Qwen-Audio-3.1-TTS-Plusとは?
Qwen-Audio-3.1-TTS-Plusは、AlibabaのQwen-Audio-3.1音声ファミリーの高品質版です。ファミリーは2026年9月23日に発表され、音声認識、音声合成、リアルタイム会話の各モデルが強化されたほか、音声出力の料金が約70%引き下げられました。TTS-Plusモデル自体は10月21日にAlibabaのリリースノートに登場しています。Alibabaはこのモデルをオーディオブック、吹き替え、ブランドボイス向けとし、より安価なFlash版を低遅延のアシスタント向けとしています。
システムボイスは女性3種類、男性1種類の計4種類で、ボイスクローン、説明文からの声の設計、平易な言葉による話し方の指示、笑いや息づかいのインラインタグに対応します。クローンした声は標準中国語、広東語、約20の中国語方言に加え、英語、日本語、韓国語、フランス語、ドイツ語、スペイン語、アラビア語など15の言語を話せます。設計した声は標準中国語と英語に限られます。
モデルはAlibaba Cloud Model Studioのシンガポールと北京のリージョンでのみ提供され、重みは公開されていません。
Qwen-Audio-3.1-TTS-Plusの料金は?
| プラン | 価格 | 内容 |
|---|---|---|
| Singapore region | $0.30 per 10,000 characters | 1,000,000文字を90日間無料 |
| Beijing region | $0.20 per 10,000 characters |
シンガポールでは10,000文字あたり$0.30(1M文字あたり$30)、北京では$0.20(1M文字あたり$20)です。中国語、日本語、韓国語の文字は2文字として数えます。シンガポールでは1,000,000文字が90日間無料です。
Qwen-Audio-3.1-TTS-Plusは使う価値があるか?
リスナーの評価で見れば、Qwen-Audio-3.1-TTS-Plusはトップグループに入ります。Artificial Analysisのメインアリーナでは1,298 Eloの4位で、上にいるのはElevenLabsの2つのEleven v4モデルとStepFunのStepAudio 3 TTSだけです。すべてのモデルが同じクローン音声で話す、より厳密なControlled Voiceの順位表では、11月9日時点で49モデル中2位、米国英語のアクセントでは1位でした。
これは、同じ表で928 Eloと下位に沈むAlibabaの1月のオープンモデルQwen3 TTSから大きく進歩しています。その差はクローズドにした代償でもあります。このモデルにはダウンロードできる重みがなく、Qwenの公開音声リポジトリはQwen2-Audioで止まっています。
注意点:実際に使える範 囲は狭いです。システムボイスは4種類で、イギリス英語はありません。それ以外は自分でクローンするか設計する必要があります。料金はリージョンによって異なり、シンガポールでは100万文字あたり$30、北京では$20で、中国語、日本語、韓国語の文字は2倍に数えられます。Artificial Analysisは$19.31と表示していますが、公表されているどちらの料金とも一致しません。Alibaba自身のリージョン一覧も食い違ったことがあるため、ローンチを計画する前に提供状況を確認してください。
結論:どのみち自前の声をクローンする吹き替え会社にとっては、中位の料金で上位5位の声が手に入ります。既製の声を選んですぐ始めたいチームには、選択肢がほとんどありません。
真価を発揮する場面
広東語と四川語の視聴者向けにドラマを吹き替える中国のスタジオ
方言を切り替えても各俳優の声を保つ
主役ごとに一度だけクローンし、別の声を用意するのではなく指示で方言を選びます。300,000文字の台本は600,000文字として課金され、北京で約$12です。
米国のオーディオブック系スタートアップ
ElevenLabsより安く、表現豊かなアメリカ英語のナレーションを作る
4種類のシステムボイスから選ぶか、説明文からナレーターを設計します。シンガポールの100万文字あたり$30なら、約500,000文字になる90,000語の本で約$15です。
導入前に確認すること
- 導入
- シンガポールまたは北京のリージョンでModel Studioのキーを作成し、システム、クローン、設計のいずれかの声を指定してqwen-audio-3.1-tts-plusを呼び出します。ストリーミングでは音声が分割して返り、非ストリーミングでは24時間有効な音声URLが返ります。
- 連携
- Alibaba Cloud Model Studio(DashScope)のAPI。非ストリーミング、単方向、双方向のストリーミングに対応し、PCM、WAV、MP3、Opusを最大48 kHzで出力します。
- データとプライバシー
- 提供はAlibaba Cloudのみで、重みの公開やセルフホストはありません。保持期間と学習利用はモデルのページではなく、Model Studioの利用規約で定められています。
- 大規模利用時のコスト
- 月1億文字でシンガポールなら約$3,000、北京なら$2,000です。同じ長さの中国語テキストではその2倍になります。
- 制限
- リージョンごとに毎分180リクエスト。新しいタスクがないまま60秒経つと接続が切れます。システムボイスは4種類で、イギリス英語はFlashのみです。
良い点
- Artificial Analysisのアリーナで1,298 Eloの4位
- Controlled Voiceの順位表で米国英語1位(11月9日)
- 約20の中国語方言と15のほかの言語でクローン可能
- 指示による制御とパラ言語タグ
気になる点
- システムボイスは4種類のみで、イギリス英語なし
- 重みは非公開で、Alibaba Cloud限定
- 料金はリージョン次第で、CJKの文字は2倍に数えられる
- 設計した声は標準中国語と英語のみ
おすすめの人
自前の声をクローンまたは設計し、トップに近い品質を求める吹き替え、オーディオブック、ブランドボイスのチーム、特に中国語を扱うチーム。
Qwen-Audio-3.1-TTS-Plusの代替
Qwen-Audio-3.1-TTS-Plus:よくある質問
- Qwen-Audio-3.1-TTS-Plusは使う価値があるか?
- アリーナのスコアは上位5位に入る水準ですが、標準の声は4種類だけで、リージョンごとの提供状況はパズルのようです。 評価は5点満点中4.1点です。
- Qwen-Audio-3.1-TTS-Plusの料金は?
- シンガポールでは10,000文字あたり$0.30(1M文字あたり$30)、北京では$0.20(1M文字あたり$20)です。中国語、日本語、韓国語の文字は2文字として数えます。シンガポールでは1,000,000文字が90日間無料です。
- Qwen-Audio-3.1-TTS-Plusの欠点は?
- システムボイスは4種類のみで、イギリス英語なし; 重みは非公開で、Alibaba Cloud限定; 料金はリージョン次第で、CJKの文字は2倍に数えられる; 設計した声は標準中国語と英語のみ.
- Qwen-Audio-3.1-TTS-Plusは誰に向いているか?
- 自前の声をクローンまたは設計し、トップに近い品質を求める吹き替え、オーディオブック、ブランドボイスのチ ーム、特に中国語を扱うチーム。
- チームや本番環境でQwen-Audio-3.1-TTS-Plusを使うと費用はいくらか?
- 月1億文字でシンガポールなら約$3,000、北京なら$2,000です。同じ長さの中国語テキストではその2倍になります。
- Qwen-Audio-3.1-TTS-Plusは企業データを扱っても安全か?
- 提供はAlibaba Cloudのみで、重みの公開やセルフホストはありません。保持期間と学習利用はモデルのページではなく、Model Studioの利用規約で定められています。
- Qwen-Audio-3.1-TTS-Plusの代わりになるものは?
- 当サイトでレビューした中で最も近い代替はStepAudio 3 TTS, Eleven v4 and v4 Turbo, Qwen3-TTS 、 Fun-CosyVoice3です。
回答確認日:2026年11月21日