Qwen Audio 3.0 TTS
Ab $0.056 pro 1.000 Zeichen
Das mehrsprachige Text-zu-Sprache-Modell von Alibaba mit Inline-Emotions-Tags. Craze bietet eine TTS-Route für Voiceovers in 16 Sprachen.
Craze nutzt Qwen Audio 3.0 TTS, wenn du es namentlich anforderst.
Was Qwen Audio 3.0 TTS gut kann
Emotions-Tags für präzisen Vortrag
Setze Tags wie (whisper), (angry), (laughs) und (breaths) inline in dein Skript.
Eine Route für Voiceovers auf Craze
Craze stellt eine Text-zu-Sprache-Route von Qwen bereit.
Verarbeitet lange Skripte in einem Durchgang
Generiere bis zu 2.000 Zeichen Skript in einem einzigen Aufruf.
Voiceover direkt aus Text
Die Route auf Craze akzeptiert ein Skript und eine optionale Stimm-ID.
Regie. Erstellen. Bearbeiten.
Hör auf zu prompten. Fang an, Regie zu führen.
Craze jammt kreativ, recherchiert und plant mit dir.
Erstelle geschmackvolle Inhalte.
Craze generiert alles, was man sich vorstellen kann. Video, Audio, Musik, Motion Graphics und mehr.
Schneide Videos in Minuten. Nicht in Tagen.
Craze sieht sich dein Material an und baut einen finalen Schnitt. Mit einem echten Editor, wenn du ihn brauchst.
Mach Videos, die Menschen ansehen
- UGC-Videos
- Motion Graphics
- Spielfilme
- Produktvisualisierung
- Micro-Dramas
- 3D-Filme
- Musikvideos
- Markenfilme
- Hochzeits-Highlights
- YouTube-Reviews
Wie Qwen Audio 3.0 TTS im Vergleich abschneidet
Jedes Modell hier läuft in jedem Craze-Plan, auch in Free, und Craze kann für jede Einstellung ein anderes nutzen.
| Qwen Audio 3.0 TTSAlibaba | ElevenLabs v4ElevenLabs | Gemini 3.8 Flash TTSGoogle DeepMind | Gemini 3.8 Flash Lite TTSGoogle DeepMind | |
|---|---|---|---|---|
| Erstellt | Text zu Audio | Text zu Audio | Text zu Audio | Text zu Audio |
| Ab | $0.056 pro 1.000 Zeichen | $0.089 pro 1.000 Zeichen | $0.050 pro 1.000 Zeichen | $0.034 pro 1.000 Zeichen |
Qwen Audio 3.0 TTS -Spezifikationen in Craze
| Aufgabe | Eingaben | Auflösung | Seitenverhältnisse | Ton |
|---|---|---|---|---|
| Text zu Sprache | Text-Prompt | Folgt der Quelle | Folgt der Eingabe | Keine |
Wähle den Plan für deine nächste Kreation.
Free
$0 / Monat
- Begrenzte Nutzung
- Zugriff auf alle Medien-Modelle
- Chat-Stufe Effizient
- 1 GB Speicher
- Craze MCP
- Exporte bis 720p
- Zusätzliche Credits aufladen
Pro
$19 / Monat
- $19 Credits pro Monat
- Zugriff auf alle Medien-Modelle
- Alle Chat-Stufen
- 50 GB Speicher
- Craze MCP
- Keine Auflösungslimits bei Exporten
- Zusätzliche Credits aufladen
Ultra
$59 / Monat
- $59 Credits pro Monat
- Zugriff auf alle Medien-Modelle
- Alle Chat-Stufen
- 200 GB Speicher
- Craze MCP
- Keine Auflösungslimits bei Exporten
- Zusätzliche Credits aufladen
Max
$199 / Monat
- $199 Credits pro Monat
- Zugriff auf alle Medien-Modelle
- Alle Chat-Stufen
- 1 TB Speicher
- Craze MCP
- Keine Auflösungslimits bei Exporten
- Zusätzliche Credits aufladen
Häufig gestellte Fragen
Qwen Audio 3.0 TTS ist das mehrsprachige Text-zu-Sprache-Modell von Alibaba, gebaut für Creator, die sowohl Emotionssteuerung als auch niedrige Latenz brauchen. Es verarbeitet lange Skripte effizient in 16 Sprachen, mit feinen Emotions-Tags und einer TTS-Route.
