سيمبا 3.5 مقابل Qwen-Audio-3.0-TTS: طريقتان لحل مشكلة اللغة، واحدة فقط منهما موثّقة

كلا SpeechifyAI Simba 3.5 وAlibaba Qwen-Audio-3.0-TTS سيقرآن نصك بلغات غير الإنجليزية. يصلان إلى ذلك عبر مسارين متعاكسين. تنشر Simba 3.5 قائمة: 48 لغة، ومعرّف نموذج واحد، وكل صوت في الكتالوج ينطق بجميعها، والإستونية والكانتونية مذكورتان بوصفهما الاستثناءين. وتنشر Qwen-Audio-3.0-TTS حقل تعليمات، والطريقة الموثقة لجعله يتحدث الهولندية هي إرسال الجملة «تحدث بالهولندية، ببطء ووضوح.» إليه. أحد الأمرين مواصفة يمكنك بناء مصفوفة لغات منها. والآخر توجيه نصي، والفرق بينهما هو أكثر ما يفيد في هذه المقارنة.

العمر مهم هنا أيضًا، على نحو لا يكون فيه مهمًا عادةً. طُرح Qwen-Audio-3.0-TTS في 20 يوليو 2026، ومنذ ذلك الحين حلّ محله في صدارة تشكيلة علي بابا Qwen-Audio-3.1-TTS-Plus، وهو ما يحتل حاليًا المركز الثالث على لوحة Controlled Voice. لا تزال فئة 3.0 Plus مُدرجة، ولا تزال هي صاحبة الموضع المقاس الأقوى على Provider Voice. وصل Simba 3.5 في 21 أكتوبر 2026، وهو في أسبوعه الثالث ضمن جدول تسعير سبق أن عدّله مرة واحدة.

الأرقام، جنبًا إلى جنب حيثما وُجدت

تقيّم Artificial Analysis كلا الطرازين على كلتا اللوحتين، مما يجعل هذه المواجهة واحدة من المواجهات القليلة في مجال الكلام حيث يمكنك مقارنة المتماثل بالمتماثل بدلًا من الاستقراء من طراز سابق.

• الصوت الخاضع للتحكم — SpeechifyAI Simba 3.5 المرتبة 1، Elo 1,192، زائد أو ناقص 17، 1,783 عينة

• الصوت الخاضع للتحكم — Alibaba Qwen-Audio-3.0-TTS-Plus في المرتبة 10، إيلو 1,130، زائد أو ناقص 12، 3,596 عينة

• صوت المزوّد — SpeechifyAI Simba 3.5 المرتبة 5، إيلو 1,294، بزيادة أو نقصان 17، 1,732 عينة

صوت المزوّد — Alibaba Qwen-Audio-3.0-TTS-Plus المرتبة 10، إيلو 1,264، ±13، 3,056 عينة

• الصوت المتحكم به — Alibaba Qwen-Audio-3.1-TTS-Plus المرتبة 3، Elo 1,176، زائد أو ناقص 12 — طراز Alibaba الأحدث، والطراز الجدير بالمتابعة

• سعر اللوحة — Qwen-Audio-3.0-TTS-Plus بسعر 19.31 دولارًا لكل مليون حرف على كلتا اللوحتين؛ Simba 3.5 مُدرج عند 6.58 دولارات، وهو سعر مضمّن في خطة لا يطابق قائمة الأسعار المنشورة لدى Speechify

يتقدم Simba 3.5 بفارق 62 نقطة على لوحة التحكم و30 على لوحة المزوّد، وتنفصل فترات الثقة بوضوح في كلتا الحالتين. هذه نتيجة جودة مباشرة لصالح Simba، ومن الجدير بالملاحظة ما لا يفسرها: عدد العينات. لدى Qwen-Audio-3.0-TTS-Plus ضعف عدد أصوات الصوت الخاضع للتحكم وراء تقديره، لذا فهذا تقدير مُقاس جيدًا عند 1,130 وليس تقديرًا مشوبًا بالضجيج.

المفارقة المثيرة للاهتمام هي خط أليبابا نفسه. يتقدّم Qwen-Audio-3.1-TTS-Plus بمقدار 46 نقطة على Qwen-Audio-3.0-TTS-Plus في اللوحة الخاضعة للتحكّم، ما يعني أن نموذج أليبابا من الجيل الحالي أقرب بكثير إلى Simba 3.5 مما هو عليه الجيل 3.0. وأي شخص يقارن بفئة 3.0 فإنه يقيس نموذجًا سبق تحسينه مرة واحدة.

ثمانٍ وأربعون لغة مُدرجة مقابل حقل تعليمات

إن توثيق Speechify محدد على نحو غير معتاد بالنسبة لواجهة برمجة تطبيقات الكلام. فاللغات الـ48 في Simba 3.5 قابلة للتعداد، وكل صوت في الكتالوج — وكل صوت مستنسخ في الخطط المدفوعة — ينطق بها جميعًا، ويأخذ النموذج وسم لغة قياسيًا على نمط BCP-47 مثل ja-JP، مع شمول أي تنويع إقليمي للغة مدرجة. ويُذكر بالاسم الزوج المستبعد: الإستونية والكانتونية. وتشير Speechify أيضًا إلى الأصوات التي يختارها الفريق في كل بيئة لغوية، وترتبها باستخدام حقل staff_pick_rank، لأن الصوت يحتفظ بلكنة تسجيله المصدر، وتوصيتها الخاصة هي التوليد بصوت أصلي في اللغة.

