通义实验室发布 Qwen-Audio-3.0-TTS，含 Flash（首包延迟约300ms）和 Plus 两个版本。
Plus 版本在 Artificial Analysis 榜单夺冠，支持16种语言和20种中文方言，平均 WER/CER 低至3.87（Flash），说话人相似度最高达82.75（Plus）。
ข่าว AI / 模型更新
Back to AI news
ห้องแล็บ Tongyi เปิดตัวโมเดลสังเคราะห์เสียงพูดแบบเรียลไทม์ Qwen-Audio-3.0-TTS
Tongyi Laboratory เปิดตัว Qwen-Audio-3.0-TTS มีสองรุ่นคือ Flash (แพ็กเกจแรกหน่วงประมาณ 300ms) และ Plus รุ่น Plus ครองอันดับหนึ่งในรายการ Artificial Analysi...
สรุปข่าวกรอง AI วันนี้
Tongyi Laboratory เปิดตัว Qwen-Audio-3.0-TTS มีสองรุ่นคือ Flash (แพ็กเกจแรกหน่วงประมาณ 300ms) และ
Plus รุ่น Plus ครองอันดับหนึ่งในรายการ Artificial Analysis รองรับ 16 ภาษาและ 20 สำเนียงภาษาจีน ค่า WER/CER เฉลี่ยต่ำสุดถึง 3.87 (Flash) และความคล้ายคลึงของผู้พูดสูงสุดถึง 82.75 (Plus)
资讯正文 · AI 整理
情报判断
Aioga 编辑摘要
通义实验室发布 Qwen-Audio-3.0-TTS，提供 Flash 与 Plus 两个版本。材料称 Flash 首包延迟约300ms，Plus 在 Artificial Analysis 榜单夺冠。
背景分析
公开材料将该产品归为实时语音合成模型，并披露其支持16种语言和20种中文方言。现有摘录未进一步说明发布时间、训练方法、部署条件或榜单评测规则。
Aioga 观点
Aioga 判断，双版本设计体现了对响应速度与合成表现两类指标的区分。榜单成绩和延迟数据值得关注，但仍需结合完整评测口径与实际应用测试审慎理解。
影响与后续
该模型可能为多语言、中文方言及实时语音合成场景提供新的选择。材料给出的平均 WER/CER 低至3.87和相似度最高82.75，可作为初步比较依据，但不代表所有场景表现。 建议后续关注官方是否披露完整模型文档、Artificial Analysis 评测设置、WER/CER 计算口径、说话人相似度测试条件，以及 Flash 与 Plus 在不同语言和方言中的具体表现。
Source and Copyright
当前抓取源提供的是标题、摘要、来源和原文入口，不直接搬运完整原文。完整报道请通过下方原文链接前往来源站点查看。
抓取通道: 摘要聚合 · 原始域名: mp.weixin.qq.com
แหล่งที่มา: 公众号：通义实验室（千问）
原文链接: เปิดแหล่งต้นฉบับ
Aioga 归档: 查看情报页
Content record: summary-fallback · Updated: 2026-07-20T08:53:11.000Z
API RELAY · DEVELOPER INFRASTRUCTURE
API 中转站
统一接入主流 AI 模型 API，为开发、测试与生产环境提供稳定调用入口。
立即访问 api.w173.com
Scan to open this article