உலகம் நின்றுவிடவில்லை.RSS
BIG CHANGE.

Markdown பதிப்பு

AI-translated from English; not yet reviewed by a fluent editor.

# Qwen Audio 3.1 விரிவான குரல் மாடல் தொகுப்பை அறிமுகப்படுத்துகிறது. 95% விலைக் குறைப்புக்குப் பின்னுள்ள சூழல் அவசியம்

> Qwen Audio 3.1 ஒலி உருவாக்கத்தையும் புரிதலையும் சேர்க்கிறது. அதன் API ஆவணங்கள் முழுமையற்றவை; கட்டண அலகுகள் மாறுவதால் ASR-இல் விளம்பரப்படுத்தப்படும் சேமிப்பைக் கணக்கிடுவது சிக்கலாகிறது.

By BIG CHANGE Editorial

Published: 2026-09-23T15:40:58.970Z
Updated: 2026-09-23T15:40:58.970Z
Canonical: https://bigchange.ai/blog/qwen-audio-3-1-models-api-pricing

![A speaker in a sound-treated booth talks into a studio microphone while a second person listens at a compact mixing console through glass.](https://bigchange.ai/api/media/file/qwen-audio-studio-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE.

Alibaba-வின் Qwen குழு, உரைமாற்றம், பேச்சு உருவாக்கம், நேரடிக் குரல் உரையாடல் ஆகியவற்றை உள்ளடக்கிய ஐந்து Qwen Audio 3.1 மாடல்களை அறிமுகப்படுத்தியுள்ளது. ASR, TTS-Next, Realtime Plus ஆகியவற்றுக்கு ஆவணப்படுத்தப்பட்ட ஹோஸ்ட் செய்யப்பட்ட endpoint-கள் உள்ளன. TTS Flash-க்கு வெளியிடப்பட்ட மாடல் ID-யும் விலையும் உள்ளன; ஆனால் ஒருங்கிணைப்பு ஆவணங்கள் குறைவாக முழுமையடைந்துள்ளன. BIG CHANGE ஆய்வு செய்த பொது டெவலப்பர் ஆவணங்களில் ASR-Next-க்கு மாடல் ID, பிராந்தியம் அல்லது விலை இல்லை.

[The Decoder செய்தி வெளியிட்டது](https://the-decoder.com/alibaba-launches-qwen-audio-3-1-with-five-new-models-and-slashes-ai-audio-prices-by-up-to-95-percent) Qwen கூறியுள்ள உரையிலிருந்து பேச்சாக மாற்றுவதில் சுமார் 70%, நேரடி ஆடியோவில் 85%, பேச்சறிதலில் அதிகபட்சம் 95% வரையிலான விலைக் குறைப்புகளைப் பற்றி. அந்த எண்களைச் சரிபார்க்கும்போது கட்டண அலகுகளையும் கணக்கில் கொள்ள வேண்டும்.

## முக்கிய மாற்றம்

- **என்ன மாறியது:** Qwen இப்போது உரைமாற்றம், பேச்சு உருவாக்கம், ஒலிச் சூழல் உருவாக்கம், நேரடி உரையாடல் வரை ஒரே ஹோஸ்ட் செய்யப்பட்ட குடும்பத்தில் குரல் தயாரிப்பின் பல அம்சங்களை வழங்குகிறது. அதன் ஐந்து கூறுகளுக்கும் டெவலப்பர் அணுகல் ஒரே அளவு முழுமையாக இல்லை.
- **இது ஏன் முக்கியம்:** உரைமாற்றம் அல்லது குரல் சேவைகளுக்கான செலவைத் திட்டமிடும் டெவலப்பர்களுக்கு, ஒவ்வொரு endpoint-ஐயும் விலை நிர்ணயிக்க ஆடியோவின் நிமிட அளவு மட்டும் போதாது. Token அடிப்படையிலான ASR கட்டணம், உள்வரும் ஆடியோவையும் அதிலிருந்து கிடைக்கும் உரையையும் சேர்த்துக் கணக்கிடுகிறது; நேரடி உரையாடலில் தனித்தனியாக விலை நிர்ணயிக்கப்படும் நான்கு stream-கள் உள்ளன.
- **எதைக் கவனிக்க வேண்டும்:** ASR-Next அணுகலுடன், சுயாதீன மொழி மற்றும் தாமதச் சோதனைகள் பயனுள்ள சேமிப்பை உறுதிப்படுத்துகிறதா என்பதையும் கவனியுங்கள். அவை உறுதிப்படுத்தினால், குரல் முகவர், உரைமாற்றம், டப்பிங் சேவை வழங்குநர்கள் அந்தச் சேமிப்பை வாடிக்கையாளர் விலைகளிலும் வழங்குகிறார்களா, போட்டி பேச்சு API-களும் இதைப் பின்பற்றுகிறதா என்பதே அடுத்த பெரிய கேள்வி.

