AI 资讯速递 (2026/1/23)： Qwen3-TTS全家桶开源上线！
2026年1月23日 03:29
Qwen3-TTS全家桶开源上线！
1月23·周五
资讯详情
通义千问团队于1月23日宣布正式开源Qwen3-TTS系列语音生成模型。该模型系列包括两个版本：1.7B参数和0.6B参数，旨在满足不同应用场景的需求。Qwen3-TTS不仅支持音色克隆和音色创造，还能够生成拟人化的语音，为用户提供更加自然和真实的听觉体验。
多码本语音编码器：Qwen3-TTS采用创新的12Hz多码本语音编码器，能够高效地对语音信号进行压缩。这种编码器在保持高保真度的同时，显著降低了计算资源的需求，使得模型在多种设备上都能高效运行。
双轨建模架构：该模型采用了双轨建模架构，分别处理语音的声学特征和韵律特征。这种架构不仅提高了生成语音的自然度和流畅性，还能够在不同语言和方言之间实现无缝切换。首包音频延迟低至97毫秒，极大地提升了用户体验。
多语言支持：Qwen3-TTS覆盖了中、英、日、韩等10种主流语言及方言，支持自然语言指令精确控制音色、情感及韵律。用户可以通过简单的文本指令调整生成语音的风格，使其更加符合特定场景的需求。
AI-ALL 深度点评
Qwen3-TTS的开源上线标志着通义千问团队在语音合成领域的又一重要进展。多码本语音编码器和双轨建模架构的结合，不仅提升了模型的性能和效率，还为开发者提供了更多的灵活性和控制能力。这一系列模型的推出，将进一步推动AI语音技术在多语言环境中的应用，尤其是在需要高度定制化和自然交互的场景中。对于AI开发者而言，Qwen3-TTS的开源意味着可以更轻松地集成高质量的语音合成功能到自己的项目中，从而提升产品的竞争力和用户体验。
