Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

Qwen-Audio-3.1-TTS-Plus

O modelo de voz fechado da Alibaba de outubro de 2026: quarto na Artificial Analysis, de US$ 20 a US$ 30 por milhão de caracteres, quatro vozes prontas.

Análise de ReviewRamble editors · Atualizado

Compartilhe esta página:XLinkedInFacebookRedditWhatsAppE-mail

Nossa nota

4.1/5

Notas de arena dignas do top cinco, num pacote com quatro vozes prontas e um catálogo por região que parece um quebra-cabeça.

O que é Qwen-Audio-3.1-TTS-Plus?

Qwen-Audio-3.1-TTS-Plus é a camada de qualidade da família de voz Qwen-Audio-3.1 da Alibaba. A família foi anunciada em 23 de setembro de 2026 com modelos melhorados de reconhecimento, fala e conversa em tempo real, e cortes de preço de cerca de 70% na saída de voz; o modelo TTS-Plus em si apareceu nas notas de versão da Alibaba em 21 de outubro. A Alibaba o posiciona para audiolivros, dublagem e vozes de marca, e um irmão Flash mais barato para assistentes de baixa latência.

Ele traz quatro vozes de sistema, três femininas e uma masculina, e suporta clonagem de voz, criação de voz a partir de uma descrição, instruções de interpretação em linguagem simples e tags no texto para risadas ou respiração. As vozes clonadas falam mandarim, cantonês e cerca de 20 dialetos chineses, além de outros 15 idiomas, entre eles inglês, japonês, coreano, francês, alemão, espanhol e árabe; as vozes criadas se limitam a mandarim e inglês.

O modelo é hospedado só no Alibaba Cloud Model Studio, nas regiões de Singapura e Pequim. Nenhum peso foi publicado.

Quanto custa Qwen-Audio-3.1-TTS-Plus?

PlanoPreçoO que inclui
Singapore region$0.30 per 10,000 characters1.000.000 de caracteres grátis válidos por 90 dias
Beijing region$0.20 per 10,000 characters

US$ 0,30 por 10.000 caracteres em Singapura (US$ 30 por 1M) e US$ 0,20 em Pequim (US$ 20 por 1M); caracteres chineses, japoneses e coreanos contam em dobro. 1.000.000 de caracteres grátis por 90 dias em Singapura.

Qwen-Audio-3.1-TTS-Plus vale a pena?

Pelo julgamento dos ouvintes, o Qwen-Audio-3.1-TTS-Plus está entre os líderes. A arena principal da Artificial Analysis o coloca em quarto, com 1.298 de Elo, atrás dos dois modelos Eleven v4 da ElevenLabs e do StepAudio 3 TTS da StepFun. No ranking mais rigoroso Controlled Voice, em que todos os modelos falam com as mesmas vozes clonadas, ele aparecia em segundo de 49 em 9 de novembro, e em primeiro nos sotaques de inglês dos EUA.

É um salto grande em relação ao Qwen3 TTS aberto da Alibaba, de janeiro, que fica perto do fim da mesma tabela com 928 de Elo. A diferença é o preço de continuar fechado: este modelo não tem pesos para baixar, e os repositórios públicos de áudio do Qwen param no Qwen2-Audio.

O porém: o que dá para usar de fato é pouco. São quatro vozes de sistema e nenhuma em inglês britânico; qualquer outra coisa exige clonar ou criar a sua. O preço depende da região, US$ 30 por milhão de caracteres em Singapura e US$ 20 em Pequim, e caracteres chineses, japoneses e coreanos contam em dobro. A Artificial Analysis lista o modelo a US$ 19,31, um valor que não bate com nenhuma das tarifas publicadas. As próprias listas de regiões da Alibaba já se contradisseram, então confirme a disponibilidade antes de planejar um lançamento em torno dele.

Nossa opinião: para uma casa de dublagem que vai clonar as próprias vozes de qualquer jeito, é uma voz de top cinco por um preço de meio de tabela. Uma equipe que quer escolher uma voz pronta e começar vai encontrar o armário vazio.

Onde ele se destaca

  • Um estúdio chinês que dubla séries para públicos de cantonês e do dialeto de Sichuan

    Manter a voz de cada ator ao trocar de dialeto

    Clone cada protagonista uma vez e escolha o dialeto por instrução, em vez de usar outra voz. Um roteiro de 300.000 caracteres é cobrado como 600.000, cerca de US$ 12 em Pequim.

