Alibaba a lancé Qwen Audio 3.0 TTS Plus, sa nouvelle voix de synthèse, et le modèle a immédiatement pris la tête du classement Speech Arena d’Artificial Analysis, publié ce 21 juillet 2026. Avec un score Elo de 1 236, il devance de peu Simba 3.2 (1 234), Gemini 3.1 Flash TTS (1 214) et Sonic 3.5 (1 207). Le marché de la synthèse vocale IA est devenu un terrain de compétition serré, où chaque dixième de point Elo compte pour convaincre les développeurs d’entreprise.
Deux versions pour deux usages
Le modèle existe en deux déclinaisons : Flash, pensée pour l’interaction vocale en temps réel, et Plus, optimisée pour la qualité audio maximale — c’est cette dernière qui domine le classement Speech Arena.
16 langues, dont des langues rarement couvertes
Qwen-Audio-3.0-TTS-Plus prend en charge 16 langues, avec une attention particulière portée à des langues peu couvertes par la concurrence occidentale : le tagalog, le malais, le thaï et le vietnamien. Le style vocal peut être dirigé en langage naturel ou via des balises comme [angry] ou [giggles], pour injecter de l’émotion ou une intention précise dans la voix générée.
Le point faible : la vitesse
Le modèle affiche toutefois une limite nette sur la vitesse de génération : 16 caractères par seconde, contre 120 pour Sonic 3.5. Pour des usages nécessitant une latence minimale — assistants vocaux, doublage en direct — cet écart de vitesse peut peser plus lourd que le gain de qualité perçue par le classement Elo.
Un tarif agressif face à la concurrence
Disponible via Alibaba Cloud Model Studio, Qwen-Audio-3.0-TTS-Plus est facturé 27,60 dollars par million de caractères. Un positionnement tarifaire qui s’inscrit dans la stratégie plus large des laboratoires chinois : rivaliser sur la qualité tout en cassant les prix pratiqués par les modèles occidentaux équivalents.
Source : The Decoder
Quel score obtient Qwen Audio 3.0 TTS Plus sur le classement Speech Arena ?
Le modèle obtient un score Elo de 1 236, ce qui le place en tête, juste devant Simba 3.2 (1 234), Gemini 3.1 Flash TTS (1 214) et Sonic 3.5 (1 207).
Combien de langues Qwen Audio 3.0 TTS Plus prend-il en charge ?
Le modèle supporte 16 langues, dont des langues moins couvertes par la concurrence comme le tagalog, le malais, le thaï et le vietnamien.
Quel est le prix de Qwen Audio 3.0 TTS Plus ?
Il est facturé 27,60 dollars par million de caractères via Alibaba Cloud Model Studio.