Qwen-Audio-3.0-TTS 发布：AI 声音开始学会表演

今天我们正式发布语音合成大模型 Qwen-Audio-3.0-TTS，包含面向实时交互的

。新模型在细粒度标签控制、freestyle指令遵循、多语种与方言覆盖以及复杂声学鲁棒性等方面实现系统性提升，让合成语音从“能说话”走向“会表达”。

目前，在全球第三方权威榜单Artificial Analysis，Qwen-Audio-3.0-TTS-Plus斩获

冠军

。

核心升级

细粒度标签控制：精确到呼吸和情绪

Qwen-Audio-3.0-TTS 支持在文本中嵌入

，用户可直接在文本里嵌入[gasp]（抽气）、[giggles]（轻笑）、[angry]（愤怒）这类标记，直接对语气、情绪和 breath 类细节进行精准调控。这种方式特别适合需要精确控制非语言细节的叙事、游戏、影视配音等场景。并且配套开箱即用的

精品音色库

，将模型在多语种、多方言、指令控制和细粒度表达上的能力沉淀为可直接调用的音色资源，将陆续上架指令风格音色、20 种方言音色、细粒度控制音色以及14+小语种音色，帮助业务方快速上线不同场景的声音方案。并将音频输出从提升24KHz到48KHz，相当于从电话和普通语音助手的品质提升到录音棚、影视配音的规格，单次语音合成可长达 3 分钟。

Demo 1

合成文本：

[angry] 你们竟然私自切断了主控系统的能源！知不知道防护罩一旦失效，整艘飞船的人都会化为灰烬？这就是你们所谓的‘为了大局’吗！简直是不可理喻！

参考音频：

合成音频：

Demo 2

指令：

说到一半忍不住扑哧笑出声

合成文本：

你说的这个事啊，我都听过好几遍了，扑哧——还是觉得好笑。

合成音频：

Demo 3

指令：

你是悬疑剧旁白，屏住呼吸把紧张感一层层叠上去

合成文本：

那天夜里下着大雨，林晚一个人坐在书房里。窗外的雷声一阵接一阵，灯光忽明忽暗。她忽然听见楼下传来了脚步声——缓慢、沉重，像是有人在故意压低声响。她屏住呼吸，手指紧紧抓住椅子的扶手。脚步声越来越近，最终停在了书房门口。门把手轻轻地，转动了一下。

合成音频：

自由指令控制：用自然语言定义声音风格

Qwen-Audio-3.0-TTS支持

。用户可直接用自然语言描述角色、情绪、场景和语速，无需掌握专业声学或标注知识，即可灵活定义情绪、角色、场景、语速等维度，让合成结果与预期高度一致。

Demo

指令：

你是一位年轻女性小学老师，正在课堂上耐心地给一年级学生复述拼音规则。语速很慢，每一个发音都示范一遍，语调上扬带笑意。

合成文本：

我们再来读一次，j、q、x这三个声母后面如果跟着u，那个u上的两点要去掉。你跟老师一起读，j——u——ju。

参考音频：

合成音频：

多语种精准合成能力全面升级

面向全球多语种场景，Qwen-Audio-3.0-TTS-Plus进行了专项优化，覆盖中、英、日、韩、德等

，新增阿拉伯、越南、马来、菲律宾语。在16种语言的“词/字错误率”评测中，Qwen-Audio-3.0-TTS家族在10种语言中获得SOTA，韩语和马来语的领先幅度最大。根据CV3-Eval的多语种基准测试，

Qwen-Audio-3.0-TTS家族在10种语言中获得SOTA，韩语和马来语的领先幅度最大。

在16种语言的“说话人相似度”评测中，Qwen-Audio-3.0-TTS-Plus

，包揽全部最优，Flash版本包揽了15项第二，其中马来语、西班牙语和阿拉伯语领先幅度最为明显。

中文方言合成正宗度显著提升

目前支持广东、重庆、东北、陕西、上海、四川、云南等

。通过更高质量的方言数据、更丰富的方言种类覆盖，以及专门的方言强化训练阶段，有效缓解了通用语音强化学习过程中容易出现的

问题

，让模型在韵律、声调与口语表达上接近母语者，还原了各地语言的真实韵味。

Demo

指令：

输出上海话：屋里向装修真个是烦人，天天敲墙壁，声音响得来！灰尘落得一塌糊涂，真想快点弄清爽。

参考音频：

合成音频：

复杂声学场景鲁棒性

语音克隆产品往往要求原始录音在安静环境下录制，可现实里的参考音频往往有背景杂音。Qwen-Audio-3.0-TTS通过真实声学仿真训练，把语音增强能力原生嵌进了克隆流程，让模型在高噪声、高混响条件下也能过滤干扰、只留音色。

Demo

合成文本：

听到这首歌的时候，突然想起很多年前的夏天。

参考音频：

合成音频：

欢迎体验

Qwen-Audio-3.0-TTS 现已全面开放

Qwen-Audio-3.0-TTS-Plus：

https://bailian.console.aliyun.com/cn-beijing?tab=model#/model-market/detail/qwen-audio-3.0-tts-plus?serviceSite=asia-pacific-china

Qwen-Audio-3.0-TTS-Flash：

https://bailian.console.aliyun.com/cn-beijing?tab=model#/model-market/detail/qwen-audio-3.0-tts-flash?serviceSite=asia-pacific-china

blog：

https://funaudiollm.github.io/qwen-audio-3.0-tts/

关注我，掌握千问大模型最新动态