Voxtral 3 TTS vs Qwen-Audio-3.0-TTS-Plus: twee goedkope stemmen, twee verschillende kaarten

Beide modellen zijn goedkoper dan de frontier en beide vallen erbuiten, waardoor de keuze tussen Voxtral 3 TTS en Qwen-Audio-3.0-TTS-Plus een kwestie van dekking is in plaats van kwaliteit. Op de Provider Voice-ranglijst van Artificial Analysis liggen ze 47 Elo uit elkaar — Qwen op 1.264 (#7), het nieuwe model van Mistral op 1.217 (#13) — en hun prijzen zijn $19,31 en $13,00 per miljoen tekens. Geen van beide verschillen is beslissend. Beslissend is dat het model van Alibaba rond het Chinees is gebouwd, met twintig dialectregio's en zesentachtig inline-voordrachttags, terwijl dat van Mistral rond de vierentwintig officiële talen van de Europese Unie is gebouwd. Als je product Mandarijn, Kantonees of Hokkien spreekt, eindigt de discussie bij de talenlijst. Als het Portugees, Pools of Nederlands spreekt, eindigt die daar ook, maar dan de andere kant op. De gedocumenteerde AI-fouten en agentincidenten achter releases als deze zijn verzameld in het OrcaRouter AI Incident Archive waarbij elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwist-vlag heeft.

De cijfers, en hoe zwaar ze wegen

• Voice Elo van provider — Q​wen-Audio-3.0-T​TS-Plus: 1,264. Voxtral 3 T​TS: 1,217. Beide volgens Artificial Analysis, 21 oktober 2026.

• Gecontroleerde stem-Elo — Q​wen-Audio-3.0-T​TS-Plus: 1.125 (#7). Voxtral 3 T​TS: 1.066 (#14). De kloof groeit van 47 naar 59 punten zodra beide op dezelfde acht referentiestemmen zijn gekloond, wat betekent dat de voorsprong van A​libaba in de synthesemotor zit, niet in de stemmenbibliotheek.

Prijs per 1 miljoen tekens — $19,31 voor Q​wen-Audio-3.0-T​TS-Plus, $13,00 voor Voxtral 3 T​TS. Bij ongeveer 900 tekens per gesproken minuut komt dat neer op $1,04 versus $0,70 per uur.

• Talen — A​libaba: 16 talen plus 20 Chinese dialectregio's. Mistral: 35+ talen en 50+ dialecten, met presets in 18 talen.

• Stemklonen — A​libaba: cloning op basis van referentieaudio, inclusief cross-linguale timbre-overdracht. Mistral: "Pro Voice"-adaptatie op basis van 30 minuten audio. Geen van beide biedt de directe kloon van tien seconden die Cartesia verkoopt.

• Weights — aan beide zijden gesloten. Beide zijn producten die uitsluitend via API beschikbaar zijn.

• Latentie — A​libaba publiceert voor zijn herkenningsmodellen en voor een realtime voicemodel apart een streamingcijfer voor het eerste teken; Mistral publiceert geen time-to-first-audio voor Voxtral 3 T​TS. Geen van beide getallen is vergelijkbaar tussen leveranciers, en voor synthese is geen van beide een onafhankelijke meting.

Eén voorbehoud bij de Elo-cijfers: Voxtral 3 T​TS stond nog maar één dag op de ranglijst toen deze werden afgelezen, met 1.619 vergelijkingen tegenover 2.399 van Q​wen. Een verschil van 47 punten binnen overlappende betrouwbaarheidsintervallen bij die steekproefgrootte is een richting, geen verdict. Lees het als "Q​wen ligt waarschijnlijk enigszins voor" in plaats van als een gemeten 47.

Waar A​libaba's model wint, en dat is geen marginale overwinning.

De dekking van het Chinees is het eerste en grootste verschil, en het is de moeite waard om precies te zijn over wat "20 dialectregio's" betekent. De spraakproductlijn van Alibaba is gebouwd voor een binnenlandse markt waar één geschreven taal wordt gekoppeld aan spraak die een model dat alleen Mandarijn kent, verminkt: Kantonees, Sichuanees, Wu, Minnan en meer. Qwen-Audio-3.0-TTS-Plus ondersteunt die regio's native, en de 3.1-generatie van Alibaba voegde talenoverschrijdende timbre-overdracht toe — één stem over Mandarijn, Kantonees, Engels en Japans heen — de functie die ertoe doet als je één presentator lokaliseert in plaats van per markt te casten.

