“同易前文 Qwen-Audio-3.0-TTS”正式上线,首包延迟300毫秒,支持20种方言
阿里巴巴Qwen团队推出了全新的实时语音合成模型Qwen-Audio-3.0-TTS,将语音合成从基础生成提升至真正的情感表达。 其Plus版本目前在Artificial Analysis权威基准测试平台Speech Arena中位居全球榜首,表现优于Gemini 3.1 TTS、ElevenLabs v3及其他主流模型。

该模型提供两个版本:Flash版专注于实时交互,初始延迟约为300毫秒,非常适合智能助手及其他低延迟应用场景;Plus版则侧重高质量生成,在自然度和声音相似度方面均有显著提升。
核心能力方面实现了四大突破:
首先,多语言和方言支持已扩展至 16 种语言,其中 Plus 版本在全部 16 种语言中实现了 82.75% 的平均说话人相似度——这是业界最高水平。它还覆盖了 20 种中国方言,在生成过程中既能保持方言的真实特征,而非弱化其特色,从而实现更接近母语者的表达。
其次,灵活的自然语言指令支持用户通过“温和的客服语气”或“直播主持人风格”等提示生成精准语音,无需专业标注。
第三,精细的标签控制支持 [gasp] 和 [angry] 等结构化标签,可精准管理呼吸、笑声等非语言细节——适用于游戏、有声书及类似场景。
第四,强大的声学鲁棒性:即使参考音频中存在高噪音或混响,模型也能在保持语音质量的同时自动过滤背景噪音,确保合成输出稳定。
配套的高端语音库包含多种语音类型——包括指令语、方言及小语种——支持 48K 高清音频输出(预计于 7 月 24 日开放),每次合成会话最长可处理 3 分钟的长文本。 该模型现已在阿里云百联平台全面上线,开发者可访问并试用,为语音交互开辟新的可能性。

相关文章
SAS 推出企业级 AI 治理工具,以管理智能实体并降低影子 AI 风险
在最近的 SAS Innovate 大会上,分析领域的领导者 SAS 发布了一套专为智能体 AI(Agentic AI)设计的治理工具套件。这些解决方案赋能企业构建透明、安全的自动化生态系统,应对企业采用 AI 过程中固有的合规性与信任挑战。建立治理机制,实现从实验到生产的过渡SAS 推出了一系列产品,包括 Viya Copilot、Agent Accelerator 以及作为治理解决方案的 SAS AI Navigator,它们共同构成了一个全面的管理框架。公司强调,AI 治理应被视为业务
MacWhisper 14 更新带来了直接编辑转录内容的功能,并修复了 CPU 占用率过高的问题
MacWhisper 的独立开发者 Jodi Bruijn 昨日发布了 14.0 版本,该版本重点提升了转录性能,并引入了专用的编辑视图。 自2023年推出以来,MacWhisper已确立其作为macOS平台AI驱动转录工具的地位,支持在本地运行OpenAI的Whisper和NVIDIA的Parakeet等模型。它可直接处理音频、视频、会议录音及系统音频,因此非常适合播客制作工作流程。界面升级:更
Qwen3.5-Max Preview 登顶 LMArena,中国 AI 模型跻身全球前列
3月20日,权威大模型盲测平台 LMArena 发布的最新排行榜显示,阿里巴巴在 Qwen 系列中的最新旗舰预览模型 Qwen3.5-Max-Preview 表现卓越。该模型得分 1464 分,稳居顶级梯队。这一成就不仅打破了国内模型的既往纪录,更在多个维度上超越了 GPT5.4、Claude4.5 和 Grok4.1 等海外领先模型。这一里程碑标志着中国自主研发的大模型在通用能力上正式跻身全球第一梯队,终结了少数海外科技巨头垄断最高层级的时代。在这些盲测中,Qwen3.5-Max-Previe
相关专题推荐
评论 (0)
0/500
阿里巴巴Qwen团队推出了全新的实时语音合成模型Qwen-Audio-3.0-TTS,将语音合成从基础生成提升至真正的情感表达。 其Plus版本目前在Artificial Analysis权威基准测试平台Speech Arena中位居全球榜首,表现优于Gemini 3.1 TTS、ElevenLabs v3及其他主流模型。

该模型提供两个版本:Flash版专注于实时交互,初始延迟约为300毫秒,非常适合智能助手及其他低延迟应用场景;Plus版则侧重高质量生成,在自然度和声音相似度方面均有显著提升。
核心能力方面实现了四大突破:
首先,多语言和方言支持已扩展至 16 种语言,其中 Plus 版本在全部 16 种语言中实现了 82.75% 的平均说话人相似度——这是业界最高水平。它还覆盖了 20 种中国方言,在生成过程中既能保持方言的真实特征,而非弱化其特色,从而实现更接近母语者的表达。
其次,灵活的自然语言指令支持用户通过“温和的客服语气”或“直播主持人风格”等提示生成精准语音,无需专业标注。
第三,精细的标签控制支持 [gasp] 和 [angry] 等结构化标签,可精准管理呼吸、笑声等非语言细节——适用于游戏、有声书及类似场景。
第四,强大的声学鲁棒性:即使参考音频中存在高噪音或混响,模型也能在保持语音质量的同时自动过滤背景噪音,确保合成输出稳定。
配套的高端语音库包含多种语音类型——包括指令语、方言及小语种——支持 48K 高清音频输出(预计于 7 月 24 日开放),每次合成会话最长可处理 3 分钟的长文本。 该模型现已在阿里云百联平台全面上线,开发者可访问并试用,为语音交互开辟新的可能性。

MacWhisper 14 更新带来了直接编辑转录内容的功能,并修复了 CPU 占用率过高的问题
MacWhisper 的独立开发者 Jodi Bruijn 昨日发布了 14.0 版本,该版本重点提升了转录性能,并引入了专用的编辑视图。 自2023年推出以来,MacWhisper已确立其作为macOS平台AI驱动转录工具的地位,支持在本地运行OpenAI的Whisper和NVIDIA的Parakeet等模型。它可直接处理音频、视频、会议录音及系统音频,因此非常适合播客制作工作流程。界面升级:更
Qwen3.5-Max Preview 登顶 LMArena,中国 AI 模型跻身全球前列
3月20日,权威大模型盲测平台 LMArena 发布的最新排行榜显示,阿里巴巴在 Qwen 系列中的最新旗舰预览模型 Qwen3.5-Max-Preview 表现卓越。该模型得分 1464 分,稳居顶级梯队。这一成就不仅打破了国内模型的既往纪录,更在多个维度上超越了 GPT5.4、Claude4.5 和 Grok4.1 等海外领先模型。这一里程碑标志着中国自主研发的大模型在通用能力上正式跻身全球第一梯队,终结了少数海外科技巨头垄断最高层级的时代。在这些盲测中,Qwen3.5-Max-Previe





首页






