阿里通义千问发布新一代语音合成大模型Qwen3-TTS，即日起通过Qwen API向全球开发者免费开放。模型提供49种多角色音色，支持10种主流语言及10种中国方言，官方称其在MiniMax TTS multilingual test set上的平均词错误 ...
|
阿里通义千问发布新一代语音合成大模型Qwen3-TTS，即日起通过Qwen API向全球开发者免费开放。模型提供49种多角色音色，支持10种主流语言及10种中国方言，官方称其在MiniMax TTS multilingual test set上的平均词错误率（WER）优于MiniMax与ElevenLabs，拟人化程度逼近真人。
49种音色即选即用 - 角色库:涵盖性别、年龄、地域及角色设定——「撒娇搞怪茉兔」「严厉老师墨讲师」「智慧老者沧明子」等一键切换 - 场景适配:播客、有声书、游戏NPC、智能客服均可秒级换声，无需额外训练 10语10方言，跨语种WER领先 - 主流语言:中、英、德、意、法等10种语言全覆盖 - 方言列表:普通话、粤语、四川话等10种方言，保留地道口音与语调 - 客观指标:MiniMax TTS multilingual test set 平均WER低于ElevenLabs，合成准确率提升约12%
韵律与语速:文本驱动，真人级自然度 - 自适应语速:根据文本情绪自动调节快慢与停顿 - 韵律模型:音节级重音与语调预测，MOS评分达4.6，逼近真人4.8 - 实时流式:首包延迟<300ms，适合直播配音与对话场景 免费接入 & 商用友好 - API定价:目前免费开放，无调用次数限制 - 授权条款:默认支持商业用途，无需额外授权费 - 集成示例:一句HTTPS请求即可接入，10行代码完成语音播报 下一步:方言克隆 + 边缘部署 阿里透露，2025年Q1将推出「方言语音克隆」功能，5秒音频即可复刻地方口音;Q2发布边缘盒子版本，支持离线局域网部署，目标覆盖智慧景区、车载语音等场景。
近期文章
推荐阅读
热门问答
 AiGoe.com 成立于2014年8月，是目前国内优秀的开源技术社区，拥有超过300万会员，形成了由开源软件库、代码分享、资讯、协作翻译、讨论区和博客等几大频道内容，为IT开发者提供了一个发现、使用、并交流开源技术的平台。
|
评论