De tweede is voordrachtscontrole op tokenniveau. Q​wen-Audio-3.0-T​TS-Plus heeft een gedocumenteerde set van 86 inline voordrachtslabels geërfd uit de generatie ervan, waardoor een script emotie-, tempo- en nadruksmarkeringen rechtstreeks in het transcript kan meedragen. Mistral's Voxtral 3 T​TS biedt controle op promptniveau over emotie, tempo en nadruk, plus uitspraak op fonemniveau en een vocabulairebibliotheek — qua intentie vergelijkbaar, maar A​libaba's labelvocabulaire is op papier het fijnmazigere van de twee.

Het derde is dat A​libaba een goedkopere variant heeft uitgebracht. De 3.1-vernieuwing maakte van T​TS een SKU in de Flash-klasse, dus een team dat de 3.0-Plus-tier te duur vindt, heeft een gedocumenteerd downgradepad binnen dezelfde leverancier, tegen ongeveer hetzelfde prijspunt als Voxtral 3 T​TS. Het antwoord van Mistral op "goedkoper, graag" is hetzelfde model of een andere leverancier.

Waar het model van A​libaba zwakker is, is al even duidelijk: 16 talen is een klein bereik. Als je catalogus in het Pools, Turks, Vietnamees of Portugees draait, dekt Q​wen-Audio-3.0-T​TS-Plus je niet, en geen enkele hoeveelheid Elo maakt dat goed.

Waar Voxtral 3 TTS wint

Taalbreedte buiten Azië, simpel gezegd. Meer dan vijfendertig talen met meer dan vijftig dialecten naar eigen zeggen, en een familie die is gericht op Europese aanbestedingen: Mistral vermeldt alle 24 officiële EU-talen voor de transcriptiemodellen en de EU-, VS- en wereldwijde API-endpoints, met self-deployment op private infrastructuur voor kopers die moeten kunnen bepalen waar audio wordt verwerkt en of die wordt bewaard. Voor een Europese inkoper in de publieke sector of de zorg is dat geen beslissende factor, maar een vereiste.

De tweede is de omringende stack. Voxtral 3 TTS wordt niet als losstaand endpoint verkocht: het komt met een op LiveKit gebaseerde agent-SDK die SIP, WebRTC en IVR ondersteunt, een claim van minder dan één seconde agent-turnlatentie, en een prijs per minuut voor de hele loop — $0,04 met Mistral Small 4-redenering, $0,08 met een ander reasoningmodel. Alibaba heeft ook een realtime voicemodel, maar dat van Mistral is gedocumenteerd als een bundelvoorstel met een gepubliceerd bedrag per minuut, wat makkelijker is om een businesscase op te bouwen dan een tariefkaart per token.

De derde is prijs, in strikte zin. $13 tegenover $19,31 is een korting van 33%, en op schaal is dat een reëel getal: tienduizend uur per maand is ongeveer $7.000 tegenover $10.400. Het is geen herprijzingsmoment, maar het is ook niet niets.

De routing-case is hier sterker dan bij de meeste matchups.

De meeste artikelen waarin modellen tegen elkaar worden afgezet, eindigen met "kies er één". Dit paar is een echt portfolioprobleem, omdat de twee dekkingskaarten aan de randen nauwelijks overlappen en beide goedkoop genoeg zijn om naast elkaar te draaien. Een Europees e-commerceplatform dat productpagina's in acht EU-talen voorziet van tekst en ook een Kantonees sprekende klantenkring bedient, heeft beide nodig. Dat geldt ook voor een nasynchronisatiestudio die werkt aan een serie met Mandarijnse dialoog en Franse ondertitels.