نهج علي بابا مرن في اتجاه مختلف. يقبل Qwen-Audio-3.0-TTS تعليمة بلغة طبيعية تصف الأداء — السرعة والعاطفة والشخصية — والتقنية الموثّقة للغة هدف هي الإشارة إلى ذلك في التعليمة، مع اشتراط أن تطابق التعليمة لغة النص. كما يدعم التحكم الصريح في النطق عبر language_hints وhot_fix، وإدخال SSML وLaTeX، ووسوم العاطفة وغير اللفظية المضمّنة مثل [excited] و[sad] و[laughing] و[sighing]. تُرجع الطلبات غير المتدفقة عنوان URL صوتيًا صالحًا لمدة 24 ساعة؛ بينما تُرجع الطلبات المتدفقة أجزاء base64. يُخدَّم النموذج من سنغافورة وبكين.

تعد مفردات الوسوم تلك ميزة حقيقية، ولا يضاهيها Simba 3.5. يطبّق Speechify وسم break، ومعدل prosody، وطبقة prosody، ومستوى prosody، وsub alias؛ أما وسوم emphasis وemotion فتُقبل ولا تُطبّق. إذا كان منتجك يحتاج إلى ضحكة في منتصف سطر، أو تنهيدة في نهاية سطر، فإن Qwen-Audio-3.0-TTS يفعل ذلك اليوم، بينما لا يفعله Simba 3.5.

المقايضة واضحة بمجرد ذكرها: يمنحك Qwen تحكمًا تعبيريًا ويترك دعم اللغات للنثر؛ بينما يمنحك Speechify قائمة لغات قابلة للعدّ ومساحة تعبيرية أضيق. بالنسبة لخط أنابيب التعريب، فإن القائمة القابلة للعدّ أعلى قيمة، لأن مصفوفة اللغات شيء يمكنك اختباره، واقتباسه في بيان نطاق العمل، وإفشال عملية بناء استنادًا إليه. أما «تحدّث بالهولندية ببطء ووضوح» فهو شيء عليك الاستماع إليه.

التسعير، محوَّل إلى رقم يمكنك مقارنته

تتقاضى Alibaba عن تركيب الكلام بحسب حرف الإدخال باليوان، مع أسعار إقليمية تختلف بين نشرتي بكين وسنغافورة. ويُسعَّر Qwen-Audio-3.0-TTS-Plus عند ¥1.4 لكل 10,000 حرف في بكين؛ أما فئة Flash فهي ¥1.0. وتُطبِّع Artificial Analysis فئة Plus إلى $19.31 لكل مليون حرف، وهو الرقم الذي ينبغي استخدامه إذا كنت تقارن مع مورّد يسعّر بالدولار بدلًا من إعداد ميزانية إقليمية. وتحصل كل طراز مدرج من Qwen-Audio على حصة مجانية قدرها مليون رمز في منطقة بكين لمدة 90 يومًا من تاريخ التفعيل أو الإصدار، أيهما لاحق.

تنشر Speechify الأسعار بالدولار لكل مليون حرف، وقد غيّرت رأيها مرة واحدة بالفعل:

• Simba 3.5، السعر المدرج اعتبارًا من 22 نوفمبر — $15.00 لكل مليون على Starter، و$12.00 على Pro، و$10.00 على Scale

• Simba 3.5، حتى 21 نوفمبر — 10.00 دولارات و8.00 دولارات و6.00 دولارات، أسعار Simba 3.2 و3.0

• Simba 3.5، قائمة الإطلاق الأصلية في 21 أكتوبر — 20 دولارًا و16 دولارًا و12 دولارًا، استُبدلت بخفض 9 نوفمبر

• Simba 3.2 وSimba 3.0 — 10 دولارات، و8 دولارات، و6 دولارات لكل مليون حرف، دون تغيير

بسعر القائمة، يقع Simba 3.5 بين نحو النصف وثلاثة أرباع سعر لوحة Qwen-Audio-3.0-TTS-Plus-Plus حسب الخطة، وخلال فترة العرض يتراوح بين الثلث والنصف. لا يُعد أيٌّ منهما مكلفًا بالقيمة المطلقة — فخمسة ملايين حرف شهريًا تكلّف أقل من 100 دولار على أيٍّ منهما — لذا يُستبعد أن يكون السعر العامل الحاسم ما لم تكن تدير كتالوجًا ضخمًا جدًا. أما تغطية اللغات والتحكم التعبيري فمن المرجح أن يكونا هما العاملين الحاسمين.

