Qu’est-ce que Qwen-Audio-3.1-TTS-Plus ?
Qwen-Audio-3.1-TTS-Plus est le niveau qualité de la famille vocale Qwen-Audio-3.1 d'Alibaba. La famille a été annoncée le 23 septembre 2026 avec des modèles améliorés de reconnaissance, de synthèse et de conversation en temps réel, et des baisses de prix d'environ 70 % sur la sortie vocale ; le modèle TTS-Plus lui-même est apparu dans les notes de version d'Alibaba le 21 octobre. Alibaba le destine aux livres audio, au doublage et aux voix de marque, et un modèle frère Flash moins cher aux assistants à faible latence.
Il propose quatre voix système, trois féminines et une masculine, et prend en charge le clonage de voix, la conception de voix à partir d'une description, des consignes d'interprétation en langage courant et des balises en ligne pour les rires ou la respiration. Les voix clonées parlent mandarin, cantonais et une vingtaine de dialectes chinois, plus 15 autres langues dont l'anglais, le japonais, le coréen, le français, l'allemand, l'espagnol et l'arabe ; les voix conçues se limitent au mandarin et à l'anglais.
Le modèle est hébergé uniquement sur Alibaba Cloud Model Studio, dans les régions de Singapour et de Pékin. Aucun poids n'a été publié.
Combien coûte Qwen-Audio-3.1-TTS-Plus ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Singapore region | $0.30 per 10,000 characters | 1 000 000 de caractères gratuits valables 90 jours |
| Beijing region | $0.20 per 10,000 characters |
0,30 $ les 10 000 caractères à Singapour (30 $ par 1M) et 0,20 $ à Pékin (20 $ par 1M) ; les caractères chinois, japonais et coréens comptent double. 1 000 000 de caractères gratuits pendant 90 jours à Singapour.
Qwen-Audio-3.1-TTS-Plus vaut-il le coup ?
Au jugement des auditeurs, Qwen-Audio-3.1-TTS-Plus fait partie des meilleurs. L'arène principale d'Artificial Analysis le place quatrième, avec 1 298 Elo, derrière les deux modèles Eleven v4 d'ElevenLabs et StepAudio 3 TTS de StepFun. Sur le tableau plus strict Controlled Voice, où tous les modèles parlent avec les mêmes voix clonées, il était deuxième sur 49 le 9 novembre, et premier pour les accents anglais américains.
C'est un grand pas par rapport au Qwen3 TTS ouvert d'Alibaba sorti en janvier, qui figure près du bas du même tableau avec 928 Elo. L'écart est le prix de la fermeture : ce modèle n'a pas de poids à télécharger, et les dépôts audio publics de Qwen s'arrêtent à Qwen2-Audio.
Le hic : ce qu'on peut réellement utiliser est limité. Il y a quatre voix système et aucune en anglais britannique ; pour tout le reste, il faut cloner ou concevoir sa propre voix. Le prix dépend de la région, 30 $ le million de caractères à Singapour et 20 $ à Pékin, et les caractères chinois, japonais et coréens comptent double. Artificial Analysis l'affiche à 19,31 $, un chiffre qui ne correspond à aucun des tarifs publiés. Les listes de régions d'Alibaba se sont elles-mêmes contredites, donc vérifiez la disponibilité avant de bâtir un lancement autour de ce modèle.
Notre avis : pour un studio de doublage qui clonera de toute façon ses propres voix, c'est une voix du top cinq à un prix de milieu de tableau. Une équipe qui veut choisir une voix toute faite et démarrer trouvera le placard vide.
Là où il fait la différence
Un studio chinois qui double des séries pour les publics cantonais et sichuanais
Garder la voix de chaque acteur en changeant de dialecte
Clonez chaque rôle principal une fois, puis choisissez le dialecte par consigne plutôt que par une autre voix. Un script de 300 000 caractères est facturé comme 600 000 caractères, soit environ 12 $ à Pékin.
Une start-up américaine de livres audio
Produire une narration expressive en anglais américain sous les prix d'ElevenLabs
Prenez l'une des quatre voix système ou concevez un narrateur à partir d'une description ; à 30 $ le million de caractères à Singapour, un livre de 90 000 mots, environ 500 000 caractères, coûte environ 15 $.