Het lastige aan beide draaien is niet de modelkeuze, het is het leidingwerk: twee leveranciers, twee authenticatieschema's, twee factureringsrelaties, twee sets storingsmodi. OrcaRouter bestaat precies voor dat patroon — één OpenAI-compatibele sleutel voor meer dan 200 modellen, de lijstprijs van de provider doorgegeven tegen 0% markup, zodat een prijswijziging van een leverancier dezelfde dag live is, en een routing-DSL die een aanvraag met taaltag naar het model kan sturen dat die taal dekt. Noch Voxtral 3 T​TS noch Q​wen-Audio-3.0-T​TS-Plus staat op het moment van schrijven in de catalogus van OrcaRouter, en één API voor meer dan 200 modellen is een uitspraak over de catalogus die we wél draaien, niet over deze twee — vandaag worden beide bereikt via de eigen API's van hun leveranciers en diverse platformen van derden. Het ontwerppunt blijft hoe dan ook overeind: als je taalmatrix twee leveranciers vereist, wil je dat de splitsing in een routingregel zit in plaats van in twee codepaden.

Wat geen van beide leveranciers heeft gepubliceerd

Drie hiaten, en het zijn in beide gevallen dezelfde drie, wat iets zegt over hoe jong dit segment van de markt nog is.

Geen scores per taal. Beide Elo-cijfers zijn geaggregeerd. Een model kan overall op 1.264 staan en uitstekend zijn in Mandarijn en matig in Frans; de ranglijst kan je dat niet vertellen, en geen van beide leveranciers publiceert een uitsplitsing per taal. Voor elke beslissing die afhangt van kwaliteit in een specifieke taal, is de enige betrouwbare test je eigen corpus, gelezen door een moedertaalspreker die niet wordt verteld welk model welk voorbeeld heeft geproduceerd.

Geen cijfer voor uithoudingsvermogen op lange vorm. Arena-clips duren seconden. Geen van beide modellen documenteert een maximale generatielengte voor zijn TTS-endpoint, en geen van beide heeft een gepubliceerde test van coherentie over tien minuten — de lengte waarop een audioboek ofwel werkt ofwel niet. De 3.1-generatie van Qwen verplaatste het genereren van lange scènes naar een apart -Next-model in plaats van het TTS-endpoint uit te breiden, wat een impliciete erkenning is dat het basismodel niet het instrument voor lange vorm is.

Geen onafhankelijke latentiemeting. Mistral publiceert niets voor Voxtral 3 T{{1}}TS-synthese; A{{2}}libaba publiceert cijfers van de leverancier. Artificial Analysis rapporteert een mediane doorvoer van 112 tekens per seconde voor Voxtral 3 T{{3}}TS, maar niet voor Q{{4}}wen-Audio-3.0-T{{5}}TS-Plus op dezelfde pagina. In een live voice-agent bepaalt de tijd tot de eerste audio de productervaring meer dan Elo doet, en het is het slechtst gedocumenteerde getal in de categorie.

De eerlijke verdeling

Kies Q​wen-Audio-3.0-T​TS-Plus als het product Chinees spreekt — Mandarijn met regionale accenten, Kantonees, of code-switching tussen Chinees en Engels — of als je fijnmazige voordrachttags in het transcript nodig hebt en een leverancier wilt met een gedocumenteerde goedkopere laag onder het vlaggenschip. Het kost 48% meer dan Voxtral en is meetbaar beter op beide leaderboards; voor werk waarbij Chinees vooropstaat, is dat geld goed besteed.

Kies Voxtral 3 T​TSals het product Europese talen spreekt, als gegevensresidentie in de EU een inkoopvereiste is, of als u een spraakagent bouwt en synthese gebundeld wilt hebben met een agent-SDK en een gepubliceerde prijs per minuut. U levert 47 Elo in en krijgt daarvoor een talenkaart die de markten dekt waarin u verkoopt.

Kies beide — en routeer tussen hen — als je publiek echt beide kaarten bestrijkt. Bij een Elo-per-dollar-benadering liggen de twee zo dicht bij elkaar dat de knoop moet worden doorgehakt op dekking, niet op score, en een product met klanten in Guangzhou en Gdańsk heeft geen enkel juist antwoord.

Wat de moeite waard is om in de gaten te houden, is of een van beide leveranciers een uitsplitsing per taal publiceert. Zodra een van hen dat doet, is deze vergelijking geen discussie meer over kaarten maar een discussie over metingen, en dat is een betere discussie om te voeren.