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
- Midjourney V8.2 加入个性化并展示新图像效果 — Mr_AllenT · 2026-07-27
- Midjourney 图像多样性引发 Krea 2 对比与复现提问 — diffusion_throwaway · 2026-07-27
- AI 短片把 1985 年反乌托邦拍成电影感作品 — ProfessorKey98 · 2026-07-27
- Google Omni 做出的 BOTPD 新集变成追车戏仿 — ScriptLurker · 2026-07-27
- 一个新 LoRA 复刻了 GTA: San Andreas 的 RenderWare 画风 — Humble-Pick7172 · 2026-07-27
- AMD R9700 开启动态 VRAM 后，LTX 2.3 生成速度大幅提升 — xdcfret1 · 2026-07-27