通义千问Qwen3-TTS发布：多音色多语种语音合成全面解析

12月10日，通义千问正式推出了全新的语音合成模型Qwen3-TTS。这款模型集多音色、多语种及多方言的语音生成能力于一体，目前已经通过Qwen API向所有用户开放使用。

在音色选择上，Qwen3-TTS提供了超过49种不同的声音，涵盖了不同的性别、年龄和地域特征，还有多样化的角色设定。比如，你可以找到活泼俏皮的“茉兔”、像邻家女孩一样的“小野杏”、性格直率的“十三”、严肃认真的“墨讲师”、沉稳睿智的“沧溟子”，以及可爱灵动的“萌小姬”等特色音色，足以应对各种场景下的多元化需求。

在语言支持方面，这个模型能够流畅生成中文、英文、德语、意大利语、葡萄牙语、西班牙语、日语、韩语、法语和俄语这十大语言的语音。它在国际多语言语音测试集上的平均词错误率表现，优于多个主流同类系统，展现出更强的语言识别与发音准确性。同时，它在方言还原方面也实现了进一步提升，支持包括普通话、闽南语、吴语、粤语、四川话、北京话、南京话、天津话和陕西话在内的多种地方语言形式，能够精准呈现各地的口音特点与语言韵味。

此外，Qwen3-TTS在语音自然度方面也取得了显著进步。相比前代模型，它能够更智能地根据上下文内容，自适应调整语速与语调节奏，使得输出的语音在韵律变化上更为流畅自然，整体表达更具情感层次。其拟人化效果已非常接近真人发声的水平。