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 语音大模型(5 条相关)→
「多模态」频道最新
- 从业者回应「多模态无用论」：梳理历史与未来展望 — thoma_gu · 2026-10-26
- 一条 Prompt 生成完整 Blender 动画,作者全程未手动建模 — iamfakhrealam · 2026-10-26
- Muse Wonder 分块 + SAM 3.1,一粒不漏分割整根玉米粒 — nikhilaravi · 2026-10-26
- LichtFeld Studio v0.5.4.3：社区贡献的 SteadySplats 等新功能上线 — janusch_patas · 2026-10-26
- 一次 prompt 直出 2-3 分钟旁白短片,作者实测 Antigravity 生成效果 — AI_Andrew · 2026-10-26
- 用户用 Gemini 全家桶做万帧动画短片：写、画、配音、配乐一条龙 — AI_Andrew · 2026-10-26