打开网易新闻 查看精彩图片

观点网讯：7月20日，千问正式发布语音合成大模型Qwen-Audio-3.0-TTS。

该模型包含面向实时交互的Flash版本和面向高质量生成的Plus版本，并支持Free-style自然语言指令控制。

其中，Flash版本首包延时达到300ms级别，以满足实时交互场景的低延迟需求。

新模型在细粒度标签控制、freestyle指令遵循、多语种与方言覆盖以及复杂声学鲁棒性等方面实现系统性提升。

免责声明：本文内容与数据由观点根据公开信息整理，不构成投资建议，使用前请核实。