**阿里发布 Qwen-Audio-3.0-TTS：生产级语音合成模型，支持16种语言与细粒度控制**

_Qwen-Audio-3.0-TTS_

> 阿里巴巴推出 Qwen-Audio-3.0-TTS，这是一款面向生产环境的语音合成系统。该模型采用12.5Hz低帧率语音分词器和五阶段渐进式训练范式，显著降低推理延迟并提升音频质量。它支持16种语言及20个中国方言区域，具备通过自然语言指令和86种内联标签实现细粒度控制的能力，可生成长达3分钟的单遍语音，并在多项基准测试中达到领先水平。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：ai-models
- **发布时间**：2026-07-23 20:50（北京时间）
- **原文**：[打开原文](https://funaudiollm.github.io/qwen-audio-3.0-tts)