Warum Creator Qwen Audio 3.0 TTS wählen
Qwen Audio 3.0 TTS punktet mit Flexibilität. Es gibt dir eine TTS-Route, feine Emotionssteuerung und Unterstützung für 16 Sprachen, sodass ein Modell die meisten Anwendungsfälle für Voiceovers abdeckt.
Emotions-Tags für präzisen Vortrag
Setze Tags wie (whisper), (angry), (laughs) und (breaths) inline in dein Skript. Das Modell erzeugt diese emotionalen und nonverbalen Signale als Teil des Voiceovers, nicht als separate Stems. Dein Skript steuert die Performance.
Eine Route für Voiceovers auf Craze
Craze stellt eine Text-zu-Sprache-Route von Qwen bereit. Schreib das Skript und generiere einen Take neu, wenn du einen anderen Vortrag ausprobieren willst.
Verarbeitet lange Skripte in einem Durchgang
Generiere bis zu 2.000 Zeichen Skript in einem einzigen Aufruf. Kein Zusammenstückeln, keine Brüche in der Kontinuität. Das ist praktisch für Dokumentationen, Hörbücher und Tutorials, bei denen du das vollständige Voiceover auf einmal willst.
Voiceover direkt aus Text
Die Route auf Craze akzeptiert ein Skript und eine optionale Stimm-ID. Sie nimmt keinen Upload von Referenzaudio an.
So nutzt du Qwen Audio 3.0 TTS in Craze
- Schreib dein Skript oder füge es ein. Füge Emotions-Tags wie
(warmly)oder(urgent)hinzu, um den Vortrag zu lenken. - Wähle optional eine Stimm-ID und nenne dann Qwen Audio 3.0 TTS im Chat oder wähle es im Bereich Modelle aus.
- Craze generiert das Voiceover und platziert es in deinem Projekt.
- Kürze, passe das Timing an oder generiere einen Abschnitt neu, wenn du eine andere emotionale Fassung willst.
Qwen Audio 3.0 TTS Preise
Die Preise beginnen bei $0.056 pro 1.000 Zeichen und variieren mit der Länge des Skripts. Der Rechner auf dieser Seite zeigt die Gesamtsumme, bevor du generierst.
Für wen Qwen Audio 3.0 TTS gedacht ist
Emotionales Storytelling und Voiceovers für Figuren
Wenn Tonfall und Emotion zentral für deine Geschichte sind, lassen dich die Inline-Tags von Qwen die Performance führen. Eine Figur kann dieselbe Zeile warm, wütend oder ängstlich sprechen (alles in deinem Skript).
Langformatige Inhalte und Dokumentation
Hörbücher, Kurse und technische Dokumentation lassen sich in Skripte von bis zu 2.000 Zeichen pro Generierung aufteilen und in der Timeline zusammensetzen.
Schnelle Iteration und A/B-Tests
Generiere Takes neu, um verschiedene emotionale Lesarten desselben Skripts auszuprobieren.
Mehrsprachige Projekte mit einheitlicher Stimme
Vertone eine globale Kampagne in 16 Sprachen mit derselben Stimme und emotionaler Konsistenz über alle Versionen. Eine Stimme, viele Märkte.
