通义发布 Qwen-Audio-3.0-TTS，一段参考音可说 16 种语言
xiaohu · x · 2026-07-21
通义发布 Qwen-Audio-3.0-TTS，多语种语音保持同一音色
通义发布了 Qwen-Audio-3.0-TTS，一段参考音就能跨 16 种语言、20 种方言 说话。
- 官方给出的 首包延迟 大约是 300 毫秒。
- 同一段参考音跨语言输出时，音色保持较稳定，没有明显漂移。
- 在 CV3-Eval 上，它被描述为 16 个语种说话人相似度第一，Plus 平均分为 82.75/100。
所属事件:阿里发布 Qwen-Audio-3.0-TTS 语音合成大模型(5 条相关)→
「多模态」频道最新
- AI 视频制作入坑指南：如何解决连贯性与审查限制 — cynicalnewenglander · 2026-07-22
- 先做分镜再生成，AI 舞蹈视频更容易保持一致性 — aftahi_ai · 2026-07-22
- Runpod MCP 让 Claude 直接编排图像和视频生成工作流 — 802high · 2026-07-22
- Midjourney 把蜜蜂做成碎片爆炸梗图 — michaelrabone · 2026-07-22
- 物理奖励能改进视频生成，但不等于物理引擎 — Dapper-Drawer4546 · 2026-07-22
- HeyGen 给 coding agent 接入 7.5 万图片和 1 万音乐 — HeyGen · 2026-07-22