## ஐந்து மாடல்களின் ஒப்பீடு

| அறிவிக்கப்பட்ட மாடல் | நோக்கமிடப்பட்ட பயன்பாடு | செப்டம்பர் 23 அன்று ஆவணப்படுத்தப்பட்ட அணுகல் | விலையும் நடைமுறை வரம்பும் |
| --- | --- | --- | --- |
| **Qwen Audio 3.1 ASR** | தொடர்நிலை, கோப்பு, குறு வடிவ உரைமாற்றம்; கோப்பு மற்றும் குறு வடிவ endpoint-களில் விருப்பப் பேச்சாளர் பிரித்தறிதல் | சிங்கப்பூர் மற்றும் பெய்ஜிங்கில் ஹோஸ்ட் செய்யப்பட்ட WebSocket அல்லது HTTP API-கள். [சர்வதேச வழிகாட்டி ](https://docs.qwencloud.com/developer-guides/speech/speech-to-text-models)30 மொழிகளையும் சீன மொழியின் 10 வட்டாரப் பேச்சு வகைகளையும் பட்டியலிடுகிறது. | சிங்கப்பூரில் கோப்பு/குறு வடிவ உரைமாற்றத்துக்கு, **ஒரு மில்லியன் உள்வரும் ஆடியோ token-களுக்கு $0.15 + ஒரு மில்லியன் வெளியேறும் உரை token-களுக்கு $0.47** என்ற விலையிலிருந்து, **$0.93 + $0.70** வரை, தொடர்நிலை/செய்தி அனுப்பலுக்கு. கோப்பு உரைமாற்றம் 12 மணிநேரம்/2 GB வரை அனுமதிக்கிறது; குறு வடிவம் 5 நிமிடங்கள்/2 GB வரை. |
| **Qwen Audio 3.1 ASR-Next** | பேச்சாளரைக் கண்டறிந்து நேரமுத்திரையிடுதல்; உணர்ச்சி, சுற்றுப்புற நிகழ்வுகள், இயந்திர ஒலிகள் ஆகியவற்றை அடையாளம் காணுதல் | Qwen இதை அறிவித்துள்ளது; ஆனால் தற்போதைய Model Studio மற்றும் QwenCloud ஆவணங்களில் பொது API மாடல் ID, பிராந்தியம், கட்டணம் அல்லது வரம்பு எதுவும் கிடைக்கவில்லை. | **பொதுவில் ஆவணப்படுத்தப்படவில்லை** |
| **Qwen Audio 3.1 TTS** | பல மொழிப் பேச்சு, மொழிகளுக்கிடையிலான குரல் பரிமாற்றம், பேச்சு வெளிப்பாட்டை prompt மூலம் கட்டுப்படுத்துதல் | `qwen-audio-3.1-tts-flash` என்பது Alibaba-வின் விலை அறிவிப்பில் இடம்பெறுகிறது. ஆய்வு செய்த [குரல் நகலாக்க API ](https://www.alibabacloud.com/help/en/model-studio/voice-clone-design-http-api)இன்னும் 3.0 TTS Flash-ஐக் குறிப்பிடுகிறது. | சிங்கப்பூர்: **ஒரு மில்லியன் உள்வரும் உரை token-களுக்கு $0.23 + ஒரு மில்லியன் வெளியேறும் ஆடியோ token-களுக்கு $1.87**. ஆய்வு செய்த 3.1 ஆவணங்களில் தற்போதைய பொது வரம்புகள் குறிப்பிடப்படவில்லை. |
| **Qwen Audio 3.1 TTS-Next** | பேச்சு, ஒலி விளைவுகள், பின்னணி ஆடியோ ஆகியவற்றை ஒருங்கிணைத்து உருவாக்குதல் | பெய்ஜிங்கில் ஹோஸ்ட் செய்யப்பட்ட, தொடர்நிலை ஆதரவில்லாத HTTPS API; சீனம் மற்றும் ஆங்கிலத்துக்கான ஆவணம் உள்ளது | **உள்வரும் ஒரு மில்லியன் token-களுக்கு $0.848 + வெளியேறும் ஒரு மில்லியன் token-களுக்கு $1.696**. உள்ளீடு 3,000 எழுத்துகள் வரை; podcast வெளியீடு நான்கு நிமிடங்கள் வரை, மற்றவை இரண்டு நிமிடங்கள் வரை. |
| **Qwen Audio 3.1 Realtime Plus** | இடையூறு செய்யவும் கருவிகளை அழைக்கவும் கூடிய முழு இருதிசைக் குரல் உரையாடல் | சிங்கப்பூர் மற்றும் பெய்ஜிங்கில் ஹோஸ்ட் செய்யப்பட்ட WebSocket API. [வழிகாட்டி ](https://docs.qwencloud.com/developer-guides/speech/qwen-audio-realtime)11 மொழிகளைப் பட்டியலிடுகிறது. | சிங்கப்பூர்: **உள்வரும் உரையின் ஒரு மில்லியன் token-களுக்கு $0.80, உள்வரும் ஆடியோவுக்கு $6.40, வெளியேறும் உரைக்கு $6.40, வெளியேறும் ஆடியோவுக்கு $24**. இது 50 ஆடியோ உரையாடல் திருப்பங்கள் அல்லது 300 விநாடி ஆடியோ வரலாறு வரை வைத்திருக்கும். |

