Simba 3.5 vs Qwen-Audio-3.0-TTS: twee manieren om het taalprobleem op te lossen, waarvan er slechts één gedocumenteerd is

Zowel SpeechifyAI Simba 3.5 als Alibaba Qwen-Audio-3.0-TTS zullen je script voorlezen in andere talen dan Engels. Ze bereiken dat via tegenovergestelde routes. Simba 3.5 publiceert een lijst: 48 talen, één model-id, elke stem in de catalogus spreekt ze allemaal, en Ests en Kantonees worden als de uitzonderingen genoemd. Qwen-Audio-3.0-TTS publiceert een instructieveld, en de gedocumenteerde manier om het Nederlands te laten spreken is door het de zin "Spreek in het Nederlands, langzaam en duidelijk." te sturen. Een daarvan is een specificatie waaruit je een locale-matrix kunt opbouwen. De andere is een prompt, en het verschil daartussen is het nuttigste in deze vergelijking.

Leeftijd speelt hier ook een rol, op een manier waarop dat gewoonlijk niet het geval is. Qwen-Audio-3.0-TTS is op 20 juli 2026 verschenen en is sindsdien als topmodel in Alibaba's assortiment vervangen door Qwen-Audio-3.1-TTS-Plus, dat momenteel de derde plaats bezet op de Controlled Voice-ranglijst. De 3.0 Plus-variant staat nog steeds vermeld en is nog steeds degene met de sterkere gemeten positie op Provider Voice. Simba 3.5 verscheen op 21 oktober 2026 en zit nu drie weken in een prijsschema dat het al één keer heeft herzien.

De getallen, naast elkaar waar ze bestaan.

Artificial Analysis scoort beide modellen op beide boards, waardoor dit een van de weinige confrontaties in het spraakdomein is waarin je appels met appels kunt vergelijken in plaats van te extrapoleren vanuit een voorganger.

• Gecontroleerde stem — SpeechifyAI Simba 3.5 rang 1, Elo 1.192, plus of min 17, 1.783 samples

• Gecontroleerde stem — Alibaba Qwen-Audio-3.0-TTS-Plus rang 10, Elo 1.130, plus of min 12, 3.596 samples

Provider-stem — SpeechifyAI Simba 3.5 rang 5, Elo 1.294, plus of min 17, 1.732 samples

• Stem van de aanbieder — Alibaba Qwen-Audio-3.0-TTS-Plus rang 10, Elo 1.264, plus of min 13, 3.056 samples

Gecontroleerde stem — Alibaba Qwen-Audio-3.1-TTS-Plus rang 3, Elo 1.176, plus of min 12 — het nieuwere Alibaba-model, en het model om in de gaten te houden

• Bordprijs — Qwen-Audio-3.0-TTS-Plus $19,31 per miljoen tekens op beide overzichten; Simba 3.5 vermeld voor $6,58, een in het abonnement opgenomen tarief dat niet overeenkomt met Speechify's gepubliceerde prijslijst

Simba 3.5 leidt met 62 punten op de gecontroleerde ranglijst en met 30 op de providerranglijst, en de intervallen zijn in beide gevallen duidelijk gescheiden. Dat is een duidelijk kwaliteitsresultaat in het voordeel van Simba, en het is de moeite waard om op te merken wat het niet verklaart: het aantal samples. Qwen-Audio-3.0-TTS-Plus heeft twee keer zoveel stemmen voor gecontroleerde stemmen achter zijn schatting, dus dit is een goed gemeten 1.130 in plaats van een ruizige meting.

De interessante complicatie is Alibaba's eigen lijn. Qwen-Audio-3.1-TTS-Plus staat 46 punten boven Qwen-Audio-3.0-TTS-Plus op het gecontroleerde scorebord, wat betekent dat het huidige generatie Alibaba-model veel dichter bij Simba 3.5 ligt dan het 3.0-model. Iedereen die met de 3.0-tier vergelijkt, meet een model dat al één keer is verbeterd.

