Qwen3 TTS Instruct Flash vs BytePlus Seed TTS 2.0
vs
什麼情況選哪一個
qwen3-tts-instruct-flash 每百萬字元便宜 2.6 倍($11.5 對 $30),兩者也都接受自然語言的音色指令,但請求長度差別很大:600 個字元對 4096。seed-tts-2.0 還在描述式控制之外提供數值型語音參數,並按場景分組公布音色。短句要控成本選 qwen3-tts-instruct-flash,長段落和更細的音色控制選 seed-tts-2.0。
定價
| Qwen3 TTS Instruct Flash | BytePlus Seed TTS 2.0 | Δ | |
|---|---|---|---|
| 每 1M 字元 | $11.5 | $30 | 0.38× |
費率取自網站建置時的即時目錄;各模型頁面都列有最新的價目。
兩者的相對位置:每 1M 字元的價格,涵蓋同一計費單位下全部 7 個文字轉語音模型(對數尺度)
Qwen3 TTS Instruct Flash · $11.5 BytePlus Seed TTS 2.0 · $30
$4 · Google TTS Standard $30 · Google TTS Chirp 3 HD
功能
| Qwen3 TTS Instruct Flash | BytePlus Seed TTS 2.0 | |
|---|---|---|
| 串流 | 是 | 是 |
| SSML | undocumented | unsupported |
| 計費單位 | character | character |
規格
| Qwen3 TTS Instruct Flash | BytePlus Seed TTS 2.0 | |
|---|---|---|
| 輸入模態 | 文字 | 文字 |
| 輸出模態 | 音訊 | 音訊 |
| 發布日期 | - | 2025-10-16 |
| 請求限制 | 600 characters | - |
| 聲音 | 系統音色隨附一行人設說明,其中包括 Cherry(陽光、正向、友善而自然的年輕女性)、Serena、Ethan、Chelsie、Momo、Vivian、Moon、Maia、Kai、Nofish(發不出捲舌音的設計師)、Bella、Eldric Sage、Mia、Mochi、Bellona、Vincent、Bunny、Neil、Elias、Arthur、Nini、Seren、Pip 與 Stella;Qwen-TTS 音色清單為每一個音色標出確切接受它的模型 id。 | TTS 2.0 音色帶有 *_uranus_bigtts 形式的 speaker ID,並在 Voice List 頁面按場景分類列出(General、Entertainment、Education、Dubbing、AudioBook、RolePlay、CustomerService);每個音色可透過 audio_params.emotion 設定情緒,emotion_scale 為 1 至 5(預設 4),speech_rate 與 loudness_rate 範圍為 [-50, 100],post_process.pitch 範圍為 [-12, 12]。 |
| 語言 | 中文(普通話)、英語、德語、義大利語、葡萄牙語、西班牙語、日語、韓語、法語與俄語。對混合語言或無法判定的輸入,language_type 預設為 Auto,阿里巴巴的文件記載這並不保證準確率;而指定單一語言則被記載為能顯著提升合成品質。與 Qwen3-TTS-Flash 系列不同,Instruct 系列未列出任何中文方言音色(北京話、上海話、四川話、南京話、陝西話、閩南語、天津話、粵語)。 | 英語、中文、日語、德語、法語、墨西哥西班牙語、印尼語、巴西葡萄牙語、義大利語與韓語 |
| 聲音控制 |
| context_texts 與 section_id 僅 TTS 2.0 支援:一段自然語言指令即可控制語速、情緒、音量與風格(清單中只有第一個值生效,且其文字不計費),section_id 則可把最多 30 輪或 10 分鐘的先前合成串接為歷史上下文。 |
| 限制 | HTTP 非即時語音合成 API;-realtime 後綴標示的是它的 WebSocket 同門。輸入文字上限 600 個字元,允許多語言混合輸入。非串流回傳有效期 24 小時的音訊檔案 URL;串流以分塊回傳 Base64 編碼的 PCM,URL 只出現在最後一個資料包中,官方範例把它以 24 kHz 單聲道 16-bit 音訊播放。按輸入文字字元計費,回報於 usage.characters(在 Qwen3-TTS-Flash 上 input_tokens 與 output_tokens 恆為 0);輸出音訊免費。 | 可透過單向串流 HTTP、單向或雙向串流 WebSocket 以及線上 SDK 接入;單向串流與非串流介面的取樣率為 24K/16K/8K,雙向介面為 48K/24K/16K/8K;輸出 PCM、OGG_OPUS 或 MP3(接受 WAV,但串流時會回傳多個檔頭);不支援 SSML |
規格摘錄自各供應商的文件;供應商沒有公布的項目就直接略過,不自行推測。 完整來源: Qwen3 TTS Instruct Flash · BytePlus Seed TTS 2.0
改一行程式碼就能在兩者之間切換
下面每個頁籤都列了這兩個模型 ID,要改的只有醒目標示的那兩行。端點、金鑰和請求格式都不變。
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.audio.transcriptions.create(
model="qwen3-tts-instruct-flash",
# model="seed-tts-2.0", # 取消這一行的註解,並把上一行註解掉
file=open("meeting.mp3", "rb"),
language="en",
)
print(resp.text)import OpenAI from "openai";
import fs from "node:fs";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.audio.transcriptions.create({
model: "qwen3-tts-instruct-flash",
// model: "seed-tts-2.0", // 取消這一行的註解,並把上一行註解掉
file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);curl https://synthorai.io/v1/audio/transcriptions \
-H "Authorization: Bearer sk-syn-..." \
-F model="qwen3-tts-instruct-flash" \
# -F model="seed-tts-2.0" \ # 取消這一行的註解,並把上一行註解掉
-F file=@meeting.mp3package main
import (
"context"
"fmt"
"os"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
f, _ := os.Open("meeting.mp3")
resp, _ := client.Audio.Transcriptions.New(context.TODO(), openai.AudioTranscriptionNewParams{
Model: "qwen3-tts-instruct-flash",
// Model: "seed-tts-2.0", // 取消這一行的註解,並把上一行註解掉
File: f,
})
fmt.Println(resp.Text)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.audio.transcriptions.*;
import java.nio.file.Paths;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
Transcription resp = client.audio().transcriptions().create(
TranscriptionCreateParams.builder()
.model("qwen3-tts-instruct-flash")
// .model("seed-tts-2.0") // 取消這一行的註解,並把上一行註解掉
.file(Paths.get("meeting.mp3"))
.build()).asTranscription();
System.out.println(resp.text());常見問題
Qwen3 TTS Instruct Flash 和 BytePlus Seed TTS 2.0 哪個比較便宜?
以「每 1M 字元」來看,Qwen3 TTS Instruct Flash 比較便宜($11.5 對 $30,相差 2.6×)。其他項目的結果可能相反,完整價目請看上表;實際成本要看你的用量組合。
可以只串接一次,就對 Qwen3 TTS Instruct Flash 和 BytePlus Seed TTS 2.0 做 A/B 測試嗎?
可以。兩個模型都走同一個 OpenAI 相容端點,用的也是同一把 API 金鑰,切換時只要改一行裡的模型名稱字串。你可以把一部分流量分別導到兩邊,再直接比較帳單。
文字轉語音是如何計費的?
依輸入文字的字元數計費,每次請求的字元上限列在規格表裡。兩個模型都一樣,稿子太長就得拆成多次請求。