  • Uma start-up de audiolivros dos EUA

    Produzir narração expressiva em inglês americano abaixo dos preços da ElevenLabs

    Use uma das quatro vozes de sistema ou crie um narrador a partir de uma descrição; a US$ 30 por milhão de caracteres em Singapura, um livro de 90.000 palavras, com cerca de 500.000 caracteres, custa cerca de US$ 15.

Antes de decidir

Configuração
Crie uma chave do Model Studio na região de Singapura ou de Pequim e chame qwen-audio-3.1-tts-plus com uma voz de sistema, clonada ou criada; no streaming o áudio chega em partes, e sem streaming você recebe uma URL de áudio válida por 24 horas.
Integrações
API do Alibaba Cloud Model Studio (DashScope) com modos sem streaming, streaming unidirecional e bidirecional; PCM, WAV, MP3 ou Opus até 48 kHz.
Dados e privacidade
Hospedado só no Alibaba Cloud; sem pesos nem auto-hospedagem. Retenção e uso para treinamento seguem os termos de serviço do Model Studio, não a página do modelo.
Custo em escala
100 milhões de caracteres por mês custam cerca de US$ 3.000 em Singapura ou US$ 2.000 em Pequim; o dobro para o mesmo tamanho de texto em chinês.
Limites
180 requisições por minuto por região. As conexões fecham após 60 segundos sem nova tarefa. Quatro vozes de sistema; inglês britânico só no Flash.

O que é bom

  • Quarto na arena da Artificial Analysis com 1.298 de Elo
  • Primeiro em inglês dos EUA no ranking Controlled Voice, 9 de novembro
  • Clonagem em cerca de 20 dialetos chineses e outros 15 idiomas
  • Controle por instruções e tags paralinguísticas

O que não é

  • Só quatro vozes de sistema; nenhuma em inglês britânico
  • Pesos fechados, só no Alibaba Cloud
  • Preço varia por região; caracteres CJK contam em dobro
  • Vozes criadas limitadas a mandarim e inglês

Ideal para

Equipes de dublagem, audiolivros e vozes de marca, principalmente as que trabalham em chinês, que vão clonar ou criar as próprias vozes e querem qualidade quase de topo.

Alternativas ao Qwen-Audio-3.1-TTS-Plus

Qwen-Audio-3.1-TTS-Plus: perguntas frequentes

Qwen-Audio-3.1-TTS-Plus vale a pena?
Notas de arena dignas do top cinco, num pacote com quatro vozes prontas e um catálogo por região que parece um quebra-cabeça. Damos nota 4.1 de 5.
Quanto custa Qwen-Audio-3.1-TTS-Plus?
US$ 0,30 por 10.000 caracteres em Singapura (US$ 30 por 1M) e US$ 0,20 em Pequim (US$ 20 por 1M); caracteres chineses, japoneses e coreanos contam em dobro. 1.000.000 de caracteres grátis por 90 dias em Singapura.
Quais são as desvantagens de Qwen-Audio-3.1-TTS-Plus?
Só quatro vozes de sistema; nenhuma em inglês britânico; pesos fechados, só no Alibaba Cloud; preço varia por região; caracteres CJK contam em dobro; vozes criadas limitadas a mandarim e inglês.
Para quem Qwen-Audio-3.1-TTS-Plus é indicado?
Equipes de dublagem, audiolivros e vozes de marca, principalmente as que trabalham em chinês, que vão clonar ou criar as próprias vozes e querem qualidade quase de topo.
Quanto custa Qwen-Audio-3.1-TTS-Plus para uma equipe ou em produção?
100 milhões de caracteres por mês custam cerca de US$ 3.000 em Singapura ou US$ 2.000 em Pequim; o dobro para o mesmo tamanho de texto em chinês.
Qwen-Audio-3.1-TTS-Plus é seguro para dados da empresa?
Hospedado só no Alibaba Cloud; sem pesos nem auto-hospedagem. Retenção e uso para treinamento seguem os termos de serviço do Model Studio, não a página do modelo.
Quais são as melhores alternativas ao Qwen-Audio-3.1-TTS-Plus?
As alternativas mais próximas que analisamos são StepAudio 3 TTS, Eleven v4 and v4 Turbo, Qwen3-TTS e Fun-CosyVoice3.

Respostas verificadas em 21 de nov. de 2026.

Você faz o Qwen-Audio-3.1-TTS-Plus? Mostre esta nota no seu siteQwen-Audio-3.1-TTS-Plus com nota 4.1 de 5 no ReviewRamble