阿里通义千问Qwen3-TTS语音合成模型：支持49+种音色与多地方言

12月10日，阿里通义千问重磅推出全新语音合成AI模型——Qwen3-TTS，这是一款集多音色、多语种和方言支持于一体的先进语音生成系统。目前用户可通过Qwen API接口访问该服务。

与上一代产品相比，Qwen3-TTS在多个方面实现了显著提升。以下是其主要改进内容：

• 音色多样化升级：新增超过49种特色音色，涵盖不同性别、年龄层及地域文化特征。用户可以选择多样化的角色音效，例如：
  – 活泼可爱的萝莉音（萌小姬）
  – 俏皮搞怪的少女音（小野杏）
  – 傲娇直率的女汉子音（十三）
  – 严厉认真的老师音（墨讲师）
  – 智慧稳重的老者音（沧明子）

• 多语言方言能力增强：支持包括中文、英文在内的全球10大主流语言，涵盖欧洲、亚洲及美洲的主要语种。
  在MiniMax TTS多语言测试集上，Qwen3-TTS的平均词错误率（WER）优于目前行业领先的MiniMax、ElevenLabs和GPT-4o-Audio-Preview模型。同时支持多种方言生成，包括普通话、闽南语、吴语、粤语、四川话、北京话、南京话、天津话以及陕西话等，能高度还原各种地方口音的独特魅力。

• 自然流畅的韵律表达：通过升级算法模型，Qwen3-TTS实现了更智能的语速调节和韵律控制。其生成语音不仅更加贴近人类说话方式，更能根据文本内容自动调整语气风格，在拟人化程度上达到了行业领先水平。