Achtenveertig vermelde talen tegenover een instructieveld

De documentatie van Speechify is ongewoon concreet voor een spraak-API. De 48 talen van Simba 3.5 zijn opsombaar, elke catalogusstem — en elke gekloonde stem uit een betaald abonnement — spreekt ze allemaal, en het model accepteert een standaard taaltag in BCP-47-stijl zoals ja-JP, waarbij elke regionale variant van een vermelde taal binnen het bereik valt. Het uitgesloten paar, Estisch en Kantonees, wordt bij naam genoemd. Speechify geeft ook aan welke stemmen in elke locale staff picks zijn en rangschikt ze met een veld staff_pick_rank, omdat een stem het accent van de bronopname behoudt en de eigen aanbeveling is om te genereren met een stem die native is aan de taal.

De aanpak van Alibaba is flexibel in een andere richting. Qwen-Audio-3.0-TTS accepteert een instructie in natuurlijke taal die de voordracht beschrijft — tempo, emotie, persona — en de gedocumenteerde techniek voor een doeltaal is om dat in de instructie te vermelden, waarbij de instructie in dezelfde taal moet zijn als de tekst. Het ondersteunt ook expliciete uitspraaksturing via language_hints en hot_fix, SSML- en LaTeX-invoer, en inline emotie- en non-verbale tags zoals [excited], [sad], [laughing] en [sighing]. Niet-streamingverzoeken retourneren een audio-URL die 24 uur geldig is; streaming retourneert base64-chunks. Het model wordt aangeboden vanuit Singapore en Beijing.

Dat tagvocabulaire is een echt voordeel, en Simba 3.5 evenaart dat niet. Speechify past break, prosody rate, prosody pitch, prosody volume en sub alias toe; emphasis- en emotion-tags worden geaccepteerd maar niet toegepast. Als je product een lach midden in een regel nodig heeft, of een zucht aan het einde ervan, dan doet Qwen-Audio-3.0-TTS dat vandaag al en Simba 3.5 niet.

De afweging is eenvoudig zodra je hem benoemt: Qwen geeft je expressieve controle en laat taalondersteuning over aan proza; Speechify geeft je een telbare talenlijst en een smaller expressief oppervlak. Voor een localisatiepijplijn is de telbare lijst meer waard, omdat een locale-matrix iets is dat je kunt testen, kunt citeren in een statement of work, en een build op kunt laten falen. "Spreek Nederlands, langzaam en duidelijk" is iets waar je naar moet luisteren.

Prijzen, omgezet naar een getal dat je kunt vergelijken

Alibaba factureert synthese per invoerteken in yuan, met regionale tarieven die verschillen tussen de implementaties in Peking en Singapore. Qwen-Audio-3.0-TTS-Plus staat in Peking vermeld tegen ¥1,4 per 10.000 tekens; de Flash-tier is ¥1,0. Artificial Analysis normaliseert de Plus-tier naar $19,31 per miljoen tekens; dat is het cijfer dat u moet gebruiken als u vergelijkt met een leverancier die in dollars factureert in plaats van een regionaal budget op te stellen. Elk vermeld Qwen-Audio-model heeft in de regio Peking een gratis tegoed van één miljoen tokens gedurende 90 dagen vanaf activering of release, afhankelijk van welke later valt.

Speechify publiceert in dollars per miljoen tekens en is al één keer van gedachten veranderd:

Simba 3.5, prijslijst vanaf 22 november — $ 15,00 per miljoen op Starter, $ 12,00 op Pro, $ 10,00 op Scale

• Simba 3.5, tot en met 21 november — $10,00, $8,00 en $6,00, de tarieven voor Simba 3.2 en 3.0

• Simba 3.5, oorspronkelijke lanceringslijst op 21 oktober — $20, $16 en $12, vervangen door de prijsverlaging van 9 november

• Simba 3.2 en Simba 3.0 — $10, $8 en $6 per miljoen tekens, ongewijzigd

Tegen {{1}}lijstprijs{{/1}} zit Simba 3.5, afhankelijk van het plan, tussen ongeveer de helft en driekwart van het gepubliceerde tarief van {{2}}Qwen-Audio-3.0-TTS-Plus{{/2}}, en tijdens de actieperiode is het een derde tot de helft. Geen van beide is duur in absolute termen — vijf miljoen tekens per maand kost bij beide minder dan $100 — dus de prijs is waarschijnlijk niet de beslissende factor, tenzij je een zeer grote catalogus hebt. Taaldekking en expressieve controle zijn dat waarschijnlijk wel.

