通义千问Qwen3-TTS两款AI语音模型发布：支持定制与声音复刻
12月24日消息，阿里通义今日正式发布Qwen3-TTS家族的两款全新模型：音色创造模型Qwen3-TTS-VD-Flash与音色克隆模型Qwen3-TTS-VC-Flash。两款模型的主要特性如下：
音色创造：Qwen3-TTS-VD-Flash支持用户通过复杂、自然的语言指令输入，实现对音色、韵律、情感乃至人设的精细化调控。它让用户能够全面掌控从“说什么”到“如何说”的整个过程，自由定义心中想要的语音特质。这彻底改变了以往只能克隆现有音色，或是在有限预设音色库中进行选择的局面。
在InstructTTS-Eval评测中，其综合表现显著优于GPT-4o-mini-tts和Mimo-audio-7b-instruct；在角色扮演测试中也超越了Gemini-2.5-pro-preview-tts。
音色克隆：Qwen3-TTS-VC-Flash支持仅需3秒音频即可完成音色克隆，并能基于克隆出的音色，生成涵盖中文、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10大主流语言的语音。
在MiniMax TTS Multilingual Test Set上，其平均词错误率（WER）全面低于MiniMax、ElevenLabs及GPT-4o-Audio-Preview。
高表现力：无论是Qwen3-TTS-VD-Flash还是Qwen3-TTS-VC-Flash，都具备高度拟人化的自然音色。它们能够稳定、可靠地输出与文本内容高度契合的语音，并依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：两款模型均拥有强大的文本解析能力，可自动处理复杂文本结构，精准提取关键信息。对于多样化、非规范化的文本格式，都展现出较强的鲁棒性（注：鲁棒性指系统在面临内部结构或外部环境的变化时，维持功能稳定运行的能力）。
Qwen3-TTS-VD-Flash
该模型支持用户通过自然语言描述来生成定制化的音色形象。您只需随意输入有关声学属性、人设描述、背景信息等自由描述，即可轻松创造出自己期望的语音形象。
可控的生成质量：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。
Qwen3-TTS-VC-Flash
该模型支持通过自然语音进行3秒级别的音色克隆。基于克隆出的音色，可生成多语种音频，同时对复杂文本和带有环境背景音的“野生”音频都具有较高的处理鲁棒性。
多语种音色克隆：在MiniMax TTS Multilingual Test Set上，Qwen3-TTS在中、英、法、意等语种的内容稳定性方面优于MiniMax、ElevenLabs及GPT-4o-Audio-Preview；其平均词错误率（WER）也位居第一。
Qwen3-TTS-Voice-Design API 文档：
https://www.alibabacloud.com/help/zh/model-studio/qwen-tts-voice-design?spm=a2ty_o06.30285417.0.0.56a0c9216Ey6VM
Qwen3-TTS-Voice-Clone API 文档：
https://www.alibabacloud.com/help/zh/model-studio/qwen-tts-voice-cloning?spm=a2ty_o06.30285417.0.0.56a0c921WnHNlN
相关攻略
IT之家 12 月 24 日消息，阿里通义今日官宣，Qwen3-TTS 家族新推出两款模型，音色创造模型 Qwen3-TTS-VD-Flash 和音色克隆模型 Qwen3-TTS-VC-Flash。
12 月 24 日消息，阿里通义今日官宣，Qwen3-TTS 家族新推出两款模型，音色创造模型 Qwen3-TTS-VD-Flash 和音色克隆模型 Qwen3-TTS-VC-Flash。附模型主
12 月 16 日消息，阿里发布新一代万相 2 6 系列模型，该系列模型面向专业影视制作和图像创作场景进行了全面升级，全新的万相 2 6 是国内首个支持角色扮演功能的视频模型。该模型同时支持音画同
10 月 15 日消息，阿里通义今日官宣 Qwen3-VL 系列再添新成员 ——Dense 架构的 Qwen3-VL-8B、Qwen3-VL-4B 模型开源上线。Qwen3-VL-4B 8B
9月30日消息，据媒体爆料，全球顶尖AI科学家、IEEE Fellow许主洪（Steven Hoi）已加盟阿里通义，转向通义大模型的相关研发工作。许主洪拥有超20年AI产业和学术经验，是新加坡管理大
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