quieren una calidad casi de primera.
- ¿Cuánto cuesta Qwen-Audio-3.1-TTS-Plus para un equipo o en producción?
- 100 millones de caracteres al mes cuestan unos 3.000 $ en Singapur o 2.000 $ en Pekín; el doble para la misma longitud de texto en chino.
- ¿Es Qwen-Audio-3.1-TTS-Plus seguro para los datos de la empresa?
- Alojado solo en Alibaba Cloud; sin pesos ni autoalojamiento. Las condiciones de retención y entrenamiento las fijan los términos de servicio de Model Studio, no la página del modelo.
- ¿Cuáles son las mejores alternativas a Qwen-Audio-3.1-TTS-Plus?
- Las alternativas más cercanas que hemos analizado son StepAudio 3 TTS, Eleven v4 and v4 Turbo, Qwen3-TTS y Fun-CosyVoice3.
Respuestas comprobadas el 21 nov 2026.