Qwen-Audio 3.0 TTS Plus 登頂語音排行榜 —— 但速度是否太慢？

阿里巴巴的 Qwen-Audio 3.0 TTS Plus 現已在 Artificial Analysis 的文字轉語音排行榜中排名第一，獲得了 1,236 的 ELO 分數，領先於 SpeechifyAI 的 Simba 3.2 兩分，並遠超 Google 的 Gemini 3.1 Flash TTS。該模型提供兩種變體：用於即時互動的 Flash 版本和用於高保真輸出的 Plus 版本，支援 16 種語言，包括塔加洛語和泰語等較不常見的語言。在性能方面，它能很好地處理有噪音的參考音訊，並允許通過標籤進行情感提示，但其生成速度為 16 個字元/秒，明顯慢於 Sonic 3.5 和 Simba 3.2。每百萬字元定價 27.60 美元，它在企業 TTS 應用中樹立了新的品質基準，儘管存在延遲折衷。