ENCN
English Chinese
登录登录
免费试用
qwen-bg
max-ico04
在
出去
max-ico02
聊天
max-ico03
禁用
Qwen3-TTS-Flash
它在实时应用中表现出色，可提供清晰、多功能的语音，适用于对话式人工智能、有声读物和辅助工具。
新会员可获赠价值 1 美元的免费Tokens
Text to Speech
Javascript
Python 
                                        const axios = require('axios').default;

const api = axios.create({
  baseURL: 'https://api.ai.cc/v1',
  headers: { Authorization: 'Bearer ' },
});

const main = async () => {
  const response = await api.post('/tts', {
    model: 'alibaba/qwen3-tts-flash',
    text: 'Qwen3 Speech Synthesis offers a range of natural, human-like voices with support for multiple languages and dialects. It can produce multilingual speech in a consistent voice, adapting tone and intonation to deliver smooth, expressive narration even for complex text.',
    voice: 'Cherry',
  });

  console.log('Audio URL:', response.data.audio.url);
  console.log('Characters:', response.data.usage.characters);
};

main();

                                
                                        import requests


def main():
    url = "https://api.ai.cc/v1/tts"
    headers = {
        "Authorization": "Bearer ",
    }
    payload = {
        "model": "alibaba/qwen3-tts-flash",
        "text": "Qwen3 Speech Synthesis offers a range of natural, human-like voices with support for multiple languages and dialects. It can produce multilingual speech in a consistent voice, adapting tone and intonation to deliver smooth, expressive narration even for complex text.",
        "voice": "Cherry"
    }

    response = requests.post(url, headers=headers, json=payload)
    data = response.json()

    print("Audio URL:", data["audio"]["url"])
    print("Characters:", data["usage"]["characters"])


main()
Docs

一个 API 包含 300 多个 AI 模型

节省20%费用并获赠价值1美元的Tokens
获取 API 密钥 探索模型
  • ico01-1
    API 操练场（Playground）

    在集成之前，请在沙箱环境中测试所有 API 模型。

    我们提供 300 多种模型供您集成到您的应用程序中。

    复制图片02图片01
qwenmax-bg
图片
Qwen3-TTS-Flash

产品详情

Qwen3-TTS-Flash：超低延迟、高自然度的文本转语音

Qwen3-TTS-Flash由阿里巴巴旗下Qwen提供技术支持，它是一款先进的文本转语音（TTS）引擎，专为实现卓越的速度和高度自然的语音合成而设计。它经过精心设计，旨在提供 超低延迟这使其成为实时交互式应用的杰出选择。它能够以最先进的稳定性和表现力生成多种语言和方言的语音，是虚拟助手、游戏NPC和复杂交互式语音应答（IVR）系统的理想之选。

技术规格

  • ⚙️ 模型架构： 基于 Transformer 的编码器-解码器，专门针对低延迟推理进行了优化。
  • 📚 训练数据： 利用广泛的数据集，涵盖 119 种语言的文本理解和 19 种语言的语音理解。
  • 🗣️ 输出语言： 重点支持 10 种语言，包括多种方言变体，以增强真实性。
  • 🎙️ 声音： 内置 17 种不同的语音预设，无需重新训练即可轻松切换。
  • ⚡ 延迟： 实现了单线程首包延迟极低的惊人性能 97毫秒。
  • 🚀 部署： 可灵活集成到聊天机器人、IVR 系统、游戏平台和各种内容创作工具中。

性能基准

Qwen3-TTS-Flash 在文本转语音合成方面表现出色，平均意见得分 (MOS) 超过 4.3 分（满分 5 分）这个分数反映了它卓越的自然度和纯净的音质清晰度。

该模型可合成高达 比实时快五倍 Qwen3-TTS-Flash 可在标准云 GPU 实例上运行，因此对于要求高、低延迟的应用来说效率极高。它提供强大的韵律控制功能，能够实现丰富多彩、富有表现力的语音，涵盖多种说话风格和情感语调。清晰度测试进一步证实，Qwen3-TTS-Flash 在自动语音识别系统的评估中，其生成的语音具有近乎完美的词错误率。

一致性至关重要，该模型在其支持的语言（主要是英语和中文）中均能保持高质量的输出。它还能很好地处理词汇表之外的词语和发音模糊的情况，确保为各种内容生成可靠且灵活的语音。