Avant de vous engager
- Mise en route
- Créez une clé Model Studio dans la région de Singapour ou de Pékin et appelez qwen-audio-3.1-tts-plus avec une voix système, clonée ou conçue ; en streaming, l'audio arrive par morceaux, sans streaming vous recevez une URL audio valable 24 heures.
- Intégrations
- API Alibaba Cloud Model Studio (DashScope) avec modes sans streaming, streaming unidirectionnel et bidirectionnel ; PCM, WAV, MP3 ou Opus jusqu'à 48 kHz.
- Données et confidentialité
- Hébergé uniquement sur Alibaba Cloud ; ni poids ni auto-hébergement. La conservation et l'usage pour l'entraînement relèvent des conditions de service de Model Studio, pas de la page du modèle.
- Coût à grande échelle
- 100 millions de caractères par mois coûtent environ 3 000 $ à Singapour ou 2 000 $ à Pékin ; le double pour la même longueur de texte chinois.
- Limites
- 180 requêtes par minute et par région. Les connexions se ferment après 60 secondes sans nouvelle tâche. Quatre voix système ; anglais britannique seulement sur Flash.
Les points forts
- Quatrième dans l'arène d'Artificial Analysis avec 1 298 Elo
- Premier pour l'anglais américain sur le tableau Controlled Voice, 9 novembre
- Clonage dans une vingtaine de dialectes chinois et 15 autres langues
- Pilotage par consignes et balises paralinguistiques
Les points faibles
- Seulement quatre voix système ; pas d'anglais britannique
- Poids fermés, uniquement sur Alibaba Cloud
- Prix selon la région ; les caractères CJK comptent double
- Voix conçues limitées au mandarin et à l'anglais
Idéal pour
Les équipes de doublage, de livres audio et de voix de marque, surtout celles qui travaillent en chinois, qui cloneront ou concevront leurs propres voix et veulent une qualité proche du sommet.
Alternatives à Qwen-Audio-3.1-TTS-Plus
Qwen-Audio-3.1-TTS-Plus : questions fréquentes
- Qwen-Audio-3.1-TTS-Plus vaut-il le coup ?
- Des scores d'arène dignes du top cinq, livrés avec quatre voix prêtes à l'emploi et un catalogue régional qui ressemble à un casse-tête. Nous lui donnons 4.1 sur 5.
- Combien coûte Qwen-Audio-3.1-TTS-Plus ?
- 0,30 $ les 10 000 caractères à Singapour (30 $ par 1M) et 0,20 $ à Pékin (20 $ par 1M) ; les caractères chinois, japonais et coréens comptent double. 1 000 000 de caractères gratuits pendant 90 jours à Singapour.
- Quels sont les inconvénients de Qwen-Audio-3.1-TTS-Plus ?
- Seulement quatre voix système ; pas d'anglais britannique; poids fermés, uniquement sur Alibaba Cloud; prix selon la région ; les caractères CJK comptent double; voix conçues limitées au mandarin et à l'anglais.
- À qui s’adresse Qwen-Audio-3.1-TTS-Plus ?
- Les équipes de doublage, de livres audio et de voix de marque, surtout celles qui travaillent en chinois, qui cloneront ou concevront leurs propres voix et veulent une qualité proche du sommet.
- Combien coûte Qwen-Audio-3.1-TTS-Plus pour une équipe ou en production ?
- 100 millions de caractères par mois coûtent environ 3 000 $ à Singapour ou 2 000 $ à Pékin ; le double pour la même longueur de texte chinois.
- Qwen-Audio-3.1-TTS-Plus est-il sûr pour les données de l’entreprise ?
- Hébergé uniquement sur Alibaba Cloud ; ni poids ni auto-hébergement. La conservation et l'usage pour l'entraînement relèvent des conditions de service de Model Studio, pas de la page du modèle.
- Quelles sont les meilleures alternatives à Qwen-Audio-3.1-TTS-Plus ?
- Les alternatives les plus proches que nous avons testées sont StepAudio 3 TTS, Eleven v4 and v4 Turbo, Qwen3-TTS et Fun-CosyVoice3.
Réponses vérifiées le 21 nov. 2026.