AI最前沿 88Z.ai 7 月 21 日消息，阿里正式推出语音合成大模型 Qwen-Audio-3.0-TTS，包含面向实时交互的Flash版本和面向高质量生成的Plus版本。模型在细粒度标签控制、自然语言指令风格定义、多语种与方言覆盖及复杂声学鲁棒性等方面实现系统性提升，支持在文本中嵌入结构化标签精准调控语气与情绪，覆盖16种语言和20种方言。
消息要点
- 推出Flash实时交互与Plus高质量生成双版本
- 支持16种语言20种方言及结构化情绪调控
要点
阿里巴巴正式发布了全新的语音合成大模型Qwen-Audio-3.0-TTS。该模型提供两个主要版本：专为实时交互场景优化的Flash版本，以及专注于高质量音频生成的Plus版本，以满足不同用户的需求。 在技术性能上，新模型实现了系统性升级。它增强了细粒度标签控制能力，允许用户通过自然语言指令定义风格，并提升了在复杂声学环境下的鲁棒性。此外，模型支持在文本中嵌入结构化标签，从而精准调控语音的语气与情绪。其语言覆盖范围广泛，支持16种语言及20种方言，显著提升了多语种合成的表现力。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- 千问大模型原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。