இவை ஹோஸ்ட் செய்யப்பட்ட API தயாரிப்புகள். பதிவிறக்கக்கூடிய 3.1 மாடல் எடைகளையோ அவற்றுக்கான உரிமத்தையோ BIG CHANGE கண்டறியவில்லை. QwenAudio-வின் GitHub களஞ்சியத்தில் உள்ள MIT உரிமம் திட்ட இணையதளத்துக்குப் பொருந்தும்; அதை மாடல்களுக்கான உரிமமாகப் புரிந்துகொள்ளக் கூடாது.

மொழிகளின் எண்ணிக்கையும் எந்த ஆவணத்தைப் பார்க்கிறீர்கள் என்பதைப் பொறுத்தது. Qwen-இன் [சரிபார்க்கப்பட்ட வெளியீட்டுப் பதிவு ](https://www.sina.cn/news/detail/5346330620985983.html)ASR 30 மொழிகளையும் 16 சீன வட்டாரப் பேச்சு வகைகளையும் ஆதரிக்கிறது என்கிறது; சர்வதேச API வழிகாட்டி 30 மொழிகளையும் 10 வட்டாரப் பேச்சு வகைகளையும் பட்டியலிடுகிறது. டெவலப்பர்கள் தாங்கள் உண்மையில் அழைக்கக்கூடிய endpoint-க்கான பட்டியலையே பயன்படுத்த வேண்டும்.

## 95% குறைப்பு என்ற கூற்று பொது விலை அட்டவணையுடன் பொருந்தவில்லை

Alibaba-வின் [விலை மாற்ற அறிவிப்பு ](https://www.alibabacloud.com/en/notice/model_studio_price_reduction_notice_for_selected_audio_models_891?_p_lc=1)செப்டம்பர் 22 அன்று நடைமுறைக்கு வந்தது. அதில் துல்லியமாக ஒப்பிடப்படுவது `qwen-audio-3.0-realtime-flash`, புதிய 3.1 Realtime Plus அல்ல. சிங்கப்பூர் விலைக் குறைப்புகள் (பழைய விலை − புதிய விலை) / பழைய விலை என்ற கணக்கில் பெறப்பட்டவை:

| Realtime Flash தொடர்நிலை | முன்பு (USD) | பிறகு (USD) | குறைப்பு |
| --- | --- | --- | --- |
| ஒரு மில்லியன் token-க்கு உள்வரும் உரை | $0.45 | $0.23 | 48.89% |
| ஒரு மில்லியன் token-க்கு உள்வரும் ஆடியோ | $4.50 | $0.93 | 79.33% |
| ஒரு மில்லியன் token-க்கு வெளியேறும் உரை | $4.50 | $0.70 | 84.44% |
| ஒரு மில்லியன் token-க்கு வெளியேறும் வெளியீடு (உரை + ஆடியோ) | $15.00 | $1.87 | **87.53%** |

