Qwen3-TTS

Qwen3-TTS's 概述

Qwen3-TTS是一种先进的开源文本转语音模型，旨在实现自然的语音合成。它具备高效的12Hz分词器和多代码本语音编码器，使其能够生成带有微妙情感色彩的类人语音。该模型支持零-shot声音克隆，只需3秒的音频片段即可复制声音。借助上下文感知的语调和无缝的多语言合成，Qwen3-TTS非常适合用于动态内容创作。其超低延迟为97毫秒，适合实时应用，增强用户参与感和体验。

Qwen3-TTS's 特点

• 零-shot声音克隆

• 高效的12Hz分词器

• 上下文感知的语调

• 无缝的多语言合成

• 实时流式传输

• 自然语言音频控制

• 开源自由

• 颗粒化情感与风格控制

Qwen3-TTS's 问答

Qwen3-TTS's 定价

Qwen3-TTS是开源的，依据Apache 2.0许可证可免费用于商业用途。