Qwen3-TTS上新：阿里通义自研语音模型，可复刻可定制
12月24日，据IT之家消息，阿里通义今日正式发布Qwen3-TTS家族的两款新模型：声音创作模型Qwen3-TTS-VD-Flash和声音克隆模型Qwen3-TTS-VC-Flash。两款模型的核心亮点整理如下：
声音创作：Qwen3-TTS-VD-Flash能够理解复杂的自然语言指令，实现对音色、韵律、情感乃至人物设定的精细化调控，真正掌握从“说什么”到“如何说”的完整表达。用户得以自由定义想要的声音效果，彻底摆脱只能依赖现有音色进行克隆，或从有限预设音色库中做选择的束缚。在InstructTTS-Eval评测中，其综合表现显著优于GPT-4o-mini-tts和Mimo-audio-7b-instruct；在角色扮演测试中，其表现也超越了Gemini-2.5-pro-preview-tts。
声音克隆：Qwen3-TTS-VC-Flash支持仅需3秒音频即可完成高质量的语音克隆，并能在克隆音色的基础上，流畅生成中文、英文、德语、意大利语、葡萄牙语、西班牙语、日语、韩语、法语、俄语等全球十大主流语言的语音。在MiniMax TTS多语言测试集上，其平均词错误率（WER）全面低于MiniMax、ElevenLabs及GPT-4o-Audio-Preview，展现出优异的准确性。
高表现力：无论是Qwen3-TTS-VD-Flash还是Qwen3-TTS-VC-Flash，均能生成高度拟人化、富有表现力的音色。它们能够稳定可靠地输出与输入文本高度契合的语音内容，并能根据文本语义自动调节语气节奏，呈现出自然生动的表达效果。
鲁棒的文本能力：Qwen3-TTS-VD-Flash和Qwen3-TTS-VC-Flash具备强大的文本解析能力，可自动处理复杂的文本结构，精准提取关键信息。面对多样化、非规范的文本格式时，两者均展现出较强的鲁棒性（IT之家注：robustness，指系统在内部结构或外部环境发生变化时，维持功能稳定运行的能力）。
定制化声音形象：Qwen3-TTS支持通过自然语言描述生成定制化的声音形象。用户可以随意输入声学属性、人设描述、背景信息等自由描述，轻松创造出符合自己期望的声音形象。
可控生成：在InstructTTS-Eval评测中，Qwen3-TTS的综合表现显著优于GPT-4o-mini-tts和Mimo-audio-7b-instruct，在角色扮演测试中也超越了Gemini-2.5-pro-preview-tts，显示出精准的指令跟随与生成控制能力。
高效语音克隆：Qwen3-TTS支持仅凭约3秒的音频样本实现高质量的语音克隆，并可基于克隆出的音色生成多语种语音。同时，模型对复杂文本和带有噪音的原始音频都具有较高的鲁棒性。
多语种声音克隆：在MiniMax TTS多语言测试集上，Qwen3-TTS在中文、英文、法语、意大利语等各项评测中的内容稳定性优于MiniMax、ElevenLabs及GPT-4o-Audio-Preview；其平均词错误率（WER）在所有参评模型中排名第一。
相关文档：Qwen3-TTS-Voice-Design API 文档
相关文档：Qwen3-TTS-Voice-Clone API 文档
相关攻略
两年前，谢添天发现自己的声音被一款APP“盗”走——用户输入文本，即可用他的音色生成以假乱真的AI声音。维权半年，因举证难度太高，最终以和解和对方致歉了结。两年后，一场大规模的联合发声，将AI盗声侵
作者｜黄楠编辑｜袁斯来编者按：当出海越来越成为一家中国公司核心战略时，如何征战全球市场就成为一个极其专业的话题。在全球化的演变中，已有不少中国品牌站立潮头。鉴于此，硬氪特推出「Insight全球」专
IT之家 3 月 9 日消息，今日，MiniMax 宣布将 MiniMax Speech 语音模型和 Music 音乐模型的开放平台接口进行了深度封装，并正式上架到了 OpenClaw 生态中。IT
IT之家 1 月 25 日消息，据科技媒体 The Verge 昨天报道，卡西欧 SX-C1 复古采样器原型机最近在 NAMM 展会亮相，外观看起来像是把任天堂 Game Boy 和罗兰 SP-40
IT之家 1 月 25 日消息，华为正式显示，华为 FreeClip 2 耳夹耳机在 Android 设备上有与豆包联动的能力，可以通过手势和语音的唤醒形式使用豆包 App，实现与豆包 App 的问
热门专题
热门推荐
在文档数字化与智能处理领域，一款高效精准的在线工具能极大提升工作效率。今天重点评测的TextIn Tools，正是这样一个集OCR识别、格式转换于一体的全能型免费平台。它由上海合合信息科技开发，该公司在人工智能文字识别领域拥有超过17年的技术积累，实力深厚。我们熟悉的“扫描全能王”、“名片全能王”等
还在为制作PPT而烦恼吗？排版耗时、素材难寻、风格杂乱……这些常见困扰，或许一个智能工具就能高效化解。 WPS智能PPT，是一款基于先进人工智能技术的在线演示文稿辅助平台。其核心优势在于：用户仅需输入文本内容，内置的AI引擎便能自动进行视觉设计与美化，快速生成多种风格的精美版式供您挑选。这极大地简化
在追求高效办公的今天，各类AI工具不断涌现，但能够真正实现“一站式”智能集成的平台却屈指可数。本文将深入介绍的“超办AI”，正是这样一个致力于将多种AI能力深度融合，直接赋能日常工作效率的集成化平台。 超办AI是什么？一站式AI办公平台详解 简而言之，超办AI是一个智能办公解决方案平台。其核心理念非
学术灵感：AI驱动的中文论文写作辅助工具全解析 在科研写作过程中，从选题构思到初稿完成，研究者往往需要投入大量时间与精力。是否存在一种高效工具，能够在研究起点——即灵感激发与论文框架构建阶段——提供实质性帮助？本文将深入探讨的“学术灵感”平台，正是这样一款专注于中文论文写作场景的AI智能助手，旨在提
在视觉营销主导的数字化时代，一个名为“造物云”的在线3D营销设计平台正在重塑内容生产的规则。它本质上是一个基于浏览器的云端设计工具，其核心价值在于，让用户无需依赖复杂的专业软件或高昂的硬件，就能独立创作出具有商业摄影品质的3D渲染图片和动态视频。这为品牌营销、电商展示和社交媒体内容创作开辟了高效的新