通义千问放出新文本转语音模型Qwen-Audio-3.0-TTS，直接登顶TTS榜

索瑟君 · 2026-07-23T04:10:02.000Z

阿里通义千问刚发了个新的TTS模型Qwen-Audio-3.0-TTS，一上来就把Artificial Analysis TTS排行榜榜首给占了。这次分了Flash和Plus两个版本，一个主打实时交互，一个偏重生成质量。比较有意思的是它支持用内联标签精细控制语气，比如写个[whisper]就能调出悄悄话的感觉，还能直接用自然语言描述想要的情绪风格。语言覆盖16种，单次最长能处理3分钟文本，感觉在长内容播报上也会挺好用。