小互(@xiaohu):通义发布 Qwen-Audio-3.0-TTS 语音模型一段参考音能说 16 种语言和 20 种方言首包延迟做到 300 毫秒级同一段参考音可以跨 16 种语言念，音色不走样：CV3-Eval 上说话人相似度 16 个语种全部排第一，Plus 平均 82.75 分（百分制，越接近 100 越像本人）。

小互

@xiaohu

带你了解全球最前沿科技、AI动态... AI 精华，讲到你懂：

加入 March 2024

1.7K 正在關注 115.9K 粉絲

小互@xiaohu

2026.07.21 07:37

通义发布 Qwen-Audio-3.0-TTS 语音模型一段参考音能说 16 种语言和 20 种方言首包延迟做到 300 毫秒级同一段参考音可以跨 16 种语言念，音色不走样：CV3-Eval 上说话人相似度 16 个语种全部排第一，Plus 平均 82.75 分（百分制，越接近 100 越像本人）。