Qwen ha lanzado Qwen-Audio-3.0-TTS, un modelo de síntesis de voz con control mediante instrucciones en lenguaje natural de estilo libre. Los usuarios pueden describir el tono o el estilo deseados en lenguaje coloquial, en lugar de ajustar parámetros técnicos. Se ofrecen dos versiones: Flash, para la interacción en tiempo real con un retraso del primer paquete de 300 ms, y Plus, para audiolibros y doblaje de alta calidad. Esto reduce las barreras de acceso a la síntesis de voz, convirtiéndola en una herramienta al alcance de todos.