ما تأثير تاريخ 21 نوفمبر على هذا القرار

سُحبت معرّفات Simba 1.6 — simba-english وsimba-multilingual — من الاختيار في إصدار API 2026-09-21. وفي 21 نوفمبر 2026، سيقدّمهما Simba 3.5 بكل لغة وتُحتسب تكلفتهما باسم simba-3.5، على أي إصدار API لا يزال بإمكانه تسميتهما. أي تكامل يستخدم simba-multilingual منذ الصيف سيتغيّر صوته وسعره في ذلك التاريخ دون أي تغيير في الشيفرة.

لا يوجد لدى Alibaba حدث مجدول مكافئ في هذه المقارنة. يظل Qwen-Audio-3.0-TTS مُدرجًا إلى جانب إصدارات SKU الخاصة بـ3.1، ويُحتسب خط 3.1 على وحدة مختلفة — الرموز (tokens) بدلًا من الأحرف — لذا لا يمكن مقارنة الجيلين بقسمة خلية من بطاقة أسعار على أخرى. إذا كنت تستخدم 3.0 اليوم، فإن الانتقال إلى 3.1 مشروع حقيقي وليس مجرد تغيير معرف النموذج في سطر واحد، والفجوة البالغة 46 نقطة على اللوحة الخاضعة للتحكم بين الفئتين هي السبب وراء جدولة ذلك.

حيث يكون كل واحد هو الخيار الصحيح

اختر Simba 3.5 إذا كانت مشكلتك هي الاتساع تحت معرّف صوتي واحد: منتج يطلق صوت علامة تجارية واحدًا عبر عشرات المناطق اللغوية، أو كتالوج قديم يجب إعادة إنتاجه بلغات لا يتحدثها أحد في الفريق، أو قراءة إتاحة حيث يتعين على الصوت المستنسخ نفسه أن يتبع المستخدم من الإنجليزية إلى الإسبانية دون أن يبدو كشخص مختلف. إن قائمة اللغات المعدودة، وتصنيف اختيارات الموظفين، والاستنساخ الصفري دون موافقة هي الميزات التي تجعل ذلك ينجح، كما أن التقدم البالغ 62 نقطة في لوحة التقييم المضبوطة يعني أن الجودة تظل صامدة عندما لا يكون الصوت هو الذي اختاره المورّد.

اختر Qwen-Audio-3.0-TTS إذا كانت مشكلتك تتعلق بالأداء لا بالتغطية: أعمال الكتب الصوتية والبودكاست حيث يستحق وسم [excited] مكانه، أو محتوى الماندرين أولًا حيث يكون كتالوج الأصوات وأدوات التحكم في النطق لدى Alibaba الأعمق، أو عملية نشر يجب أن تكون في منطقة سنغافورة أو بكين. حقل التعليمات أكثر تعبيرًا فعليًا مما يتيحه Speechify، ومسارات عنوان URL غير المتدفق وSSE chunk تغطي كلاً من العرض الدفعي والمباشر.

لا يوفّر OrcaRouter أيًّا من الخطّين — فالوصول إلى Simba يتم عبر واجهة Speechify البرمجية الخاصة بها، وإلى Qwen عبر Alibaba Cloud Model Studio — ولا ينبغي أن يُفهم أي شيء هنا على أنه ادعاء بخلاف ذلك. ما نوجّهه فعليًا هو كتالوج تخليق أصغر يعمل كضابط محايد عند الاختبار: openai/tts-1 بسعر 15.00 دولارًا لكل مليون حرف وopenai/tts-1-hd بسعر 30.00 دولارًا، كلاهما بسعر قائمة المزوّد دون أي هامش مضاف، إلى جانب google/gemini-3.1-flash-tts-preview. وتوليد النص نفسه البالغ ثلاث دقائق عبر تلك النماذج وعبر كلا المرشّحين هو أرخص طريقة لحسم مسألة لا تستطيع لوحتا تصنيف سوى تضييقها.

الجزء الذي يتركه لك كلا المورّدين لتكتشفه بنفسك

لن يخبرك أيّ من النموذجين بما إذا كان ناتجه غير الإنجليزي جيدًا بما يكفي لجمهورك، ولن تفعل الساحة ذلك أيضًا: فلوحة Controlled Voice هي تقييم باللغة الإنجليزية على ثمانية أصوات مرجعية إنجليزية، أربعة أمريكية وأربعة بريطانية. إن فارقًا قدره 62 نقطة مقيسًا بالإنجليزية لا يقول شيئًا مباشرًا عن اليابانية أو البولندية أو البرتغالية البرازيلية. جواب Speechify هو الإشارة إلى اختيارات الموظفين لكل منطقة لغوية؛ وجواب Alibaba هو الإشارة إلى تعليمات وقائمة أصوات. وكلاهما يطلب منك أن تستمع.

هذا هو الختام الصادق لهذه المقارنة الثنائية. أحدهما أحدث، وأرخص بسعر القائمة، وأفضل قياسًا في الإنجليزية، وموثّق حتى عدد اللغات. والآخر أكثر تعبيرًا، وأرسخ في الأعمال باللغة الصينية، ويقع في منتصف انتقال بين جيلين، ويتحكم فيه حقل تعليمات لا مواصفة. اختبر كليهما في السوقين اللغويين اللذين يحملان إيراداتك فعليًا، وسيصبح باقي هذه المقارنة عامل ترجيح لا قرارًا.