Qwen3-TTS全家桶开源上线

Qwen3-TTS全家桶开源上线，Qwen3-TTS是由Qwen开发并已开源的全系列语音生成模型，提供1.7B（追求极致性能和强大控制）和0.6B（平衡性能与效率）两种尺寸模型，支持中文、英文、日语、韩语、德语、法语等10种主流语言及多种方言音色，满足全球应用需求。

全面支持音色克隆、音色创造和超高质量拟人化语音生成。支持自然语言指令驱动的语音生成，灵活调控音色、情感、韵律等声学属性。具备强大的上下文理解能力，可根据指令和文本语义自适应调整语气、节奏与情感表达，并提升对输入文本噪声的鲁棒性。

基于创新的Dual-Track混合流式生成架构，单模型同时兼容流式与非流式生成，最快可在输入单字后即刻输出音频首包，端到端合成延迟低至97ms，满足实时交互需求。

Qwen3-TTS-VoiceDesign在InstructTTS-Eval中指令遵循能力和表现力超越MiniMax-Voice-Design和其他开源模型。Qwen3-TTS-Instruct具备单人多语言泛化能力（平均词错率2.34%）、保持音色风格控制能力（InstructTTS-Eval 75.4%）及卓越的长语音生成能力（10分钟语音中英词错率2.36%/2.81%）。Qwen3-TTS-VoiceClone 在中英文克隆稳定性、多语种测试集平均词错误率和说话人相似度上超越MiniMax和ElevenLabs。