GPT-Live-1 vs Qwen-Audio-3.1: de full-duplexstrijd is het voeren waard

De voor de hand liggende manier om deze vergelijking op te schrijven is prijs per uur audio, en het is de verkeerde manier. Qwen-Audio-3.1-TTS genereert spraak tegen $19,30 per miljoen tekens volgens de omrekening van Artificial Analysis — ongeveer een vijfde van wat een uur spraaktijd van GPT-Live-1 kost, tegen $0,05 per minuut — en dat getal zal deze maand in een inkooppresentatie belanden. Dat zou niet moeten, want Qwen-Audio-3.1 is niet één model. Het is een refresh van vijf modellen die Alibaba op 23 september 2026 aankondigde op de Apsara Conference in Hangzhou, en een van die vijf, Qwen-Audio-3.1-Realtime, doet hetzelfde werk als GPT-Live-1. Dat is de confrontatie waarin een echte beslissing zit, en Alibaba verlaagde de prijs met ongeveer 85%.

De twee families, naast elkaar

De vernieuwing van Alibaba omvatte synthese, herkenning, realtime conversatie en audiobegrip, met verlagingen over de hele linie: synthese ongeveer 70% lager, realtime ongeveer 85% lager, herkenning maar liefst 95% lager. De niveaus zijn niet uitwisselbaar en elk heeft zijn eigen prijs en taak.

• Qwen-Audio-3.1-TTS — de opvolger voor synthese, 16 talen waaronder zeven die in deze release zijn toegevoegd, 20 Chinese dialectregio's die behouden blijven, op instructies gebaseerde controle over emotie, tempo en voordracht, en natuurlijke taaloverstijgende timbre-overdracht die één stem over Mandarijn, Kantonees, Engels en Japans heen draagt.

• Q​wen-Audio-3.1-TTS-Next — een ander product dat een vertrouwde naam draagt. A​libaba noemt het een audiogen-model: stem, geluidseffecten en achtergrondambiance in één keer gegenereerd uit tekst, tijdstempels en referentieaudio, met dialoog tussen meerdere sprekers en 48 kHz-uitvoer. Volgens de Model Studio-documentatie van A​libaba Cloud accepteert het tot 3.000 tekens aan invoer, is de gegenereerde audio beperkt tot 240 seconden voor podcasts en 120 seconden in andere gevallen, draait het op 3 verzoeken per seconde en worden WAV, MP3 of PCM geretourneerd.

• Qwen-Audio-3.1-Realtime — volwaardig duplex-conversatie, en degene die Alibaba de hardware in duwt: Qwen Office, Qoder, QwenNote A2, de QwenNote Eva desktoprobot en de Qwen AI-bril.

• Qwen-Audio-3.1-ASR en ASR-Next — herkenning, en audiobegrip voor emotie, muziek, omgevingsgeluid en gebeurtenislokalisatie.

G​PT-Live-1 is één ding, geen familie. Full-duplex spraaksessies, audio en tekst in, audio en tekst uit, afbeeldingen en video niet ondersteund, kennisafsluitdatum 31 juli 2025, alleen geleverd via v1/live/sessions, waarbij Chat Completions, Responses, Realtime en Batch allemaal buiten het bereik vallen. Het streamt en ondersteunt functieaanroepen; gestructureerde uitvoer en fine-tuning worden niet ondersteund. De architectuur is een splitsing: G​PT-Live behandelt het gesprek, terwijl een gedelegeerd backendmodel of agent de redenering en tools afhandelt, hetzij via Responses-delegatie met een O​penAI-model, hetzij via clientdelegatie naar uw eigen service.

Dus de eerlijke vergelijking is TTS tegen TTS, Realtime tegen Live. De twee helften worden volledig anders geprijsd.

De renderinghelft: waar Q​wen echt moeilijk tegen te spreken is

Als je werklast bestaat uit voice-over, audiobeschrijving, IVR-prompts of ingesproken tekst bij video's, is Q​wen-Audio-3.1-TTS een sterke standaardkeuze, en de prijsverlaging maakt het nog sterker.

• Onafhankelijke positie — Elo 1.296 op de Provider Voice Arena van Artificial Analysis, als derde in het veld achter de twee inzendingen van Eleven op 1.330 en 1.329, en voor Cartesia Sonic 3.6 op 1.285, Gemini 3.8 Flash TTS op 1.275, Q​wens eigen vorige generatie op 1.265 en Realtime TTS-2 op 1.262.