அதே அறிவிப்பு, 3.1 TTS Flash விலையை 10,000 எழுத்துகளுக்கு $0.15 என்ற முறையிலிருந்து தனித்த உள்வரும் மற்றும் வெளியேறும் token விலைகளாக மாற்றுகிறது. [தற்போதைய விலைப் பக்கம் ](https://www.alibabacloud.com/help/en/model-studio/model-pricing)3.1 ASR-க்கும் உள்வரும் மற்றும் வெளியேறும் token அடிப்படையிலான விலையைப் பட்டியலிடுகிறது; 3.0 ASR-க்கு ஒவ்வொரு ஆடியோ விநாடிக்கும் கட்டணம், வெளியீட்டுக்கு இலவசம். இந்த விலை ஜோடிகளில் எதற்கும் சதவீதம் கணக்கிடுவது உரை, ஆடியோ நீளம், token பிரிப்பு ஆகியவற்றைப் பொறுத்தது. ஆகவே, இங்கு ஆய்வு செய்த பொது அட்டவணைகள் துல்லியமான 95% ASR விலைக் குறைப்பை உறுதிப்படுத்தவில்லை.

## சுயாதீனச் சான்றுகள் இன்னும் Qwen 3.0-ஐப் பற்றியவையே

வெளியீட்டு நாளில் ஆய்வு செய்த ஆதாரங்களில் ஐந்து 3.1 மாடல்களுக்கான சுயாதீனச் சோதனை எதுவும் இல்லை. Qwen-இன் சொந்த [ASR திட்டப் பக்கம் ](https://github.com/QwenAudio/QwenAudio.github.io/blob/4b61d6f5855d8bf1b8747895a3c54565be565ae9/qwen-audio-3.1-asr/README.md)தரநிலைச் சோதனை முடிவுகளை வெளியிடுகிறது; ஆனால் அவை சுயாதீனமாக மீண்டும் சோதிக்கப்படவில்லை என்று கூறுகிறது.

Artificial Analysis தரவரிசையில் [Qwen Audio 3.0 TTS Plus ](https://artificialanalysis.ai/text-to-speech/leaderboard/provider-voice)வழங்குநர் குரல் அரங்கில் (அனைத்து உச்சரிப்புகள் மற்றும் பிரிவுகள்) 1,259 Elo மதிப்புடன் இரண்டாவது இடத்தில் உள்ளது; 95% நம்பக இடைவெளி ±17, குருட்டு ஒப்பீட்டு மாதிரிகள் 1,447. தனியான [பேச்சு முகவர் அரங்கில் ](https://artificialanalysis.ai/articles/announcing-the-speech-agent-arena)Qwen Audio 3.0 Realtime Plus 699 preference Elo பெற்றது; முதல் ஆடியோவுக்கான நேரம் 1.54 விநாடிகள். அங்கு பங்கேற்பாளர்கள் ஒதுக்கப்பட்ட சூழல்களில் நேரடி உரையாடல்களின் போது மறைக்கப்பட்ட மாடல்களை ஒப்பிடுகிறார்கள்.

