생성된 타이틀 카드에는 "어느 티어를 실제로 호출하고 있나요?"라는 문구가 "Qwen-Audio-3.1은 하나의 엔드포인트가 아니라 아홉 개 모델 ID의 패밀리입니다"라는 줄 위에 표시되어 있고, 3행 3열로 배치된 아홉 개의 칩에는 tts-plus, tts-flash, tts-next, realtime-plus, realtime-flash, asr-flash, asr-flash-streaming, asr-flash-filetrans, asr-flash-message가 적혀 있으며, 캡션은 "2026년 9월 20일부터 10월 27일까지 단계별로 나열"이고, 푸터에는 Alibaba Cloud Model Studio가 인용되어 있습니다. OrcaRouter 로고는 오른쪽 아래에 합성되어 있습니다.
Guides & Insights

Qwen-Audio-3.1-TTS-Plus vs Qwen-Audio-3.1: 하나는 모델, 다른 하나는 배지

작성자

jinhao.song

게시일

최신 모델 · 20모든 모델 보기 →
벤치마크: Artificial Analysis · 매일 업데이트
모든 게시물로 돌아가기

짧은 답변: Q​wen-Audio-3.1을 호출할 수는 없습니다. 그런 모델은 존재하지 않기 때문입니다. Q​wen-Audio-3.1 제품군은 존재합니다 — A​libaba Cloud Model Studio가 각기 다른 출시일에, 각기 다른 가격과 각기 다른 음성 목록으로 별도 문서화한 아홉 개의 모델 ID로 이루어져 있으며 — Q​wen-Audio-3.1-TTS-Plus는 그중 프리미엄 멤버로, 제품군의 첫 ID가 9월 20일에 등장한 지 5주 후인 2026년 10월 21일 A​libaba 릴리스 노트에 등재되었습니다. 지원 티켓에 "Q​wen-Audio-3.1"이라고 적을 때 대부분의 사람이 실제로 가리키는 형제 모델은 범용 텍스트 음성 변환 등급인 Q​wen-Audio-3.1-TTS-Flash입니다. 이 둘은 가격만 다를 뿐 같은 역할을 합니다. 아래의 모든 내용은 이 둘 중에서 선택하는 것과, 비싼 쪽이 저렴한 쪽이 할 수 있는 일을 할 수 없는 단 한 가지 경우에 관한 것입니다.

A screenshot of Alibaba Cloud Model Studio's model lifecycle and updates changelog for the Singapore region, showing the page's dated release-note rows for October 2026 alongside the changelog navigation.

먼저, 9개의 ID

Alibaba의 자체 릴리스 노트가 가장 명확한 출처이며, 이는 뉴스 기사에서 받는 인상과 상충된다. 단일 출시일은 없었다. 이 제품군은 5주에 걸쳐 조각조각 도착했고, 그 조각들은 지금도 도착하고 있다.

• qwen-audio-3.1-realtime-plus — 2026년 9월 20일 싱가포르와 베이징에서 모두 공개되었습니다. 양방향 음성 간 대화와 음성 복제 기능을 제공합니다.

• qwen-audio-3.1-asr-flash는 -streaming, -filetrans, -message 변형과 함께 2026년 9월 21일에 등재되었습니다. 하나가 아닌 네 가지 인식 엔드포인트: 단문, 스트리밍, 오프라인 파일 전사, 최적화된 음성 메시지 변형.

• q​wen-audio-3.1-tts-next — 2026년 9월 21일 베이징에서, 2026년 10월 22일 싱가포르에서 공개되었다. A​libaba는 이를 "AudioGen" 모델이라고 설명한다: 텍스트, 타임스탬프, 참조 오디오로부터 한 번의 처리로 생성되는 음성, 음향 효과, 앰비언스. 이는 통상적인 의미의 TTS 계층이 아니다.

• q​wen-audio-3.1-tts-flash — 2026년 10월 12일 두 지역 모두에 등록되었습니다. 어시스턴트, 실시간 대화 및 고객 서비스를 위한 스트리밍 음성 합성.

• q​wen-audio-3.1-tts-plus — 2026년 10월 21일 두 지역 모두에 등록되었습니다. 프리미엄 음성과 콘텐츠 제작을 위한 고품질 합성을 제공하며, 음성 복제는 잡음이 많은 참조 오디오에 더욱 견고한 것으로 설명됩니다.

• q​wen-audio-3.1-realtime-flash — 2026년 10월 27일 공개. 262,144토큰 컨텍스트 창, 함수 호출 및 웹 검색을 지원하는 더 저렴한 듀플렉스 등급입니다.