• Positie van Controlled Voice — Elo 1.186, tweede op de ranglijst voor gekloonde stemmen, achter HeyGen Voice op 1.202, met 1.856 samples tegenover de 1.482 van HeyGen.

• Prijs voor de conversie van de arena — $19,30 per miljoen tekens, tegenover de $40,00 van Eleven v4 Turbo, de $16,5 van Gemini 3.8 Flash TTS en de $49,0 van Cartesia Sonic 3.6.

• Dekking — 16 talen, 20 Chinese dialectregio's, cross-linguale timbre-overdracht en op instructies gebaseerde emotionele en voordrachtscontrole.

• Stembibliotheek — 68 stemmen op TTS-Flash, verdeeld over vier meertalige en dialectstemmen, 22 premium Mandarijnse stemmen, 15 premium Engelse stemmen en 27 aanvullende systeemstemmen. Voice-ID's zijn hoofdlettergevoelig en de beschikbaarheid is niet overal gelijk: alleen de meertalige en premium Engelse sets worden vanuit de regio Singapore aangeboden; de rest is alleen beschikbaar in Beijing.

Een waarschuwing over nummering die je in een budget wilt meenemen: A​libaba publiceert tokentarieven, terwijl Artificial Analysis een conversie per teken publiceert, en die twee zijn niet met elkaar te verzoenen. In A​libaba's eigen documentatie staat TTS-Flash op ongeveer $0,23 per miljoen tokens in en $1,87 uit in Singapore, wat weer een andere eenheid is dan zowel de $19,30 per miljoen tekens van de arena als het oudere cijfer van $27,6 dat nog steeds de ronde doet voor de vorige generatie. Controleer het tarief op accountniveau in de regio waarin je daadwerkelijk uitrolt, niet het tarief in een screenshot.

Tegenover G​PT-Live-1 valt de renderingvergelijking op dezelfde manier uit als tegenover elk TTS-model: de engine van O​penAI factureert per geopende minuut, ongeacht of er iets wordt gegenereerd, en kan niet in batches worden verwerkt. Voor een gescripte werklast is dat ongeveer zevenentwintig keer de kosten per audiominuut van de goedkoopste renderers op kartelniveau en structureel het verkeerde hulpmiddel.

De conversationele helft, die de daadwerkelijke beslissing is.

Beide leveranciers verkopen nu een full-duplex conversatiemodel, en het bewijs achter elk is een andere soort bewijs. Die asymmetrie is belangrijker dan welk afzonderlijk getal dan ook.

De spraak-naar-spraakindex van Artificial Analysis — een gewogen gemiddelde van spraakredenering, agentische prestaties, arena-voorkeur en taaksucces — vermeldt het onder benoemde backendconfiguraties in plaats van als één rij, met G​PT-Live-1 (Astra, medium) en G​PT-Live-1 (Sol, low) onder de bovenste vermeldingen, onder G​rok Voice 3.0 en naast G​emini 3.8 Live Extended Thinking. Het kostenpaneel op hetzelfde scorebord prijst G​PT-Live-1-configuraties tussen ruwweg $4,42 en $10,75 per uur invoeraudio. Dat is een echte externe evaluatie, en het is ook een herinnering dat in deze architectuur de backend de score bepaalt: hetzelfde stemmodel verschijnt twee keer met verschillende resultaten.

Q​wen-Audio-3.1-Realtime komt niet voor op die index. De positie ervan berust op A​libaba's eigen benchmarkclaims voor de familie, de uitrol ervan in A​libaba's consumentenhardware en de prijsverlaging. Afwezigheid op een ranglijst is geen kwaliteitsoordeel — de ranglijst vereist een specifieke set componentresultaten voordat er een indexscore wordt gepubliceerd — maar het betekent wel dat aan de conversationele kant een van deze twee een onafhankelijk cijfer heeft en de andere dat van een leverancier.