## Sources

- [Qwen ஐந்து புதிய மாடல்களுடன் Qwen Audio 3.1-ஐ அறிமுகப்படுத்துகிறது](https://the-decoder.com/alibaba-launches-qwen-audio-3-1-with-five-new-models-and-slashes-ai-audio-prices-by-up-to-95-percent) — ஐந்து மாடல் வெளியீட்டைச் சுருக்கி, TTS, நேரடி ஆடியோ, ASR விலைக் குறைப்புகள் தோராயமாக இவ்வளவு என Qwen கூறியதாகப் பதிவு செய்யும் கண்டறிதல் அறிக்கை. BIG CHANGE விலைகளை Alibaba-வின் சொந்த அட்டவணைகளுடன் சரிபார்த்தது.
- [Qwen Audio 3.1 வெளியீட்டுப் பதிவு](https://www.sina.cn/news/detail/5346330620985983.html) — ஐந்து மாடல்களையும் அவற்றின் நோக்கமிட்ட திறன்களையும் குறிப்பிடும் சரிபார்க்கப்பட்ட Qwen கணக்கின் பதிவு. திறன் மற்றும் வேகம் குறித்த கூற்றுகள் நிறுவனத்தின் சொந்தக் கூற்றுகளாகவே உள்ளன.
- [தேர்ந்தெடுக்கப்பட்ட ஆடியோ மாடல்களுக்கான Model Studio விலைக் குறைப்பு அறிவிப்பு](https://www.alibabacloud.com/en/notice/model_studio_price_reduction_notice_for_selected_audio_models_891?_p_lc=1) — 3.0 Realtime Flash-க்கான சிங்கப்பூர் பழைய மற்றும் புதிய விலைகளையும், 3.1 TTS Flash-இல் கட்டண அலகு மாறியதையும் காட்டும் செப்டம்பர் 22-ஆம் தேதியிட்ட அதிகாரப்பூர்வ விலை அறிவிப்பு.
- [Model Studio மாடல் விலைகள்](https://www.alibabacloud.com/help/en/model-studio/model-pricing) — 3.1 ASR மற்றும் Realtime Plus உட்பட, மாடல், ஊடக வகை, பிராந்தியம் வாரியான தற்போதைய அதிகாரப்பூர்வ விலைகள்.
- [QwenCloud பேச்சிலிருந்து உரை மாடல்கள்](https://docs.qwencloud.com/developer-guides/speech/speech-to-text-models) — தற்போதைய ASR endpoint ID-கள், அணுகல் முறைகள், மொழிப் பட்டியல்கள், பேச்சாளர் பிரித்தறிதல் ஆதரவு, கால வரம்புகள்.
- [QwenCloud Realtime Audio Chat](https://docs.qwencloud.com/developer-guides/speech/qwen-audio-realtime) — தற்போதைய 3.1 Realtime Plus WebSocket எடுத்துக்காட்டு, குரல் மற்றும் மொழி ஆதரவு, சேமிக்கப்படும் உரையாடல் வரம்புகள்.
- [Qwen Audio 3.1 TTS-Next](https://www.alibabacloud.com/help/en/model-studio/qwen-audio-3-1-tts-next) — பெய்ஜிங்கில் மட்டுமே கிடைக்கும் API, விலைகள், மொழிகள், உள்ளீட்டு நீளம், வெளியீட்டு கால வரம்புகள் பற்றிய அதிகாரப்பூர்வ தகவல்.
- [Qwen Audio 3.1 ASR திட்டப் பக்கம்](https://github.com/QwenAudio/QwenAudio.github.io/blob/4b61d6f5855d8bf1b8747895a3c54565be565ae9/qwen-audio-3.1-asr/README.md) — ASR மற்றும் ASR-Next திறன்கள், நிறுவனமே வெளியிட்ட தரநிலை முடிவுகள் ஆகியவற்றைக் கொண்ட மாற்றமில்லா Qwen திட்டப் பக்கம்; அந்த முடிவுகள் சுயாதீனமாக மீண்டும் உருவாக்கப்படவில்லை என்றும் குறிப்பிடுகிறது.
- [Artificial Analysis உரையிலிருந்து பேச்சு தரவரிசை](https://artificialanalysis.ai/text-to-speech/leaderboard/provider-voice) — முந்தைய Qwen Audio 3.0 TTS Plus மாடலுக்கான குருட்டு விருப்பத் தேர்வு முடிவு; மாதிரி எண்ணிக்கையும் நம்பக இடைவெளியும் உட்பட.
- [Artificial Analysis Speech Agent Arena](https://artificialanalysis.ai/articles/announcing-the-speech-agent-arena) — Qwen Audio 3.0 Realtime Plus-க்கான தனி விருப்ப மதிப்பீடும் முதல் ஆடியோவுக்கான நேர முடிவும்; இது 3.1 மதிப்பீடு அல்ல.
- [குரல் நகலாக்க HTTP API குறிப்பு](https://www.alibabacloud.com/help/en/model-studio/voice-clone-design-http-api) — தற்போதைய இலக்கு மாடல் எடுத்துக்காட்டுகள் 3.0 TTS Flash-ஐக் குறிப்பிடுகின்றன. அவை 3.1 உரையாக்கத்துக்கான ஒருங்கிணைப்பு வழியைத் தனியாக உறுதிப்படுத்தவில்லை.