阿里开源Qwen3-TTS：97ms低延迟，支持自然语言“设计”人声

阿里巴巴通义千问团队正式发布新一代开源语音合成模型Qwen3-TTS，涵盖0.6B至1.8B参数规模。该模型支持10种主流语言，不仅能实现3秒音频高保真克隆，更创新支持通过自然语言指令“设计”人声。技术上采用12Hz高压缩率Tokenizer及双轨混合流式架构，端到端合成延迟仅97毫秒，极大提升了人机对话的自然感。