通义千问Qwen3-TTS发布：97ms超低延迟，语音克隆仅需3秒

阿里通义千问团队正式发布开源文本转语音模型系列Qwen3-TTS。该模型在语音生成质量和速度上均有显著提升，端到端合成延迟低至97ms，实现真正的实时流式生成。核心亮点包括仅需3秒音频即可完成快速克隆，以及支持用自然语言描述来自由设计语音的音色与情感。Qwen3-TTS涵盖中、英、日等10种语言，提供CustomVoice、VoiceDesign及Base三个版本，参数量分别为0.6B和1.7B。基于创新的双轨混合流式架构，该模型已完全开源并支持免费商用，极大降低了AI语音生成的应用门槛。