Het commerciële verschil is scherper dan het technische. Alibaba verlaagde de realtimeprijzen met ongeveer 85% in dezelfde aankondiging, wat precies het soort zet is dat verandert wat een product zich kan permitteren om te zijn. Een consumentenapparaat voor de Chinese markt dat een full-duplexmodel tegen dat tarief levert, is een andere business dan een dat het tegen $0,05 per minuut levert.

Het ding dat geen van beide leveranciers voor je oplost: waar het redeneren plaatsvindt

Beide systemen delegeren. G​PT-Live-1 doet dit expliciet en doelbewust: het luistert en spreekt terwijl een backendmodel of -agent redeneert, tools gebruikt en resultaten retourneert die het kan communiceren, en de backend is een aparte factuur tegen normale modeltarieven bovenop de $0,05 per minuut. A​libaba's stack doet iets vergelijkbaars binnen een familie van vijf modellen, wat verklaart waarom de ASR-, audiogen- en realtime-tiers als afzonderlijke regelitems bestaan.

De consequentie is in beide gevallen hetzelfde, en dat is waar de meeste conversatieprojecten te veel aan uitgeven. De volledige sessieduur is factureerbaar op G​PT-Live-1, ook terwijl de backend werkt. O​penAI's eigen kostenrichtlijnen maken de rekensom expliciet — een snellere backend met parallelle tool-calls draaien zodat de gebruiker een minuut eerder klaar is, bespaart $0,05 aan spraakkosten — en de hefboom is de sessielengte, niet het spraaktarief. Een gesprek waarvan de backend vier seconden stilstaat, is een gesprek dat tegelijk meer kost en slechter aanvoelt.

Dit is het deel van de stack dat een routeringslaag daadwerkelijk verandert. Clientdelegatie betekent dat de gedelegeerde backend je eigen harness kan zijn, dus het redeneermodel wordt een variabele die je per route kunt afstemmen in plaats van een vaste afhankelijkheid. OrcaRouter biedt meer dan 200 modellen aan tegen de listprijs van de provider, zonder markup, wat het belangrijkst is precies wanneer een leverancier een prijs verlaagt — de verlaging is hier dezelfde dag live in plaats van bij je volgende contractverlenging. Automatische failover houdt een providerstoring buiten een livegesprek, en de routerings-DSL laat je de redeneerstap uit meerdere modellen samenstellen in plaats van de sessie op één model te wedden. Om de grens duidelijk te stellen: OrcaRouter host noch G​PT-Live-1, noch enige Q​wen-Audio-3.1-tier. Wat het routeert, is het gedelegeerde redeneren achter een Live-sessie.

Welke, voor welke klus

Gescripte audio in grote hoeveelheden: Q​wen-Audio-3.1-TTS, en controleer de actuele tierprijsstelling op accountniveau in plaats van de conversie van de arena te vertrouwen. Het staat derde op het board van onafhankelijke aanbieders, tweede op het board voor gecontroleerde stem, en zit qua prijs in de middenmoot na een verlaging van 70%. Als je geluidseffecten en ambiance in dezelfde doorgang nodig hebt, is TTS-Next een echt andere functionaliteit, niet een tier van dezelfde.

Dekking van het Chinees en van dialecten: Q​wen, zonder veel discussie. Twintig dialectregio's en timbreoverdracht tussen talen zijn geen functies waar G​PT-Live-1 een antwoord op heeft, en de preset-asymmetrie aan de kant van O​penAI — Hindi en Koreaans krijgen elk één stem, beide vrouwelijk — laat zien hoe verschillend de twee leveranciers prioriteit hebben gegeven aan de breedte van hun taalondersteuning.

Een conversationeel product dat in de eerste plaats Engelstalig is, met een onafhankelijk scorebord erachter: G​PT-Live-1, met de kanttekening dat je een tweemodellsysteem koopt en dat zowel de kosten als de kwaliteit in de backendhelft zitten.

En als je specifiek op Alibaba's realtime-laag bouwt, is de vraag die je moet beantwoorden voordat je je vastlegt degene die geen enkel leaderboard voor je zal beantwoorden: wat je backend per sessie kost. Bij een verlaging van 85% werd het gesprek zelf goedkoop. Of het ding dat het denken doet dat ook werd, is een aparte factuur.

Niets daarvan is hypothetisch: de gedocumenteerde AI-fouten en agent-incidenten achter releases zoals deze zijn verzameld in the OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en markering voor betwisting bevat.