Qwen3-TTS全面升级:声情并茂,语通八方

简介: Qwen3-TTS是阿里云推出的旗舰语音合成模型,支持多音色、多语种及多方言,提供49+种情感丰富的高品质声音,覆盖中文、英文、日语等10大语言及多种方言,语速韵律自然拟人。通过Qwen API可轻松调用,适用于多样化场景。

Qwen3-TTS 是支持多音色、多语种和多方言的旗舰语音合成模型,致力于实现稳定、自然和高效的语音生成,目前可通过Qwen API访问。

主要改进:

更加丰富的音色支持:Qwen3-TTS 提供超过49种高品质音色,涵盖不同性别、年龄、地域特征与角色设定,满足多样化的场景需求。撒娇搞怪-茉兔,陪伴感满满的青梅竹马-小野杏,傲娇率性的女汉子-十三 ,严厉老师-墨讲师 ,智慧老者-沧明子,萝莉萌妹-萌小姬等众多角色等你探索。

多语种多方言能力持续增强:Qwen3-TTS 支持中文、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,在MiniMax TTS multilingual test set上,平均词错误率(WER)优于MiniMax、ElevenLabs及GPT-4o-Audio-Preview。支持更多音色的方言生成,包括普通话、闽南语、吴语、粤语、四川话、北京话、南京话、天津话和陕西话,真实还原地方口音特色与语言神韵。

韵律/语速更加自然,更拟人化:相比于上一个版本,Qwen3-TTS自适应根据文本调节语速和韵律的能力大幅提高,拟人化程度逼近真人。

Qwen3-TTS API文档:https://help.aliyun.com/zh/model-studio/multi-round-conversation

展示样例

Qwen3-TTS 提供了个性鲜明、情感饱满的多元声音形象供用户选择,可满足多样化的场景需求。样音参考:https://help.aliyun.com/zh/model-studio/qwen-tts#ecd4323bde631

模型性能

image.png

使用方法

通过 Qwen API 使用 Qwen3-TTS 是非常简单的,我们在下面提供了一个简单的代码片段以供体验:

# 请安装 DashScope SDK 的最新版本
import os
import requests
import dashscope
text = "那我来给大家推荐一款T恤,这款呢真的是超级好看,这个颜色呢很显气质,而且呢也是搭配的绝佳单品,大家可以闭眼入,真的是非常好看,对身材的包容性也很好,不管啥身材的宝宝呢,穿上去都是很好看的。推荐宝宝们下单哦。"
# SpeechSynthesizer接口使用方法:dashscope.audio.qwen_tts.SpeechSynthesizer.call(...)
response = dashscope.MultiModalConversation.call(
    model="qwen3-tts-flash-2025-11-27",
    api_key=os.getenv("DASHSCOPE_API_KEY"),
    text=text,
    voice="Cherry",
    language_type="Chinese", # 建议与文本语种一致,以获得正确的发音和自然的语调。
    stream=False
)
audio_url = response.output.audio.url
save_path = "downloaded_audio.wav"  # 自定义保存路径
try:
    response = requests.get(audio_url)
    response.raise_for_status()  # 检查请求是否成功
    withopen(save_path, 'wb') as f:
        f.write(response.content)
    print(f"音频文件已保存至:{save_path}")
except Exception as e:
    print(f"下载失败:{str(e)}")
相关文章
|
11月前
|
人工智能 自然语言处理 语音技术
AI配音告别"罐头味儿",阿里Qwen3-TTS让机器"声情并茂"
2025年12月24日,阿里巴巴升级语音模型家族Qwen3-TTS,重磅发布音色创造模型Qwen3-TTS-VD(VoiceDesign)和音色克隆模型Qwen3-TTS-VC(VoiceClone)。仅用3秒音频就能"像素级"克隆人声,支持10大主流语言及9种方言,在权威测试中多项性能超越GPT-4
2649 0
|
10月前
|
存储 缓存 数据可视化
Supertonic 部署与使用全流程保姆级指南(附已部署镜像)
Supertonic开源工具Python版部署与使用指南 摘要:本文详细介绍了Supertonic(一款语音处理工具)Python版本的完整部署流程,包括服务器环境准备、源码下载、依赖安装、常见报错解决方法等关键步骤。部署成功后,用户只需修改示例脚本中的文本内容,即可生成对应的音频结果文件。文章还提供了已部署镜像的获取方式,帮助用户快速上手。部署过程中需注意模型自动下载、依赖版本冲突等常见问题。通过本指南,用户可以快速完成Supertonic的环境搭建并开始使用其核心功能。
704 8
|
11月前
|
人工智能 自然语言处理 文字识别
Qwen3-Omni新升级:声形意合,令出智随!
Qwen3-Omni-Flash-2025-12-01是全新升级的全模态大模型,支持文本、图像、音频、视频输入,实现自然语音与文本同步输出。全面优化音视频理解与生成,支持多轮流畅对话、自定义人设与系统指令,提升多语言及跨模态交互准确性,语音更拟人,图像视频理解更深入,打造“声形意合”的智能交互体验。(239字)
1256 0
|
9月前
|
编解码 自然语言处理 语音技术
魔搭社区+OpenVINO™ 加速部署 Qwen3-TTS 实战
通义千问推出Qwen3-TTS系列开源语音模型,支持中英日韩等10种语言,具备声音克隆、情感适配与高保真端到端合成能力;结合Intel OpenVINO™可在CPU上高效推理,无需GPU,轻松部署于边缘设备。(239字)
2632 7
|
8月前
|
编解码 物联网 数据处理
LTX-2.3开源: 视频生成引擎级升级
Lightricks开源LTX-2.3音视频大模型:重建VAE提升细节锐度,文本连接器扩容4倍增强Prompt遵循,大幅优化I2V运动自然性与音频质量,并首次原生支持1080×1920竖版视频生成。22B参数,支持文生视频、图生视频等多任务。
6867 4
|
11月前
|
人工智能 自然语言处理 安全
⚡阿里云百炼通义音色设计 Voice Design 使用指南🎨
通义千问 qwen-voice-design 模型支持通过文字描述快速生成定制化音色,结合 qwen3-tts-vd-realtime 可输出11种语言语音,适用于广告配音、角色塑造、有声内容创作及多语言出海等场景,提供高效、灵活的语音设计解决方案。
2719 9

热门文章

最新文章