그 날짜들을 서로 견줘 보면 프레이밍 문제가 명백해진다. 9월 말의 "Qwen-Audio-3.1 출시"는 인식 및 실시간 티어를 다뤘지만, 대부분의 기사가 실제로 말하는 두 개의 텍스트-투-스피치 티어는 10월이 되어서야 등장했다. 발표 주간에 이 제품군을 기준으로 개발했다면, Plus 티어는 아직 그 안에 없었다.

A generated two-column scoreboard headed "Plus vs Flash". The qwen-audio-3.1-tts-plus column reads voices four flagship, languages narrow catalogue, billing per character input only, rate $0.30 per 10k characters in Singapore, output audio not charged, independent score 1,179 Elo rank 2 of 49. The qwen-audio-3.1-tts-flash column reads voices full catalogue with 15 accented English, languages 8 Chinese dialects plus 15 more, billing per token input and output, rate $0.23 in and $1.87 out per 1M tokens, output audio billed at 8x input, independent score none published. The OrcaRouter logo is composited bottom-right.

아무도 하지 않는 비교, 그리고 판가름하는 비교

Plus와 Flash의 비교는 이 제품군 안에서 유일하게 동등 조건으로 맞붙여 볼 수 있는 조합이다. 둘 다 텍스트를 받아 오디오를 반환하고, 같은 계정으로 과금되며, 동일한 공개 상한선 아래에 있다. 차이는 등급을 가리키는 단어들이 암시하는 그런 것이 아니다.

• 음성 — qwen-audio-3.1-tts-plus에는 네 가지가 있습니다. Alibaba는 이 제품을 위해 정확히 네 가지 플래그십 시스템 음성을 공개했습니다: longanlingxin_v3.1, xunanchuan_v3.1, longanhuan_v3.1, longanfengyue_v3.1이며, 세 개는 여성, 하나는 남성입니다. qwen-audio-3.1-tts-flash에는 카탈로그가 있습니다: 8개 중국어 방언과 일본어, 한국어, 프랑스어, 독일어, 포르투갈어, 이탈리아어, 베트남어, 인도네시아어를 아우르는 다국어 음성; 긴 목록의 표준 중국어 프리미엄 음성; 아이슬란드어, 몰타어, 스와힐리어, 카자흐어, 우크라이나어 등을 위한 추가 언어 음성; 그리고 이름이 지정된 악센트를 지닌 열다섯 개의 영어 음성 — Emily, Luna, Eric, Luca는 영국식, Abby, Annie, Ava, Beth, Betty, Cally, Cindy, Donna, Andy, Brian, David는 미국식입니다.

• 과금 단위 — Plus는 입력 문자당 청구되며 출력에는 요금이 부과되지 않습니다. Flash는 토큰당 청구되며 입력과 출력이 별도로, 싱가포르에서는 백만 토큰당 $0.23 및 $1.87, 베이징에서는 $0.212 및 $1.696입니다.

• 요금표 — Plus는 싱가포르에서 10,000자당 $0.30, 베이징에서 $0.20입니다. Flash는 문자당 요금이 따로 없는데, 단위가 토큰이기 때문입니다.

• 문자 수 계산: Plus 플랜을 사용 중인 경우 중국어, 일본어 또는 한국어 문자는 2개로 계산되고, 라틴 문자, 숫자, 문장 부호 또는 공백은 1개로 계산됩니다. SSML 태그는 계산되지 않습니다. 你好는 4자입니다.

• 속도 제한 — 두 항목 모두, 두 리전 모두에서 분당 180회 요청입니다. 이 상한은 둘을 분리하지 않습니다.

• 출력 — PCM, WAV, MP3 또는 O​pus, 최대 48 kHz의 샘플 레이트, 양쪽 모두에서. 비스트리밍 요청은 24시간 동안 유효한 URL을 반환하고, 스트리밍은 청크를 반환합니다. 이전 작업이 종료된 후 60초 이내에 새 작업이 시작되지 않으면 연결이 닫힙니다.

• 무료 할당량 — Plus와 Flash는 각각 싱가포르에서 무료 문자 1,000,000자 또는 토큰 1,000,000개를 제공하며, 활성화, 모델 출시 또는 신청 승인일로부터 90일간 유효합니다.

중요한 것은 첫 번째 줄이며, 이는 명명과 상충된다. Plus라는 등급에는 네 가지 음성이 있다. Flash라는 등급에는 음성들이 있으며, 여기에는 Alibaba가 이 제품군 어디에서도 공개하는 유일한 영국 억양 영어 음성도 포함된다.

측정된 모델은 영국 영어를 구사할 수 있는 모델이 아닙니다.

