阿里通义发布Qwen3-TTS新模型，音色创造与克隆技术领先业界
创始人
2025-12-24 18:37:37
0次
今日，阿里通义宣布Qwen3-TTS家族新增两款模型，分别为音色创造模型Qwen3-TTS-VD-Flash和音色克隆模型Qwen3-TTS-VC-Flash。Qwen3-TTS-VD-Flash支持复杂自然语言指令输入，实现对音色、韵律、情感等的精细化调控，用户可自由定义音色，不再局限于预设音色。在InstructTTS-Eval中，其综合表现超越了GPT-4o-mini-tts、Mimo-audio-7b-instruct等模型。Qwen3-TTS-VC-Flash则支持3秒级别音色克隆，并能生成10大主流语言的音频，其在MiniMaxTTSMultilingualTestSet上的平均词错误率（WER）全面优于其他模型。
两款新模型均具备高表现力的拟人化音色，能够稳定输出与输入文本高度契合的语音内容，并自动调节语气节奏。它们还具备强大的文本解析能力，能自动处理复杂文本结构，精准提取关键信息，展现出较强的鲁棒性。Qwen3-TTS-VD-Flash支持通过自然语言描述生成定制化的音色形象，而Qwen3-TTS-VC-Flash则支持基于克隆音色生成多语种音频，对复杂文本和野生音频都有较高的鲁棒性。这两款模型的推出，标志着阿里通义在文本到语音技术领域的进一步发展。
下一篇：日本民众集会抗议高市涉台错误言论
相关内容
热门资讯
视频丨216国道抢通已推进至核...
8月26日上午，因尼泊尔一侧发生泥石流灾害，造成西藏日喀则市吉隆县吉隆口岸重大人员伤亡、失联。抢险救...
半小时就能配齐一台机器人，深圳...
编者按：健康完备的经济生态，是推动高质量发展的重要保障。即日起，南方日报、南方+推出“解码广东经济生...
两宫超1.2万个学位！广州天河...
有剧场、科技馆、体育馆美术馆、书画室、艺创工坊……天河区少年宫新宫 （下称“天河区少年宫”）将于今年...
视频丨西藏吉隆县泥石流灾害抢险...
西藏吉隆县泥石流灾害抢险救援进入第7天。今天（9月1日）上午9时55分，西藏自治区在日喀则市公安局吉...
数智赋能黔山田：从“云端”算力...
近日，2026中国国际大数据产业博览会(简称“数博会”)在贵阳正式拉开帷幕。在这场以“词元——数据要...
8月深圳楼市持续稳固向好 二手...
8月，全市新建商品住宅和二手住宅合计成交6864套，同比增长8.5%，国家统计局发布的一、二手住宅销...
9月5日起，广州黄埔新增设多个...
@黄埔街坊9月5日起黄埔新增设多个公交车站8月30日，广州市交通运输局官网发布《关于优化公共汽车南海...
开学第一课丨我国运载火箭为啥叫...
今年，是中国共产党成立105周年，中国工农红军长征胜利90周年。在中国共产党百余年奋斗历程中，长征，...
新华鲜报|一树扎根沙地 “赛考...
“故事永远不会结束。”9月1日，北京首都国际机场。返程前，美国友人“赛考斯”（本名罗纳德·萨科尔斯基...
各地学校举办丰富多彩“开学第一...
央视网消息：这两天，全国中小学陆续迎来新学期。各地以主题鲜明、形式多样的“开学第一课”，引导学生们厚...