Qwen Audio 3.0 TTS vs. andere Modelle
Gemini 3.1 Flash TTS ist das ausdrucksstarke Modell von Google mit steuerbaren Prompts, optimiert für englische Voiceovers. Qwen Audio 3.0 TTS ist für mehrsprachige Arbeit gebaut, mit Inline-Emotions-Tags und einer TTS-Route. Wähle Gemini für gezielt geführte englische Voiceovers mit feiner Kontrolle über das Tempo. Wähle Qwen für mehrsprachige Skripte und emotionsgetriebenen Vortrag über Sprachen hinweg.
Seed Speech von ByteDance bietet Voiceovers aus Text mit optionaler Stimmauswahl, während Qwen sich auf Emotionssteuerung und mehrsprachige Unterstützung konzentriert. MiniMax Speech 2.8 HD enthält nonverbale Laute wie Lachen und Seufzen, während Qwen für reine Dialoge und Voiceovers mit Emotions-Tags optimiert ist. Seed Audio 1.0 akzeptiert für Sprache außerdem Audio- oder Bildreferenzen.
Emotions-Tags und Steuerung des Vortrags
Qwen Audio 3.0 TTS erkennt gängige Emotions-Tags wie (whisper), (angry), (happy), (sad), (laughs), (coughs) und (breaths). Du kannst im Prompt auch Beschreibungen in natürlicher Sprache nutzen: „sprich diese Zeile wie ein Nachrichtensprecher“ oder „klinge hier nervös und zögerlich“. Das Modell kombiniert beide Ansätze, also mische Inline-Tags mit Anweisungen im Prompt für feine Kontrolle.
Gestapelte Emotionen funktionieren bei Qwen. Markiere eine Zeile als „(angry but controlled)“ oder „(excited but whispering)“ für einen nuancierten Vortrag. Das Modell gleicht widerstreitende emotionale Anweisungen intelligent aus, sodass du eine vielschichtige Lesart bekommst, statt dass eine Emotion eine andere überschreibt. Das ist wertvoll für Figurenarbeit, bei der eine sprechende Person innerhalb einer einzigen Zeile widersprüchliche oder wechselnde Gefühle hat.
Regie mit einer einzelnen TTS-Route
Für unterschiedliche emotionale Lesarten passe die Inline-Tags an und generiere neu. Hör dir jeden Take an, bevor du ihn in eine längere Sequenz setzt.
Auf Craze kannst du den Vortrag einer Zeile verfeinern, indem du Skript und Tags änderst, und dann mit derselben Route für einen finalen Take neu generieren.
Mehrsprachige Unterstützung und einheitliche Stimme
Qwen beherrscht 16 Sprachen, darunter Englisch, Spanisch, Französisch, Deutsch, Italienisch, Portugiesisch, Niederländisch, Polnisch, Russisch, Türkisch, Arabisch, Chinesisch (vereinfacht und traditionell), Japanisch, Koreanisch und Vietnamesisch. Mit einer optionalen Stimm-ID kannst du für verschiedene Skripte eine Stimme auswählen. Code-Switching (Sprachen mitten im Skript mischen) funktioniert in vernünftigem Rahmen.
Wenn eine Sprache einen anderen Akzent braucht, probiere eine andere verfügbare Stimm-ID und prüfe den generierten Take.
Skriptlimits und Leistung
Qwen Audio 3.0 TTS verarbeitet auf Craze bis zu 2.000 Zeichen Skript pro Anfrage. Längere Skripte müssen aufgeteilt und in deiner Timeline kombiniert werden. Das Modell funktioniert am besten mit Skripten mit viel Zeichensetzung, weil es Pausen nutzt, um das Tempo abzuleiten. Bandwurmsätze klingen gehetzt. Füge Punkte, Kommas und Gedankenstriche hinzu, um das Timing zu steuern. Auslassungspunkte (...) erzeugen Pausen für dramatische Wirkung.
Für längere Voiceovers teile dein Skript in Anfragen von höchstens 2.000 Zeichen auf und setze die Ergebnisse in deiner Timeline zusammen.



