Qwen-Audio-3.1-TTS-Plus는 이 제품군에서 독립적인 점수를 가진 유일한 모델이며, 그 점수는 세 개입니다. 모든 참가자가 동일한 8개의 복제된 참조 음성을 합성하는 Artificial Analysis의 Controlled Voice 아레나에서 이 모델은 1,179.08 Elo로 49개 중 2위를 기록했습니다. 1위는 1,188.52의 HeyGen Voice, 3위는 1,172.56의 HeyGen Voice Turbo이며, 상위 두 구간이 겹치기 때문에 해당 보드에서는 2위와 1위가 통계적으로 구분되지 않습니다. 11월 7일 기준으로 악센트별로 나누면 미국 영어에서 1,207.07로 49개 중 1위, 영국 영어에서 1,136.72로 5위입니다. 각 업체가 자체 네이티브 음성을 제공하는 Provider Voice 아레나에서는 1,303으로 104개 중 3위이며, 1위는 1,339의 Eleven v4, 2위는 1,335의 Eleven v4 Turbo입니다.

이제 그것을 음성 목록 옆에 놓아 보세요. "미국 영어 기준 1위"라고 읽고 Plus 티어를 주문하는 팀은 4개 음성 모델을 사는 것입니다. 제품에 영국 여성 음성이 필요하다면 — 영어권 소비자 음성 작업에서 가장 흔한 단일 요구 사항입니다 — Plus 티어에는 그것이 없습니다. Flash에는 있습니다, 네 개나. 그리고 Flash는 어느 아레나에서도 점수가 없으므로 1,207과 비교할 것이 없습니다.

그것이 이 매치업의 함정이며, 결함이라기보다 구조적인 문제입니다. Alibaba는 아레나에서 한 티어에 참가했습니다. 그것이 참가한 티어는 프리미엄 티어입니다. 벤치마킹할 가치가 있는 곳이 바로 그 티어이기 때문입니다. 구매자에게 미치는 영향은 대칭적이지 않습니다. 숫자가 있는 모델은 악센트를 구사하지 못하고, 악센트를 구사할 수 있는 모델은 숫자가 없습니다. 순위만 보고 선택하면 이 관계를 거꾸로 받아들이게 됩니다.

솔직히 계산해 보면

이 둘을 비교하는 모든 시도는 한 가격에서 다른 가격을 빼려고 한다. 그 뺄셈은 성립하지 않는다. Plus는 문자 단위로, Flash는 토큰 단위로 책정되며, 오디오는 출력 측에서 계산된다. 이 모델에 대해 공개된 문자 대 토큰 비율은 없으므로, “Flash가 X% 더 저렴하다”는 단일 주장은 지어낸 것이다.

말할 수 있는 것은 위험이 어디에 있는지다. Flash의 출력 요율은 입력 요율의 8배이며, 싱가포르에서도 8배, 베이징에서도 8배다. 따라서 현실적인 길이의 모든 클립에서 Flash 청구서는 오디오가 지배하며, 출력 토큰 수는 모델이 얼마나 오래 말하기로 결정하느냐에 달려 있다. Plus는 출력 요금이 전혀 없다. 청구서는 보낸 스크립트의 함수일 뿐, 그 외의 것은 아니다. 길이를 아는 고정 스크립트라면 두 모델을 모두 모델링하고 측정하라 — 무료 할당량이 이를 커버한다. 페이싱을 모델이 선택하는 경우라면, Plus의 문자당 정액 가격은 예측 가능성만으로도 지불할 가치가 있으며, 그 논리는 품질과 무관하다.

공개된 수치에 관한 구조적 경고가 하나 있습니다. Controlled Voice 아레나는 Plus 등급을 100만 자당 $19.31로 표시합니다. Alibaba의 청구 페이지에는 싱가포르가 100만 자당 $30.00, 베이징이 $20.00로 표시됩니다. 아레나 수치는 두 값보다 낮고, 이전 세대의 베이징 요율인 qwen-audio-3.0-tts-plus의 1만 자당 $0.19253과 거의 일치합니다. 이것이 오래된 매핑인지 공개되지 않은 요율인지 외부에서는 알 수 없습니다. 실제로 호출하는 리전을 기준으로 예산을 잡으세요.

A screenshot of the OrcaRouter models catalogue showing the "226 models, 17 providers, one API key, one bill" header, the filter rail for input modalities, context length, price, status and access tier, and the first model cards with a copyable model ID.

파이프라인에서 선택이 어떻게 해결되는지

실제로 대부분의 팀은 두 티어 모두 필요하므로 결정은 상업적 문제라기보다 운영상의 문제가 됩니다. 구체적인 작동 예시는 다음과 같습니다. 음성 요청에는 로캘과 보이스 ID가 포함됩니다. 보이스 ID가 티어를 결정하는데, 카탈로그가 그렇게 정의하기 때문입니다. 티어는 엔드포인트를 결정하며, 장애 조치 정책은 4만 개 클립 배치 처리 중간에 선택한 엔드포인트가 성능 저하될 때 어떻게 할지를 결정합니다.