Wat de datum van 21 november met deze beslissing doet

De Simba 1.6-id's van Speechify — simba-english en simba-multilingual — zijn vanaf API-versie 2026-09-21 niet meer selecteerbaar. Op 21 november 2026 worden beide in elke taal door Simba 3.5 geleverd en als simba-3.5 gefactureerd, op elke API-versie die ze nog kan benoemen. Een integratie die sinds de zomer simba-multilingual gebruikt, verandert op die datum van stem en van prijs zonder codewijziging.

Alibaba heeft in deze vergelijking geen vergelijkbaar gepland evenement. Qwen-Audio-3.0-TTS blijft naast de 3.1-SKU's staan, en de 3.1-lijn wordt op een andere eenheid gefactureerd — tokens in plaats van tekens — dus de twee generaties kunnen niet met elkaar worden vergeleken door de ene cel van de tariefkaart door de andere te delen. Als je vandaag op 3.0 zit, is de migratie naar 3.1 een echt project en niet een wijziging van een model-id in één regel, en het verschil van 46 punten op de gecontroleerde board tussen de twee tiers is de reden om die migratie te plannen.

Waar elk ervan de juiste keuze is.

Kies Simba 3.5 als je probleem breedte onder één voice-id is: een product dat één merkstem levert in tientallen locales, een backcatalogus die opnieuw moet worden gerenderd in talen die niemand in het team spreekt, of een toegankelijkheidsvoorlezing waarbij dezelfde gekloonde stem de gebruiker van Engels naar Spaans moet volgen zonder als een ander persoon te klinken. De getelde talenlijst, de ranglijst met medewerkerskeuzes en het zero-shot klonen zonder goedkeuring zijn de functies die dat mogelijk maken, en de voorsprong van 62 punten op de gecontroleerde board betekent dat de kwaliteit overeind blijft wanneer de stem er niet een is die de leverancier heeft gekozen.

Kies Qwen-Audio-3.0-TTS als je probleem prestaties betreft in plaats van dekking: werk aan audioboeken en podcasts waarbij een [excited]-tag op zijn plaats is, Mandarijnstalige content waarbij Alibaba's stemcatalogus en uitspraakinstellingen het meest uitgebreid zijn, of een deployment die in een regio Singapore of Beijing moet staan. Het instructieveld is echt expressiever dan wat Speechify biedt, en de niet-streaming-URL- en SSE-chunkpaden dekken zowel batch- als live-rendering.

OrcaRouter biedt geen van beide productlijnen aan — Simba is alleen bereikbaar via de eigen API van Speechify, Qwen via Alibaba Cloud Model Studio — en niets hier mag worden gelezen als een claim van het tegendeel. Wat we wel routeren is een kleinere synthesiscatalogus die als neutrale controle werkt wanneer je test: openai/tts-1 tegen $15,00 per miljoen tekens en openai/tts-1-hd tegen $30,00, beide tegen de lijstprijs van de provider, zonder extra opslag, naast google/gemini-3.1-flash-tts-preview. Het laten renderen van hetzelfde script van drie minuten door die opties en door beide kandidaten is de goedkoopste manier om een vraag te beslechten die twee ranglijsten alleen maar kunnen inperken.

Het deel dat beide leveranciers aan jou overlaten om uit te zoeken

Geen van beide modellen zal je vertellen of hun niet-Engelse output goed genoeg is voor jouw publiek, en de arena zal dat ook niet doen: het Controlled Voice-board is een Engelstalige evaluatie op acht Engelse referentiestemmen, vier Amerikaanse en vier Britse. Een voorsprong van 62 punten gemeten in het Engels zegt niets rechtstreeks over Japans, Pools of Braziliaans-Portugees. Speechify's antwoord is wijzen op staff picks per locale; Alibaba's is wijzen op instructies en een stemmenlijst. Beide vragen je om te luisteren.

Dat is de eerlijke afsluiting van deze vergelijking. De een is nieuwer, goedkoper volgens de catalogusprijs, beter gemeten in het Engels en gedocumenteerd tot op het aantal talen. De ander is expressiever, meer gevestigd in Chineestalig werk, halverwege een generatiewissel en aangestuurd door een instructieveld in plaats van een specificatie. Test beide op de twee locales die daadwerkelijk je omzet dragen, en de rest van deze vergelijking wordt een tiebreaker in plaats van de beslissing.