Qwen-Audio-3.0-TTS-Plus
Alibaba · Chine
- Poids fermés (selon Artificial Analysis)
- Français annoncé
En bref : 12e sur 31 en synthèse vocale en français, dans un groupe de 4 modèles trop proches pour être départagés ; 6e sur 96 en synthèse vocale en anglais (Artificial Analysis), ex æquo avec 4 autres modèles dont les marges d'erreur se recouvrent.
Présentation
Modèle de synthèse vocale d'Alibaba orienté qualité, servi par l'API Model Studio, dont l'émotion, le ton, le débit et le style se règlent par instructions libres et par balises. Alibaba le destine aux livres audio, au doublage et aux voix de marque, et annonce un meilleur rendu des dialectes chinois et des langues peu dotées. Lu sur alibabacloud.com, le 17/10/2026.
- Sortie
- 14 juillet 2026 lu sur la page de l'éditeur
Langues
- Annoncées par l'éditeur : 16 langues en voix clonée, dont le français (voix système en chinois et en anglais) (zh, en, ja, ko, ru, fr, de, pt, th, id, vi, es, it, ms, fil, ar). Lu sur alibabacloud.com.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 12e sur 31 en synthèse vocale en français (1 166).
Ses 2 classements
Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.
- En français · Synthèse vocale
Synthèse vocale en français
12e sur 31Elo 1 166, intervalle 1 143 à 1 189, 668 votes
Prix : 19 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
- En anglais · Synthèse vocale
Synthèse vocale en anglais, Artificial Analysis
6e sur 96Elo 1 265, intervalle 1 251 à 1 279, 2 264 votes
Prix : 19 $ par million de caractères
Source : Artificial Analysis · relevé du 19 octobre 2026.
Modèles proches
- Synthèse vocale en français : devant, Gemini 3.8 Flash-Lite TTS (11e, 1 190) · derrière, Eleven Multilingual v2 (13e, 1 162)
- Synthèse vocale en anglais, Artificial Analysis : devant, Gemini 3.8 Flash TTS (5e, 1 278) · derrière, Realtime TTS-2 (7e, 1 262)
Comment lire ces chiffres
Synthèse vocale : Dans une arène, des votants écoutent deux voix à l'aveugle et choisissent la meilleure ; l'Elo en tire un classement, plus il est haut, mieux c'est. Le repère de prononciation compte les mots qu'un modèle de transcription comprend mal en relisant la voix : plus il est bas, mieux c'est.
D'où vient cette fiche
- Nom dans les sources
- Artificial Analysis :
Qwen-Audio-3.0-TTS-Plus - Fiche
- Nom et éditeur tels que la source les écrit ; présentation et langues lues sur les pages de l'éditeur.
- Pages lues
- https://www.alibabacloud.com/help/en/model-studio/qwen-audio-3-0-tts-plus (« Qwen-Audio-3.0-TTS-Plus is a high-performance speech synthesis model, designed for high-quality speech generation scenarios. »), 17/10/2026
- https://www.alibabacloud.com/help/en/model-studio/qwen-audio-3-0-tts-plus (« Compared with the previous version, it supports more low-resource languages and Chinese dialects, significantly improves dialect authenticity »), 17/10/2026
- https://www.alibabacloud.com/help/en/model-studio/qwen-audio-3-0-tts-plus (« such as content creation, audiobooks, film and video dubbing, brand voice design, and premium speech services »), 17/10/2026
- https://www.alibabacloud.com/help/en/model-studio/newly-released-models (« Speech synthesis, Realtime speech synthesis 2026-07-14 International qwen-audio-3.0-tts-plus »), 17/10/2026
- https://www.alibabacloud.com/help/en/model-studio/tts-model (« qwen-audio-3.0-tts-flash WebSocket Supported Unsupported Supported Supported languages : System voices (varies by voice): Chinese (Mandarin), English Cloned voices »), 17/10/2026
- https://www.alibabacloud.com/help/en/model-studio/tts-model (« English, Japanese, Korean, Russian, French, German, Portuguese, Thai, Indonesian, Vietnamese, Spanish, Italian, Malaysian, Filipino, and Arabic CosyVoice »), 17/10/2026
Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.