그것은 라우팅 문제이며, 바로 OrcaRouter가 만들어진 계층입니다 — 음성-티어 매핑을 구성으로 표현하는 라우팅 DSL 분기 코드가 아니라, 장애가 발생한 업스트림이 요청을 두 번째 엔진으로 넘기도록 하는 자동 페일오버 로 클립을 잃지 않게 해주고, 200개 이상의 모델 전반에 걸친 하나의 API 키 로 Q​wen 음성 구간과 그것과 결합하는 무엇이든 단일 자격 증명과 단일 가격 기준 뒤에 놓이며, 공급자 정가가 0% 마크업으로 그대로 전달됩니다. 경계는 분명히 짚고 넘어갈 만합니다. OrcaRouter는 A​libaba의 음성 모델을 호스팅하지 않습니다. 그 규칙의 Q​wen 구간은 벤더 자체의 API입니다. 저희가 제공하는 것은 키와 규칙, 그리고 페일오버입니다.

무엇이든 지출하기 전 체크리스트

• ID를 확인하세요, 등급 단어가 아니라. Plus는 더 적은 음성과 캐릭터 과금을 뜻합니다. Flash는 카탈로그와 토큰 과금을 뜻합니다. Next는 사운드 장면을 뜻합니다. 그 어떤 단어도 모델이 하는 일을 설명하지 않습니다.

• 요금표보다 음성 목록을 먼저 확인하세요. 보유하지 않은 음성은 가격이 아니며, 필요한 억양은 건너뛰려던 등급에만 있을 수 있습니다.

• 지역을 확인하세요. 싱가포르와 베이징은 이 제품군의 모든 가격에서 차이가 있으며, 영어 프리미엄 음성은 A​libaba가 두 지역 모두에서 사용 가능하다고 문서화한 유일한 카테고리입니다.

• 리더보드 순위는 한 멤버에 대한 순위로 취급하세요. 1,179.08의 Q​wen-Audio-3.1-TTS-Plus는 어느 아레나에도 없는 q​wen-audio-3.1-tts-flash에 대해서는 아무것도 말해주지 않으며, 동일한 접두사를 가진 다른 제품 범주인 q​wen-audio-3.1-tts-next에 대해서도 아무것도 말해주지 않습니다.

• "9월 23일 발표"가 당신에게 무엇을 의미했는지 물어보세요. TTS 티어의 경우에는 아무 의미도 없었습니다: 해당 티어는 10월에 나열되었습니다.

출처, 제공한 사람별로 구분

• Artificial Analysis, 2026년 11월 9일 조회 기준 — Controlled Voice: Q​wen-Audio-3.1-TTS-Plus 1,179.08 Elo, 49개 중 2위, 구간 1,166.08–1,192.08; 미국 영어 1,207.07, 49개 중 1위, 1,190.07–1,224.07; 영국 영어 1,136.72, 49개 중 5위, 1,118.72–1,154.72; HeyGen Voice 통합 1,188.52, 미국 1,187.28, 영국 1,181.55. Provider Voice: Q​wen-Audio-3.1-TTS-Plus 1,303, 104개 중 3위. 11월 7일 악센트 분할 게시일은 Artificial Analysis의 것입니다.

• Alibaba Cloud Model Studio, 2026년 11월 9일 확인 — 모델별 출시일은 모델 수명 주기 및 업데이트 페이지에서; 가격, 청구 단위, 문자 집계 규칙 및 무료 할당량은 청구 페이지에서; 180 RPM은 속도 제한 페이지에서; 4개의 Plus 플래그십 음성과 Flash 음성 카탈로그(15개의 악센트 영어 음성 및 51개의 추가 언어 음성 포함)는 Qwen-Audio-TTS 음성 목록 페이지에서.

• 위의 모든 출처에서 확인되지 않음 — 3.1 음성 제품군의 오픈 웨이트 릴리스가 전혀 없음. Q​wen의 공개 오디오 저장소는 2024년 7월의 Qwen2-Audio에서 멈추며, 아레나는 Q​wen-Audio-3.1-TTS-Plus를 클로즈드 웨이트로 기록한다. 다운로드할 체크포인트도, 자체 호스팅 경로도 없다.

• 우리 측 — 아레나의 가격 열이 공개된 두 공급업체 요율보다 낮다는 관찰, 문자-토큰 변환은 이루어질 수 없다는 논거, 그리고 측정된 티어가 영국 영어 음성이 없는 티어라는 주장. 첫 번째는 미해결 상태이고, 두 번째는 공개된 비율이 없다는 점에 근거하며, 세 번째는 공급업체 자체의 두 음성 목록에서 비롯된다.