Qwen3-TTS-Flash 的性能基准测试
Qwen3-TTS-Flash 的性能基准测试

主要能力

  • ✨ 高保真语音： 能够生成极其清晰、自然的语音，非常适合专业音频内容和引人入胜的用户体验。
  • 🚀 超快速合成： 专为实现最低延迟语音生成而设计，适用于实时流媒体和大批量处理。
  • 🌐 多语言支持： 提供灵活的语音模型配置，以支持多种语言及其方言。
  • 🎶 韵律和风格控制： 可对音调、语速和语调进行精细控制，从而实现极富表现力和情感细腻的演讲。
  • 📦 轻量级部署： 其高效的架构支持多种部署场景，从边缘设备到基于云的基础设施。
  • 📖 开源访问： 采用 Apache 2.0 许可证，便于进行广泛的定制，并可无缝集成到各种项目中。

API定价

  • 💰 成本： 0.0105美元 每合成1000个字符。

最佳使用场景

Qwen3-TTS-Flash 非常适合需要快速、自然、高质量语音合成的应用：

  • 🤖 对话式人工智能： 需要即时、自然语音响应的虚拟助手和聊天机器人。
  • 🎧 有声读物和播客制作： 为丰富的音频内容生成高质量的合成旁白。
  • ♿ 辅助功能工具： 利用自然语音增强屏幕阅读器和语音设备。
  • 🌍 多语言内容： 高效的配音和本地化，助力全球内容分发。
  • 💡 实时语音界面： 集成到智能设备、汽车系统和物联网应用中。
  • 📞 交互式语音应答系统 (IVR) 和客户服务： 利用动态、自然的语音为交互式语音应答系统和客户服务机器人提供支持。

代码示例

以下是集成 Qwen3-TTS-Flash 的示例代码片段：

与其他领先型号的比较

Qwen3-TTS-Flash 通过以下关键优势与其他市场领导者区分开来：

  • 🆚 与Google WaveNet 对比： 虽然 WaveNet 提供了非常高的合成质量和广泛的语言覆盖范围，但 Qwen3-TTS-Flash 的合成质量与其不相上下（MOS 值高于 4.3），并且在其他方​​面也显著优于 WaveNet。 超低、近乎实时的延迟 与WaveNet的适中延迟相比，两者都支持韵律控制。
  • 🆚 对比亚马逊 Polly Neural： 与 Amazon Polly 的高音质但较为基础的控制功能相比，Qwen3-TTS-Flash 提供更卓越的音质和更高级的韵律控制。Qwen3-TTS-Flash 的一个显著优势是其对以下功能的支持： 边缘部署与主要基于云端的 Polly 不同。
  • 🆚 对比 OpenAI Whisper： Qwen3-TTS-Flash 是一款专业的、高质量的文本转语音 (TTS) 引擎，具备强大的多语言语音合成功能。相比之下，OpenAI Whisper 主要专注于自动语音识别 (ASR)，提供的 TTS 功能有限，尤其缺乏高级韵律控制。

API集成

Qwen3-TTS-Flash 可通过 AI/ML API 轻松访问。有关集成和使用的完整指南，请参阅官方文档：

查看 API 文档

原始出处： Qwen3-TTS-Flash 概述 （示例网址，如果实际标题不同，请替换为示例网址）

常见问题解答 (FAQ)

问： Qwen3-TTS-Flash 在实时应用中的独特之处是什么？

答：Qwen3-TTS-Flash 专为超低延迟而设计，首包延迟低至 97 毫秒。这种速度，结合高度自然和富有表现力的语音，使其非常适合虚拟助手和游戏 NPC 等交互式实时应用。

问： Qwen3-TTS-Flash 的语言支持范围有多广？

答：该模型的训练数据涵盖119种文本语言和19种语音理解语言。它能为10种语言提供精准、高质量的语音输出，并支持多种方言，使其在多语言内容处理方面具有极高的通用性。

问： 我可以自定义语音风格和情感吗？

答：是的，Qwen3-TTS-Flash 提供强大的韵律和风格控制功能。您可以调整音高、语速和语调等参数，从而实现丰富多样的语音风格和情感基调，增强合成语音的自然度和感染力。

问： Qwen3-TTS-Flash有哪些部署选项？

答：其高效轻量级的架构使其能够灵活部署在边缘和云端场景中。这使其适用于集成到智能设备、汽车系统、物联网、聊天机器人、交互式语音应答系统以及各种内容创作平台中。

问： Qwen3-TTS-Flash 是开源解决方案吗？

答：是的，Qwen3-TTS-Flash 是根据 Apache 2.0 许可证发布的，这允许进行广泛的定制，并可无缝集成到各种项目和产品中，为开发人员提供了很大的灵活性。

了解如何利用 AICC API 实现公司转型

探索如何利用 AICC API 革新您的业务！解锁强大的工具，实现流程自动化、增强决策能力并打造个性化的客户体验。
联系销售
api-right-1
模型-bg02-1

一个 API
300多个人工智能模型

节省20%的费用
新会员可获赠价值 1 美元的免费Tokens